<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>پژوهشگاه حمل و نقل طراحان پارسه</PublisherName>
				<JournalTitle>فصلنامه  مهندسی حمل و نقل</JournalTitle>
				<Issn>2008-6598</Issn>
				<Volume>7</Volume>
				<Issue>4</Issue>
				<PubDate PubStatus="epublish">
					<Year>2016</Year>
					<Month>06</Month>
					<Day>21</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Optimization Of office Transportation System by using Clustering k-means method and Saving and Tabu Search Hybrid Algorithm</ArticleTitle>
<VernacularTitle>بهینه سازی سیستم حمل و نقل ادارات با خوشه بندی به روش k میانگین و ترکیب الگوریتم saving و جستجوی ممنوع</VernacularTitle>
			<FirstPage>665</FirstPage>
			<LastPage>678</LastPage>
			<ELocationID EIdType="pii">15930</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>حسین</FirstName>
					<LastName>شورورزی</LastName>
<Affiliation>دانشگاه صنعتی خواجه نصیرالدین طوسی</Affiliation>

</Author>
<Author>
					<FirstName>احید</FirstName>
					<LastName>نعیمی</LastName>
<Affiliation>دانشگاه صنعتی خواجه نصیرالدین طوسی</Affiliation>

</Author>
<Author>
					<FirstName>محمد</FirstName>
					<LastName>طالعی</LastName>
<Affiliation>استادیار گروه سیستم های اطلاعات مکانی و عضو قطب علمی مهندسی فناوری اطلاعات مکانی، دانشگاه صنعتی خواجه نصیرالدین طوسی</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
		<Abstract>abstract: Taking the advantage of transportation services for employees corporate, offices and factories is one of the outstanding solutions to reduce traffic congestion and fuel consumption. In this way planning and allocation of vehicles to passengers and also determining the transportation routes are major problems. Such problems are known as Vehicle Routing Problem (VRP) that fall into category of complex multi-purpose optimization problem. This paper attempts to simplify the problem by breaking it into several simple and single-purpose problems and also to propose a novel approach for path finding. At first, VRP converts to several single-purpose problems, using improvement k-means algorithm. Then, a hybrid method based on Saving and Tabu Search algorithms is developed to find shortest path. Results show that hybrid method of Saving and Tabu Search algorithms is better and faster than using only Tabu. Keywords: Vehicle Routing Problems (VRP), Tabu Search Algorithm, Saving Algorithm, K-means Algorithm, GIS</Abstract>
			<OtherAbstract Language="FA">یکی از راه‌های کاهش حجم ترافیک و میزان مصرف سوخت، استفاده از سرویس‌های حمل و نقل برای کارکنان ادارات و شرکت‌های بزرگ و کارخانه‌هاست. برنامهریزی و تخصیص خودروها به کارکنان سازمانها و تعیین مسیرهای جمع آوری آنها از مسائل اصلی این پژوهش می‌باشد. اینگونه مسائل را &quot;مسئله مسیریابی وسایل نقلیه&quot; می‌گویند که در دسته مسائل پیچیده بهینه‌سازی چند هدفه قرار می‌گیرند. هدف اصلی این مقاله ارائه روشی برای تجزیه این مسئله به چند مسئله تک هدفه و نیز ارائه روشی جدید برای مسیریابی می‌باشد. لذا در این مقاله ابتدا با استفاده از الگوریتم k میانگین بهبود یافته، مسئله ی مورد تحقیق تبدیل به چند مسئله تک هدفه گردیده و سپس با تلفیق الگوریتم saving و الگوریتم جستجوی ممنوع، کوتاه‌ترین مسیر محاسبه می گردد. نتایج نشان می‌دهد که استفاده از تلفیق الگوریتم saving و جستجوی ممنوع، نتایج بهتری نسبت به استفاده از الگوریتم جستجوی ممنوع به تنهایی دارد. والگوریتم تلفیقی سرعت بیشتری در رسیدن به پاسخ نهایی دارد.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">"مسیریابی وسایل نقلیه"</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">" الگوریتم جستجوی ممنوع"</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">" الگوریتم k میانگین"</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">"الگوریتم saving"</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">"سیستم اطلاعات مکانی"</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://jte.sinaweb.net/article_15930_8772251049924ea0c181827c39a2e1b5.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
