طراحی مدل مسیریابی وسیله نقلیه ناهمگن با در نظر گرفتن اولویت بندی پنجره‌های زمانی مشتریان

نوع مقاله: علمی - پژوهشی

نویسندگان

1 دانشکده مهندسی صنایع، دانشگاه علوم و تحقیقات آزاد اسلامی، تهران، ایران

2 دانشیار، دانشکده کارآفرینی، دانشگاه تهران، تهران، ایران

3 استادیار، دانشکده مهندسی صنایع، دانشگاه تربیت مدرس، تهران، ایران

چکیده

مسئله مسیریابی وسیله نقلیه دارای کاربرد های فراوانی در شبکه های حمل و نقل و مدیریت زنجیره تامین است. مدل هایی که بر اساس مسئله کلاسیک مسیریابی وسیله نقلیه ارائه شده است، هر کدام به نوبه خود این مسئله پایه را کامل تر کرده و فرضیات بیشتری از دنیای واقعی را در نظر گرفته است. در این پژوهش به بررسی مسئله مسیریابی وسیله نقلیه ناهمگن با در نظر گرفتن چندین دپو توزیع کالا و اولویت بندی پنجره های زمانی مشتریان پرداخته شده است. مسئله ارائه شده دارای دو هدف است، هدف اول به حداقل رساندن هزینه های حمل و نقل و هدف دوم کاهش زمان انتظار مشتریان و در نتیجه افزایش رضایت مشتریان با توجه به پنجره های زمانی اولویت بندی شده برای آنان است. با توجه بهNP-Hardبودن این مسأله بهینه سازی دو هدفه برای حل آن در ابعاد بزرگ، از الگوریتم فراابتکاری NSGA-IIبهره گرفته شده است که با روش طراحی آزمایشات تاگوچی تنظیم پارامتر می شود.همچنین از دو شاخص برای ارزیابی عملکرد الگوریتم استفاده می شود. نتایج بدست آمده از حل مسائل در بعد کوچک و بزرگ نشان می‌دهد این الگوریتمها، کارایی و اثربخشی مناسبی در حل مسائل مختلف بخصوص با اندازه های بزرگ را در زمان کوتاه دارند.

کلیدواژه‌ها

موضوعات


- سلامت بخش، علیرضا، توکلی مقدم، رضا و نوروزی، نرگس (1394) " مسأله مسیریابی وسایل نقلیه باز با در نظر گرفتن رضایت ‌رانندگان:الگوریتم تکاملی چند هدفه بر مبنای تجزیه"، فصلنامه مهندسی حمل و نقل، سال هفتم، شماره سوم، ص. 449-462.
- عشقی، کوروش و کریمی نسب، مهدی (1391)" بهینه سازی  ترکیبی و الگوریتم های فرا ابتکاری"، تهران،انتشارات آذرین مهر.
  - Alinaghian, M. and Shokouhi, N. (2017) “Multi-depot multi-compartment vehicle routing problem, solved by a hybrid adaptive large neighborhood search”, Omega.
- Bae, H. and Moon, I. (2016) “Multi-depot vehicle routing problem with time windows considering delivery and installation vehicles”. Applied Mathematical Modelling, Vol. 40, Issues 13–14, pp. 6536-6549.
 - Belhaiza, S., Hansen, P.  and Aporte,G. (2014) “A hybrid variable neighborhood tabu search heuristic for the vehicle Routing problem with multiple time windows”, Computers & Operations Research, Vol 52, pp. 269–281
 - Carlos, A., Coello, C., Lamont, Gary, B and Van Veldhuizen, David, A. (2007) “Evolutionary algorithms for solving multi-objective problems”, Second Edition, Springer Science, Business Media, LLC.
 - CanhongLinK, L., Choy, G., Hos, H. and Chung, H.Y. (2014) ”Survey of green vehicle routing problem: past and future trends”, Expert Systems with Applications, Vol. 41, Issue 4, Part 1, pp. 1118-1138.
 - Dantzig, G. and Ramser, J. (1959) “The truck dispatching problem”, Management Science. Vol. 6, No. 1, pp. 80-91.  
 - Dhahri, A., Mjirda, A., Zidi, K. and Ghedira, Kh. (2016) “A VNS-based heuristic for solving the vehicle routing problem with time windows and vehicle preventive maintenance constraints”,Procedia Computer Science, Vol. 80, pp. 1212–1222.
 - Deb, K. and Pratap, A. (2002) “A fast elitist non-dominated sorting genetic algorithm for multi-objective optimization: NSGA-II. IEEE Transactions Evolutionery Computation.
- Emami, S. B., Ghandehari, M. and Sajadi, S. M. (2014) “A new mathematical model for locating distribution centres for attracting more retailers”, International Journal of Productivity and Quality Management, Vol. 14, No.2, pp.166-178.
 - Golden, B., Assad, A., Levy, L. and Gheysens, F. (1984) “The fleet size and mix vehicle routing problem”, Computers and Operations Research; Vol.11, pp.49–66.
 - Ganjavi, N., Tavakkoli Moghaddam, R. and Sajadi, S. M. (2015) “Modelling and solving of a lot sizing problem for multiple items and multiple periods with shortage”, International Journal of Services and Operations Management Vol. 20, No. 1. pp. 102-117
 - Hamidihesarsorkh, A., Papi, A., Bonyadi Naeini, A. and Jabarzadeh, A. (2017) “Discovering groups of key potential customers in social networks: A multi-objective optimization model”, International Journal of Industrial Engineering & Production Research, Vol. 28, Issue 1., pp. 85-95
 - Jiang, J., Kim, K., Wong-K. and Teo,M. (2014) “Vehicle routing problem with a heterogeneous fleet and time windows”, Expert Systems with Applications, Vol. 41, Issue 8, pp. 3748-3760.
 - Kourank Beheshti, A., Hejazi, S. R. and Alinaghian, M. (2015) “The vehicle routing problem with multiple prioritized time windows: A case study”, Computers & Industrial Engineering Vol. 90, pp.402–413.
 - Matei, O., Petrică, C., LaszloSas, P.J. and Chira-C. (2015) “An improved immigration memetic algorithm for solving the heterogeneous fixed fleet vehicle routing problem”, Neurocomputing, Vol. 150, Part A, pp. 58-66.
 - MouraMiranda, D. and VieiraConceição, S. (2016) “The vehicle routing problem with hard time windows and stochastic travel and service time”, Expert Systems with Applications, Vol. 64, pp. 104-116.
 - Necula, R., Breaban, M. and Raschip, M. (2017) “Tackling dynamic vehicle routing problem with time windows by means of Ant Colony System”, IEEE Congress on Evolutionary Computation (CEC).
 - Toth, Paolo and Vigo, Daniele (2002) “The vehicle routing problem” by Society for Industrial and Applied Mathematics.
 - Qi, Y, Hou, Z., Li, H.,Huang, J. andLi, N. (2015)“A decomposition based memetic algorithm for multi-objective vehicle routing problem with time windows” Computers & Operations Research, Vol. 62, pp. 61-77.
 - Tan, L., Lin, F. and Wang, H. (2015) “Two solution representations for solving multi-depot vehicle routing problem with multiple pickup and delivery requests via PSO” Neurocomputing, , Vol. 151, Part 3, pp. 1208-1215.
 - Taguchi, G. and Konishi, S. (1987) “Taguchi Methods, orthogonal arrays and linear graphs, tools for quality American supplier institute”, American Supplier Institute; pp. 8-35. System” IEEE Congress on Evolutionary Computation (CEC).