最优路线确定基于决策支持系统的方法

H。Vignesh Ramamoorthy^{* 1},B.Sabarigiri²

计算机科学助理教授,Sree Saraswathi Thyagaraja学院Pollachi,哥印拜陀,泰米尔纳德邦,印度
计算机科学研究学者,PSG大学艺术与科学,哥印拜陀,泰米尔纳德邦,印度

通讯作者:H。Vignesh Ramamoorthy,电子邮件:hvigneshram@gmail.com

文摘

搜索路线寻找一个最佳的解决方案是GIS的主要功能之一。它还提供了一个强大的决策支持为指定农村寻找最优路线。GIS称为数据仓库在这丰富的资源是可用的。本文主要分析了策略的指定区域,并确定路由的问题。因此提供了可行的解决方案从源到目的地的路径路由图的帮助下,在给定的时间间隔。本文的目的是提供一个最优运输署的路线图。

关键字

地理信息系统、数据仓库、路由优化。

介绍

决策支持系统(DSS)[1][2]是一个交互式软件系统支持决策活动,也用于识别和解决问题。DSS组件分为输入,用户知识、专业知识、输出和决定。空间决策支持系统(SDSS)与DSS。SDSS的交互式软件支持五组的用户解决空间问题,比如噪声污染、交通路线等的链接。这SDSS[3]模型有助于识别最有效的运输决策路径。SDSS也被称为政策支持体系,它是一个结合地理信息系统(GIS)和决策支持系统(DSS) GIS支持的地理数据和SDSS涉及空间和非空间信息,如交通、人口、农业、气候、资源管理等。

SDSS的特点

用户互动。

二世。空间数据管理和分析

三世。解决问题

四、空间建模能力

诉可视化

第二部分说明了对不同的方法用于实现最佳路线。使用GSTP路由问题的分析是由第三节。解决问题通过识别人口因素在第四部分给出。结果和讨论在第六部分诉部分总结本文完成的。

方法

本节描述了一些方法,用于实现最优路线。

空间决策支持系统

决策支持系统[1][2]互动,基于计算机的系统,帮助用户判断和选择活动。他们提供数据存储和检索,但加强传统的信息访问和检索功能支持建模和基于模型的推理。他们支持框架、建模和解决问题。典型应用领域的DSSs在业务管理和规划,医疗、军事、和任何领域管理会遇到复杂的决策情况。决策支持系统通常用于上层管理决策所面临的战略和战术决策在较低频率、高潜在后果的思考所花费的时间和建模问题回报慷慨地从长远来看。

DSSs有三个基本组成部分

数据库管理系统(DBMS): DBMS作为DSS数据库。它存储大量数据相关的一类问题DSS设计和提供了逻辑数据结构(而不是物理数据结构)与用户交互。DBMS将用户从物理方面的数据库结构和处理。它还应该能够通知用户可用的类型的数据和如何获得它们。

模型库管理系统(清楚):喜忧参半的作用类似于DBMS。它的主要功能是提供独立之间特定的模型,用于DSS的使用它们的应用程序。一个喜忧参半的目的是将DBMS的数据转换成有用的信息在决策。因为DSS的许多问题,用户将应对可能非结构化,喜忧参半也应该能够协助用户模型构建。

对话框生成和管理系统(为副总经理):一个与DSS的交互的主要产品是洞察力。作为他们的用户往往是管理者不是computer-trained DSSs需要配备直观和易于使用的接口。这些接口帮助模型建立,但也与模型交互,如获得的见解和建议。为副总经理的主要职责是提高系统用户使用的能力,从DSS中受益。在本文的其余部分中,我们将使用更广泛的术语的用户界面,而不是为副总经理。虽然存在各种各样的DSSs,上面的三个组件中可以找到许多DSS架构和扮演一个重要角色在他们的结构。其中交互如图1所示。从本质上讲,用户与DSS为副总经理。这与DBMS和喜忧参半,屏幕的用户和用户界面的物理细节模型基础和数据库实现[2]。

决策支持系统(DSS)[1]是基于计算机的信息系统(cbi)的一个子集。一般的术语“计算机信息系统”是一个星座的各种信息系统如办公自动化系统、事务处理系统、管理信息系统和管理支持系统。管理支持系统包括决策支持系统,专家系统和执行信息系统。在1970年代早期,学者在cbi地区开始认识到信息系统发挥重要作用在支持经理的半结构化或非结构化决策活动。认为信息系统应支持决策,只存在,信息系统开发工作的重点应该从结构化操作控制转移至非结构化关键决策组织[3]。决策是不可逆的和组织的一生产生深远影响。有效决策[2]的重要性不能被过分强调。实际上,决策是管理的同义词。

