بررسی مقایسه ای الگوریتم های فرا ابتکاری برای مسیریابی وسیله نقلیه پویا به منظور بهره وری وکارایی سیستم های حمل و نقل
Publish place: Productivity Management، Vol: 11، Issue: 1
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 138
This Paper With 24 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JPMI-11-1_010
تاریخ نمایه سازی: 1 بهمن 1400
Abstract:
مساله مسیریابی وسیله نقلیه (VRP) یکی از معروفترین مسائل بهینهسازی است که در دهه ها ی اخیر کاربردهای زیادی به منظور بهره وری و کارایی سیستم های حمل و نقل داشته است. مساله مسیریابی وسائل نقلیه با بارگیری و تحویل همزمان، که توزیع و جمع آوری همزمان کالا از مبدا به مقصد (مشتریان) را انجام میدهد یکی از انواع کلاسیک مساله مسیریابی می باشد که در آن مشتریان نیازمند تکمیل فرآیند بارگیری و تحویل در انبار در یک پنجره زمانی خاص میباشند. کاربردهای این مساله 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 مساله مسیریابی وسیله 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 مساله، ذاتا یک مسالهNP-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 مساله مقایسه شده است. نتایج عددی نشان دهنده 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.
Keywords:
Authors
نازیلا مصیب زاده
دانش آموخته کارشناسی ارشد، گروه ریاضی، دانشگاه آزاد اسلامی واحد تبریز، تبریز، ایران
فرزین مدرس خیابانی
گروه ریاضی، واحد تبریز، دانشگاه آزاد اسلامی تبریز، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :