دانشگاه سمنان مدل سازی در مهندسی 2008-4854 15 48 2017 05 22 The Assessment and Comparison of a Genetic Algorithm, Simulated Annealing and Cuckoo Optimization Algorithm for Optimization of the Facility Location under Competitive Conditions (Case Study: Banks) ارزیابی و مقایسه الگوریتم های بهینه سازی ژنتیک، شبیه سازی تبرید و فاخته ها در مکان یابی رقابتی تسهیلات (مطالعه موردی: بانکها) 231 246 2447 10.22075/jme.2017.2447 FA فرشاد حکیم پور دانشگاه تهران سیامک طلعت اهری دانشگاه تبریز ابوالفضل رنجبر دانشگاه تبریز Journal Article 2014 06 17 This paper determines the location of bank branches under competitive conditions with different attractive conditions. Finding an optimum location of branches depends on many factors and these problems are known as NP-hard problems. Despite being approximate methods, meta-heuristic algorithms seem suitable tools for solving NP-hard problems. In this paper, Genetic Algorithm (GA), Simulated Annealing (SA) and Cuckoo Optimization Algorithm (COA) are applied for finding the best location of bank branches. From marketing point of view, the aim is to attract more customers while the number of attracted persons to a new branch should be acceptable. The new methods have capability to find the optimum location of new branches under competitive conditions. The location of a new branch should be as far away as possible from branches of the same bank. The other condition is that the total number of customers for the new branch should not be less than a specified number, while the new branch should not attract customers of old branches of the same bank more than a threshold. To fulfill this propose a part of the Tabriz city was selected for implementation. Finally, to evaluate quality and accuracy of the algorithms, several iterations with different seeds are performed. The results of statistical and final tests indicate that the accuracy and convergence speed of Cuckoo Optimization Algorithm are more than the Simulated Annealing and Genetic Algorithms in finding optimal location of bank branches under competitive conditions.   این مقاله به مکان­یابی بانکها تحت شرایط رقابتی با سطوح جذابیت متفاوت پرداخته است. مساله مکان­یابی بانکها به فاکتورهای زیادی نیاز داشته و جزء مسایل NP-HARD طبقه­بندی می­شود. استفاده از روشهای فراابتکاری برای حل مسایل NP-HARD علیرغم تقریبی بودن، مناسب­ترین راه حل به نظر می­رسد. در این تحقیق از روشهای بهینه­سازی ژنتیک، شبیه­سازی تبرید و الگوریتم بهینه­سازی فاخته­ها در حل مساله مکان­یابی رقابتی بانکها استفاده شده است.  روشها به طوری آماده شدند که قابلیت پیدا نمودن مکان بانک جدید با وجود بانکهای رقیب را دارند و مکان بانک جدید از بانکهای هم نوع خودش تا حد ممکن دورتر باید باشد (هدف بازاریابی). همچنین در مجموع کل مشتریان این نوع بانک نبایستی از یک حدی کمتر شده و میزان جذب مشتری شعبه جدید التاسیس بانک از یک تعدادی کمتر نشود (محدودیت­ها). بدین منظور قسمتی از شهر تبریز جهت پیاده­سازی انتخاب شد. در نهایت به منظور ارزیابی کیفیت و دقت الگوریتم­ها از تست تکرارپذیری و مقایسه اعداد همگرایی برای نتایج حاصل از اجرای هر الگوریتم روی داده­ها استفاده شد. نتایج حاصل از این آزمون­ها عملکرد دقیقتر و همچنین سرعت همگرایی بیشتر، الگوریتم فاخته­ها نسبت به روشهای بهینه­سازی ژنتیک و شبیه­سازی تبرید در بهینه­سازی مکان­یابی رقابتی بانکها را نشان می­دهد.  https://modelling.semnan.ac.ir/article_2447_2c3ddf4bf13852db711dd1901fb517fa.pdf