地理信息系统

地理信息系统(GIS)[4]是基于计算机的系统,让用户收集、存储、处理、分析和空间数据。它展现了一个电子信息,称为空间数据,关于厄撒¢年代自然和人为的特性。GIS[5]引用这些真实世界的空间数据元素到一个坐标系统。这些特性可以分为不同的层次。GIS系统中每个类别的信息存储在一个单独的“层”,易于维护,分析和可视化。例如,层可以代表地形特征,人口普查数据,人口统计信息、环境和生态数据、道路、土地使用、河流水系和洪水平原,和罕见的野生动物栖息地。不同的应用程序创建和使用不同的层。GIS[4][5]也可以存储属性数据,这是描述性信息的地图功能。这个属性信息放置在数据库分离的图形数据,但与他们。GIS允许考试的空间和属性数据在同一时间。 Also, a GIS lets users search the attribute data and relate it to the spatial data. Therefore, a GIS can combine geographic and other types of data to generate maps and reports, enabling users to collect, manage, and interpret location-based information in a planned and systematic way. In short, a GIS can be defined as a computer system capable of assembling, storing, manipulating, and displaying geographically referenced information. GIS systems are dynamic and permit rapid updating, analysis, and display. They use data from many diverse sources such as satellite imagery, aerial photos, maps, ground surveys, and global positioning systems (GPS).

GIS[4]在本质上是一个应用科学,和相信而GIS供应商社区,硬件和软件供应商,为我们提供更新、更好、更快的技术工具,最后,领域专家定义最先进的应用工具。GIS[5]的心跳仍在于领域和地区办事处,日志部门,工程部门,小型GIS企业家在办公室到处都将应用这一技术领域的工作。地理信息系统(GIS)[5]是一种基于计算机的工具和分析空间数据的映射。GIS技术集成常见的数据库操作,如查询和统计分析和独特的可视化和地理分析地图提供的好处。这些能力区分地理信息系统与其他信息系统,使其价值广泛的公共和私人企业解释事件,预测的结果,和规划策略。地理信息系统被认为是最重要的一个新技术,有可能彻底改变社会的许多方面通过增加决策和解决问题的能力。地图制作和地理分析并不新鲜,但GIS[4]更好更快地执行这些任务比旧的手工方法。在GIS技术之前,只有少数人有必要技能使用地理信息来帮助决策和解决问题。

运输管理系统

运输管理系统是指一个类别的软件处理外部物理运动的计划和执行(运输)的产品供应链。各种典型的子组件/特性经颅磁刺激[6]可以大致分为三个类别分类,即(图2):

规划和优化

执行

可见性和性能管理

经颅磁刺激提供了以下好处。通过提供可见性的货物通过追踪和跟踪机制,客户和服务提供者,经颅磁刺激使更好的服务水平直接影响供应链关键指标如填充率、订单执行。通过提供一个单点跟踪性能的服务提供者,它使物流更容易组织更好地管理第三方物流,并评估他们的表现。在公路运输的国家是基于管理和大量的„现货marketA¢运费,这个系统允许捕获的信息,因此更好的协调。TMS[6]使负载整合所有的负载提供可见性来自特定位置。由于运费通常是基于全部或部分负荷,这直接影响盈利能力的第三方物流物流组织和减少成本。

运输管理系统(TMS)是供应链管理的一个子集关于运输操作和可能是企业资源规划系统的一部分。经颅磁刺激[6]包含三个主要过程,如:

计划和决策:经颅磁刺激将定义最有效的运输方案根据给定的参数,具有更低或更高的重要性根据用户政策:运输成本、更短的交货期,少停可以确保质量,流程重组系数等。

运输追问:经颅磁刺激后将允许任何物理或行政操作关于交通:交通事件由事件的可跟踪性,编辑的接待,清关,运输发票和预订文件,发送警报。

测量:经颅磁刺激或需要一个物流关键绩效指标(KPI)为运输报告功能。

各种功能的经颅磁刺激[6]

我)陆地运输路线规划和优化。

(3)实时跟踪车辆

(四)服务质量控制

(v)车辆负载和路由优化

(vi)运输成本和计划模拟

(七)分批装运的订单

(八)成本控制、关键绩效指标(KPI)报告和统计数据。

分析使用GSTP

路由问题中起着重要作用在农村地区寻找一个最优的路径从源到目的地的路线图和时间限制。因此GIS与DSS有助于在决策过程中克服交通拥堵。最优解可以通过使用路由图,执行路由图,找到最短的路线相当于找到一个最小成本的子树图。这个问题也被称为图形Steiner树问题(GSTP)。施泰纳最小树(SMT)[7]是最短的网络生成一组节点称为终端使用额外的点叫施泰纳点。Steiner树是np完全的决心和努力甚至近似。

