Abstract:
مسأله مسیریابی وسیله نقلیه (VRP) یکی از معروفترین مسائل بهینهسازی است که در دهه های اخیر کاربردهای زیادی به منظور بهرهوری و کارایی سیستم‌های حمل و نقل داشته است. مسأله مسیریابی وسائل نقلیه با بارگیری و تحویل همزمان، که توزیع و جمع آوری همزمان کالا از مبدأ به مقصد (مشتریان) را انجام میدهد یکی از انواع کلاسیک مسأله مسیریابی می باشد که در آن مشتریان نیازمند تکمیل فرآیند بارگیری و تحویل در انبار در یک پنجره زمانی خاص میباشند. کاربردهای این مسأله در بسیاری از مسائل روزمره واقعی همچون حمل و نقل و بهینه سازی برنامهریزی منطقی مشهود میباشد. این مقاله از الگوریتمهای فرا ابتکاری برای این منظور استفاده کرده است. روش پیشنهادی برای حل مسأله مسیریابی وسیلۀ نقلیه ظرفیتدار جهت بهبود بهرهوری و کارایی توزیع (با کمینه کردن فاصله کل طی شده در هر مسیر) و با در نظر گرفتن ظرفیت مسیرهای مختلف به کار گرفته شده است. این مسأله، ذاتاً یک مسألهNP-Hard می باشد بنابراین هیچ روش بهینه با زمان چند جملهای برای آن وجود ندارد. روش پیشنهادی که برمبنای الگوریتم ژنتیک می باشد، بر روی برخی از مسائل آزمون استاندارد با درنظر گرفتن بهرهوری محاسباتی و کیفیت جواب آزمون شده است. عملکرد روش ارائه شده با سایر الگوریتم های ابتکاری موجود بر روی همان مسأله مقایسه شده است. نتایج عددی نشان دهندۀ موفقیت رویکرد پیشنهادی برای مسائل مقید سخت میباشد و مکانیزم جواب ساده و پایداری را برای کاربردهای دنیای واقعی بویژه بهینهسازی مسیریابی وسائل نقلیه را ارائه میدهد.
Machine summary:
روش پیشنهادی برای حل مسأله مسیریابی وسیلۀ نقلیه ظرفیت دار جهت بهبود بهره وری و کارایی توزیع (با کمینه کردن فاصله کل طی شده در هر مسیر) و با در نظر گرفتن ظرفیت مسیرهای مختلف به کار گرفته شده است .
در این مقاله ابتدا یک روش بر اساس الگوریتم ژنتیک ٥ (GA) برای حل مسأله جمع آوری و تحویل پویا با پنجره های زمانی ٦(DPDPTW)بررسی میشود که تعمیمی از مسأله مسیریابی وسیله نقلیه پویا با بازه زمانیاست در قسمت بعدی نیز مدل DVRP٧ ویژه ای را مورد بررسی قرار می دهیم که ابتدا توسط کیلبی ٨(١٩٩٨) معرفی و سپس توسط مونتی مانی ٩ (٢٠٠٥) اصلاح شده است .
سپس یک تصویر لحظه ای از سیستم اجرا بر اساس روش چهار مرحله ای زیر تهیه میشود: ١- یک نسخه از بهترین فرد جاری جمعیت را که تاکنون مشخص شده است ، ایجاد کنید.
به جهت کاهش ریسک انحراف اتفاقی به هنگام انتخاب درخواست های ایستا از هر نمونه استاتیک ، ده نمونه پویا برای یک کمیت مشخص از q ایجاد شده است .
Yang et al • در مورد P١، منحنی ها در ابتدا مسطح و هموار بوده است و به سرعت وقتی درجه فوریت بالاتر از ٧٠ درجه میشود صعود میکند در حالیکه در مورد مجموعه داده P٢، کل طول مسیر تقریبا به طور خطی ، با افزایش سهم درخواست های پویا افزایش مییابد.
Dynamic Vehicle Routing Problem- Genetic Algorithm نقلیه از قبل موجود اضافه شوند اگر آنها ظرفیت پاسخ به درخواست های مشتریان جدید را داشته باشند.
A new algorithm for a dynamic vehicle routing problem based on Ant colony system.
(
, 
, 
)
