چکیده:
مساله مسیریابی وسایل نقلیه از مهمترین مسائل برنامهریزی حمل و نقل است. مساله مسیریابی در شرکتهای توزیع و پخش که حمل و نقل بخش عمده هزینهها را به خود اختصاص میدهد، بسیار حائز اهمیت است. در این پژوهش با توجه به نیاز موجود در شرکتهای توزیع و پخش و در نظر گرفتن محدودیتهای دنیای واقعی مانند زمان سرویس احتمالی، تقاضای فازی و محدودیت پنجره زمانی یک مدل برنامهریزی غیرخطی عدد صحیح مختلط ارائه گردید، سپس با کمک تکنیکهای تحلیلی، مدل غیرخطی به مدل خطی تبدیل شد. از نرم افزار GAMS برای اعتبار سنجی مدل پیشنهادی استفاده شد، . با توجه به ان_پی سخت بودن مساله مذکور و به منظور حل آن در ابعاد بزرگ، الگوریتم ژنتیک مرتبسازی نامغلوب نخبهگرا ((NSGA-II و الگوریتم بهینهسازی چندهدفه کلونی مورچگان (MOACO) طراحی شد. کارایی الگوریتمهای طراحی شده، با استفاده از شاخصهای سنجش کارایی الگوریتمهای فراابتکاری چندهدفه مورد بررسی قرار گرفت و نتایج حاکی از کارا بودن الگوریتم NSGA-II بوده است. در ادامه با استفاده از الگوریتم پیشنهادی به حل مساله مسیریابی شرکت مورد مطالعه پرداخته شد و راهکارهای عملی با توجه به نیاز مدیریت شرکت ارائه گردید.
Vehicle routing problem is one of the most important problems in transportation programming. Vehicle routing problem plays an important role in distribution companies because the much of the system costs are related to it. In this paper, a mix integer nonlinear programming model is presented considering the existing demand in distribution companies and real world's restrictions, including Stochastic service time, fuzzy demand and time window limitation. Then, the nonlinear model is equated with the linear model using analytical techniques, for its validity evaluation, GAMS software was utilized. Also, With respect to the fact that this problem is NP-Hard, non-dominated sorting genetic algorithm and multi-objective ant colony optimization algorithm are designed. To demonstrate the efficiency of designed algorithms, evaluation indicators of multi-objective meta-heuristic algorithm's efficiency are utilized. The results indicates that the non-dominated sorting genetic algorithm is more efficient. The issue of the company in questioned via the proposed algorithm. And according to company's management need, practical approach are presented.
خلاصه ماشینی:
از مهم ترين مسائلي که تاکنون در برنامه ريزي حمل ونقـل مطـرح شـده و از مشـکلات عمده زنجيره تأمين به شمار ميرود،مسئله مسـيريابي وسـايل نقليـه اسـت [٤]کـه در آن بايد مجموعه اي از مسيرهاي بهينه وسايل نقليه جهت سـرويس دهـي بـه مشـتريان تعيـين شود [٥]؛به اين ترتيب که مسيرهاي حمل ونقل به گونه اي تعيين شودکه مسافت طـي شـده، زمان کل سفر،تعدادوسايل حمل ونقل ، جريمه ديرکردودرنهايت تـابع هزينـه حمـل ونقـل ، حداقل گردد و رضايت مشتريان به حداکثربرسد [٦].
در اين پژوهش سعي شده است مدل رياضي مرتبط با مسائل مسيريابي شرکت هاي پخش بـا در نظـر گـرفتن محـدوديت هـاي موجـود در دنياي واقعي طراحي شده و بااستفاده از روشهـاي فراابتکـاري بـه حـل ايـن مـدل و ارائه مسيرهاي بهينه پرداخته شود.
٣-مدلسازي مسئله ٣-١-مفروضات بديهي است ايجاد هر مدلي مستلزم بيان مفروضاتي از مسئله موردنظراست و در مدل پيشنهادي نيز مفروضات زير موردتوجـه نويسـندگان بـوده اسـت : ١) هـدف مديرتوزيع ،حداقل سازي هزينه هاي حمل ونقل و هزينه هاي ديرکردبه عنوان هدف اول و حداقل سازي مسافت طي شده توسط وسايل نقليه به عنوان هدف دوم است ؛ ٢) مدتزمان سرويس به مشتريان احتمالي در نظر گرفته ميشود؛ ٣) تقاضاي هر مشتري با تقريب فازي و به صورت عدد فازي مثلثي نشـان داده مـي شـود.
Mathematical modeling of locating-routing problem considering the capacity, variety and traffic constraints of transportation vehicles and development of a model of solving based on an ant colony algorithm.
M. Algorithms for the vehicle routing and scheduling problems with time window constraints,Operations research.
[18] Eidi, Ghasemi nezhad, The vehicle routing problem with time window and multi demand.
K, Multi-objective modeling of production and pollution routing problem with time window: A self-learning particle swarm optimization approach.