图形Steiner树问题

让G = (V, E)是一个有限集的无向图顶点V和一组边E .让C: EA¯R *是一个成本函数分配给一个正整数,在G .让S V的子集(特殊顶点)。GSTP主要用来找到子图,GA¢A= (VA¢,EA¢)的G

(我)VA¢包含所有的顶点,

(2)GA¢连接

(3)Σ{(c (e): eEA¢}是最小的。

因此这个子图必须是树。弗吉尼亚州¢A¯一个顶点被称为Steiner顶点。让我们考虑图3图,因此特殊顶点编号为1、2、3、6、7是阴影

GSTP是一个优化问题类似于旅行推销员问题[8][9]和背包问题。GSTP可以在多项式时间内解决它也减少了最短路径问题通过使用DijkstraA¢s算法[11][14]。GSTP也用来降低找到G的最小生成树(MST)使用的[10]还是克鲁斯卡尔算法[12]。施泰纳的问题图可以作为一个整数线性规划或制定一个全球凹最小化问题。

问题识别在交通系统

所涉及的问题的约束主要是找到一个最优解运输避免搜索过程中不可行解。固定约束约束分为两种类型:选择广泛的途径减少匝数/旋转。

动态约束:选择路线,没有交通堵塞。

解决问题通过识别人口因素

路由问题可以通过使用路由图,确定实现路线地图,选择特定区域,因此遗传算法中起着重要作用。遗传算法模拟的遗传选择[15]。遗传算法的应用到GIS有助于设计路线图,也有助于确定最短路径到达目的地在给定的时间。

遗传算法包括各种策略等

(我)一个可变长度染色体(路线)和基因代表指定区域的编码问题。

(2)解决方案的一个初始种群是作为一个样本指定区域。

(3)适当的路线指示路线的长度和时间约束。

(iv)选择(生殖)[13]操作符用于提高人口质量的提供高质量的染色体(路线)。

(v)交叉检查当前顺序找到更好的解决方案。

各种参数可以指定路由映射:

(我)的源节点。

(2)目标节点。

(3)时间/距离到达目的地。

(iv)匝数。

(v) MRR(率主要道路长度的路径长度)的百分比。

结果和讨论

图4表示steiner树有两个顶点施泰纳(4和5)有六个成本。

通过使用参数和策略,可以确定指定地区的人口,因此车辆stoppingA¢年代和最短路径的地区可以分析。

这些因素将有助于实现路线图可以帮助运输部门。一个示例的路由图如图5所示)和其特点表所示表我。

结论

本文试图找出最优路线寻找分析农村地区,因此,数据已经存在于GIS数据仓库收集,可以设计寻找最短的线路图,可行和最优路径到达目的地。

引用

肖恩·b·加工“决策支持系统”,国际业务和管理的百科全书,第二版,编辑马尔科姆•华纳国际汤姆逊商业出版有限公司,伦敦,英国,2010年。
Marek j . Druzdzel和罗杰·r·弗林,“决策支持系统”,百科全书,图书馆和信息科学,第二版,艾伦·肯特(ed),纽约:马塞尔·德克尔,Inc ., 2012。
基南,p . b .(2003)“空间决策支持系统,”m·莫拉g . Forgionne和j·n·d·古普塔(Eds)。决策支持系统:成就和挑战新的十年:想法集团28-39页。
Arul普拉卡什,“地理信息系统-概述”,工程和技术的国际期刊,二,二,2010年4月,ISSN: 1793 - 8236。
苏茜凯利,“地理信息系统”西北可持续资源中心,www.ncsr.org。
Ram Mantravadi,“交通管理系统:一个印度视角”,Aqua MCG领导审查,www.aquamcg.com。
莎米拉Noferesti和哈米德Shah-Hosseini”混合算法求解Steiner树问题”,国际期刊《计算机应用,ISSN: 0975 - 8887,体积41 - 5号,2012年3月。
E.L.Lawlyer, J.K.lenstra, A.H.G.RinnoyKan,科学博士Shmoys(2005),“旅行推销员问题:导游的组合优化”,约翰Eeiley,纽约。
年代。圆形炮塔和P。托斯(2004),“背包问题:算法和计算机实现”。约翰威利,纽约。
R。C的(2007),“最短连接网络和一些概括”,贝尔系统技术。
已经Dijistra(2008),“注意两个问题与数学图表号码”。
J.B.Krusal(2009),“最短路径生成子树图和旅行销售员问题”。
Goldberg D.E.,(2009)。“遗传算法在搜索、优化和机器学习”,艾迪生Welsey出版公司。
金色的B。,(2010), “Shortest-Path Algorithms – A comparison”, Operations Research, Vol.24, No. 9, pp. 1164-1168.
HollandJ.H。,(2005), “Adaptation in Nature and Artificial Systems”, The University of Michigan Press, Reprinted by MIT Press, 2007.