فهرست نشریات علمی دسترسی آزاد ایران

در برنامه‌ریزی شهری، ارتباط بهینه بین مناطق نقش حیاتی ایفا می‌کند. این امر را می‌توان به عنوان یک مسئله بهینه‌سازی در نظر گرفت که در آن از جریان ترافیک برای کشف روابط پنهان استفاده می‌شود. اطلاعات ارزشمندی در ترافیک و ساختار فعلی شهر نهفته است. کلید حل این معما، فرمول‌بندی درست مسئله برای استفاده از این اطلاعات است. در این مقاله، دو الگوریتم مبتنی بر یادگیری تقویتی (LA) برای استنتاج ساختار بهینه ارائه می‌شود: 1- رویکرد مبتنی بر آتاماتای یادگیر توزیع‌شده (DLA): در این روش، مسئله توسط شبکه‌ای از آتامات‌ها که به صورت همکاری جمعی عمل می‌کنند، حل می‌شود. 2- رویکرد مبتنی بر آتاماتای یادگیر سلولی (CLA): در این روش، مسئله به عنوان یک مسئله محاسباتی در نظر گرفته می‌شود و با استفاده از شبکه‌ای از سلول‌ها که با هم تعامل دارند، حل می‌شود. برای تخمین ساختار مورد نظر یا ساختار بهینه از دو سیگنال محیطی استفاده می‌شود: 1- ساختار فعلی شهر 2-پویایی جریان ترافیک برای ارزیابی عملکرد الگوریتم‌ها از یک بستر آزمایشی استفاده می‌شود که شامل داده‌های ساختگی و واقعی است. نتایج نشان می‌دهد که روش مبتنی بر CLA در بیشتر موارد عملکرد بهتری نسبت به روش دیگر دارد. خروجی نهایی این الگوریتم‌ها، یک ماتریس اتصالات بهینه است که شامل ساختار شهری فعلی و پیوندهای جدید ضروری برای ایجاد ساختاری کارآمدتر می‌باشد.