Determining best grocery store location based on a multi-objective optimization approach

Abstract

Çok amaçlı optimizasyon aynı anda birden fazla amaç fonksiyonunu optimize etmek için kullanılabilen bir yaklaşımdır. NSGA-II farklı niteliklere sahip çok amaçlı optimizasyon problemlerini çözmek için kullanılan genetik algoritmadır. Algoritma birbirini amaçlar açısından domine edemeyen kromozomların popülasyonda sıralanarak yer alması temelinde arama işlemini gerçekleştirmektedir. Literatürde, konum karar problemi için çok amaçlı optimizasyon teknikleri kullanan çalışmalar vardır. Ancak, bu tür uygulamalar hastaneler, büyük marketler vb. büyük tesisler için konum belirlemek için gerçekleştirilmiştir. Bu çalışmada, orta büyüklükte marketlerin yer karar probleminin çözülmesi için çok amaçlı genetik algoritmalara (MOGAs) dayalı yeni bir yaklaşım öne sürülmüştür. Genetik arama süreci görüntü işleme teknikleri ile desteklenmektedir. NSGA-II çok amaçlı genetik algoritma olarak kullanılmaktadır. Önerilen yöntem restoranlar ve metro istasyonlarına mesafeyi en aza indiren ve bölgedeki diğer mağazalara mesafeyi maksimize eden iki hedefi optimize eder. Diğer taraftan, binaların yüzey alanlarının büyüklüğü lokasyon seçimi için önemli bir faktördür. Yapılan çalışmada haritada yer alan binaların yüzey alanları ve bu alanların ortalama değerleri görüntü işleme teknikleri ile belirlenmektedir. Hesaplanan bu değer NSGA-II tarafından üretilen çözüm kümesi arasından son çözümü belirlemek için kullanılmaktadır. Yapılan testlerde sistemin kullanılan amaç fonksiyonlarına göre uygun yerleri önerdiği gözlenmiştir.

Multi-objective optimization is an approach that can be utilized to optimize more than one objective function simultaneously. NSGA-II is a non-dominated sorting genetic algorithm that has been widely used for solving different multi-objective optimization problems. Location decision is a critical problem for the facilities such as markets and stores. The goal of this study is to decide where a new facility should be located. In the literature, there are studies that utilize multi-objective optimization techniques for the location decision problem. However, such applications try to determine the location for big facilities like hospitals, big grocery stores and so on. In this study, a novel approach based on multi-objective genetic algorithms (MOGAs) have been proposed for the location decision problem of moderate-sized grocery stores. The genetic search is also supported with image processing techniques in a hybrid framework and the NSGA-II is utilized as the multi-objective genetic algorithm. The proposed method optimizes two objectives aiming to minimize the distance to restaurants and metro stations in the area and maximize the distance to other markets in the area. The mean value of the surface areas, an important factor for the location decision is found with Google Maps using image processing techniques that have the goal to detect the surface of individual buildings. The mean value of the surface areas are utilized to determine the final result among the set of solutions produced by NSGA-II. Various tests are carried out and it has been observed that the system can propose appropriate locations based on the objective functions utilized.