تعداد جایگاههای پارک دور از سالن بی‌نهایت فرض شده است؛ یعنی درصورتی‌که یک هواپیما نتواند به جایگاه پارک با ورودی مسافری تخصیص پیدا کند مطمئناً در فرودگاه یک جایگاه پارک دور از سالن برای این هواپیما موجود است.

3- روش پیشنهادی
3-1- راه‌کارهای پیشنهادی
چون مسأله توالی هواپیما یک مسأله NP-سخت است، الگوریتمهای دقیق کارایی خود را بر روی این مسأله در ابعاد بالا از دست میدهند و نمیتوانند به جواب بهینه در یک‌زمان قابل‌قبول دست یابند. درنتیجه امروزه برای حل اینگونه مسائل از الگوریتمهای ابتکاری و فرا ابتکاری استفاده میشود. توجه به این نکته ضروری است که الگوریتمهای ابتکاری در یک‌زمان اندک به جواب زیر بهینه میرسند اما چون دارای ساختار خوبی برای فرار از نقاط بهینه محلی نیستند، معمولاً به جواب‌های باکیفیت همگرا نمیشوند. از طرف دیگر در چند دهه اخیر الگوریتمهایی پیشنهاد شدند که دارای ساختار تصادفی برای رسیدن به جواب مسأله هستند. این الگوریتمها که فرا ابتکاری نامیده میشوند، میتوانند تا حد امکان از بهینه‌های محلی فرار کنند و به جواب‌های بسیار خوبی همگرا شوند که یکی از این الگوریتم‌ها ICA میباشد.
3-2- الگوریتم تکاملی
3-2-1 مقدمه
همان‌طور که تاریخ الگوریتمهای تکاملی نشان میدهد، گونههای زیادی از الگوریتم‌های تکاملی وجود دارند. ولی ایده همه آن‌ها یکی است: با داشتن جمعیتی از گونه‌ها ، فشار محیطی باعث انتخاب می‌شود (القاء بهترین ) و این افزایش شایستگی جمعیت را نتیجه میدهد. با داشتن یک تابع کیفیتی که میخواهیم بیشینه شود، میتوان مجموعه‌ای از جواب‌های کاندید را به‌طور تصادفی تولید کرد و تابع کیفیت را به‌عنوان معیاری برای محاسبه شایستگی بکار برد، (هر چه بیشتر، بهتر) بر اساس این شایستگی، بعضی از کاندیدهای بهتر انتخاب میشوند تا به‌عنوان هسته‌ای برای تولید نسل بعد به کار روند. بر روی این کاندیدها ترکیب و یا جهش اعمال میشود. ترکیب بر روی دو یا بیشتر کاندید اعمال میشود (والدین) و نتیجه آن تولید فرزند (فرزندانی) است. ]36 [
اعمال ترکیب و جهش باعث تولید مجموعه جدیدی میشود که با مجموعه قبلی (والدین) رقابت میکنند تا درنهایت برندهها در نسل بعدی ظاهر شوند. این کار میتواند ادامه پیدا کند تا یک کاندید با ویژگیهای کافی (جواب) به دست بیاید و یا اینکه محدودیت‌هایی که از قبل برای مسأله تعریف کرده‌ایم، ارضا شوند.
در این عمل دو نیروی اصلی وجود دارد که پایه سیستم تکاملی است:
عملگرهای تغییر (ترکیب و جهش) که باعث ایجاد گوناگونی لازم و درنتیجه نوآوری میشود.
انتخاب که نیرویی است که کیفیت را به جلو می‌برد.
ترکیب تغییر و انتخاب باعث بهتر شدن مقادیر شایستگی در جمعیت‌ها می‌شود.
با مشاهده روند حرکت جمعیت می‌توان تکامل به‌سوی بهینگی را مشاهده کرد.
تکامل به‌عنوان فرایند تطبیق بیان می‌شود. از این دید، شایستگی به‌عنوان هدف اصلی که باید بهینه شود مطرح نیست، بلکه عبارتی است که نیازمندی کل محیط را بیان می‌کند، هرچه این نیازمندیها بیشتر ارضا شوند، نتیجه در تعداد بیشتری از اعضای جمعیت خود را نشان میدهد. عمل تکامل باعث میشود که جمعیت با محیط خود بیشتر و بیشتر سازگار شود.
بسیاری از اجزای فرآیند تکامل اتفاقی هستند. این اجزا در زمان انتخاب موجوداتی که مناسبتر هستند، احتمال انتخاب بیشتری دارند، هرچند در بیشتر اوقات، موجودات ضعیفتر هم شانس انتخاب شدن و زنده ماندن را دارند. اکثر اوقات موجودات به‌طور تصادفی برای ترکیب از جمعیت خارج میشوند. این مطلب در مورد تغییرات نیز صادق است. طرح کلی الگوریتم‌های تکاملی در شکل 3-1 ]36 [آمده است.

مطلب مرتبط :   آلودگی محیط زیست و مصرف کننده

شکل 3-1- طرح کلی الگوریتم تکاملی]36 [
همان‌گونه که از شبه کد نیز معلوم است، الگوریتمهای تکاملی جزئی از الگوریتم‌های تولید – آزمایش هستند.
الگوریتم تکاملی مبتنی بر جمعیت است.
الگوریتم تکاملی از ترکیب استفاده می‌کند تا اطلاعات گونه‌های بیشتری را در یک‌گونه خلاصه کند.