خوشه بندی ایستگاه های سوار و پیاده شدن افراد کارمند یا کارگران یک کارخانه و مسیریابی بهینه در خوشه ها با استفاده از الگوریتم های فراابتکاری

---

شرح پروژه

با سلام و وقت بخیر؛

در این پروژه یک فایل ورودی با پسوند csv که ماتریس زمان پیمایش بین نقاط است (ضمیمه) به نرم افزار داده می شود و برنامه باید بین این نقاط براساس تعداد خوشه های مورد نظر (مثلا 10 خودرو)، خوشه بندی را براساس حجم هرخوشه انجام دهد. به عنوان مثال 10 سواری هرکدام با ظرفیت 4 نفر میتواند حداکثر 40 نفر را سرویس دهی کند درنتیجه در این مثال 10 خوشه داریم. این خوشه بندی قرار است از طریق روش های K-means، کامینز فازی، DBSCAN و ... انجام شود.

سپس در هر خوشه مسیریابی بهینه در ابتدا با استفاده از چند الگوریتم بهینه سازی فراابتکاری مانند کلونی مورچگان، ژنتیک، تجمع ذرات، یادگیری عمیق، آتاماتای یادگیری تقویتی، شبکه‌های عصبی مصنوعی، منطق فازی، خفاش و ... با توجه به پیشینه پژوهش و نوآوری آن بررسی و سپس دو الگوریتم رتبه بهتر انتخاب و از طریق الگوریتم ترکیبی (هیبریدی) باهم ترکیب می شوند و نتیجه مورد نظر از این پژوهش یعنی نمایش بهتر بودن الگوریتم هیبریدی از سایر الگوریتم های بررسی شده حاصل می شود.

درخواست مورد نظر این پروژه کدنویسی خوشه بندی و مسیریابی بهینه در یکی از محیط های متلب و پایتون است سپس نمایش نموداری نتیجه بدست آمده از دو الگوریتم فراابتکاری (فرااکتشافی) مورد بررسی و ترکیب آنها (هیبریدی) به صورت مقایسه ای در یک صفحه است.

همچنین تهیه فایل ویدئویی آموزشی از مراحل انجام پروژه نیز مورد نظر می باشد.

فایل ضمیمه حاوی دو ماتریس 10 و 100 نقطه ای این پروژه و همچنین نمایش نتیجه استفاده از دو الگوریتم و مقایسه آنها در یک پروژه مشابه است. نکته اینکه نقاط ماتریس به هر مقدار دلخواه می توانند افزایش یابند.

با سپاس فراوان

این پروژه شامل 3 فایل مهم است، لطفا قبل از ارسال پیشنهاد حتما نسبت به بررسی این فایل اقدام فرمایید.

مهارت ها و تخصص های مورد نیاز

---

---