بکارگیری الگوریتم شبیه سازی تبرید چند هدفه جهت حل مدل توسعه یافته تعیین اندازه واگن‏های باری در صنعت حمل و نقل ریلی

مفاخری, زهرا; شیخ ‏محمدی, مجید; حسین ‏زاده کاشان, علی

بکارگیری الگوریتم شبیه سازی تبرید چند هدفه جهت حل مدل توسعه یافته تعیین اندازه واگن‏های باری در صنعت حمل و نقل ریلی

نوع مقاله : علمی - پژوهشی

نویسندگان

¹ کارشناس ارشد، دانشکده مهندسی صنایع و سیستمها، دانشگاه تربیت مدرس، تهران، ایران

² استادیار، دانشکده مهندسی صنایع و سیستمها، دانشگاه تربیت مدرس، تهران، ایران

چکیده

مسئلۀ تعیین اندازه ناوگان از مسائل مهم صنعت حمل و نقل و بسیار سخت و پیچیده است. در این پژوهش، یک مدل ریاضی برای مسئله پویای تعیین تعداد واگن ‏های باری ریلی ارائه می‏شود که تا حد امکان شرایط و محدودیت‏های دنیای واقعی را در بر دارد. در مدل ارائه شده تقاضای واگن و زمان سیر به صورت قطعی در نظر گرفته شده‏اند. از آنجا که در دنیای واقعی بیش از یک هدف وجود دارد بنابراین در این پژوهش تابع هدف دیگری جهت افزایش بهره‏وری در نظر گرفته شده‏است، که تعداد تاخیرات در پاسخ‏گویی به تقاضاها را در طول دوره‏ برنامه‏ریزی کاهش می‏دهد .مطابق با شرایط واقعی شبکه راه‏آهن، واگن های باری بصورت ناهمگون مد نظر قرار گرفته‏اند. همچنین در مدل ارائه شده برای اولین بار سه محدودیت ظرفیت وسیله نقلیه، ارسال وسیله نقلیه و ظرفیت خط در نظر گرفته شده‏است .تخصیص واگن‏های خالی جهت افزایش بهره‏برداری از واگن‏های موجود در شبکه و در نتیجه آن کاهش حجم زیادی از هزینه‏های تملک ناوگان و نگهداری مورد توجه واقع شده‏است. در این مقاله پس از تعریف مسئله مدل ریاضی مربوطه ارائه می‏گردد. جهت یافتن جواب‏های پارتو یک روش مبتنی بر رویکرد الگوریتم شبیه‏سازی تبرید چند هدفه ارائه شده است. در نهایت، یک مثال عددی برگرفته از صنعت حمل و نقل ریلی جمهوری اسلامی ایران حل و به بحث گذاشته شده است.

کلیدواژه‌ها

20.1001.1.20086598.1396.8.4.2.1

عنوان مقاله [English]

Employing Multi-Objective Simulated Annealing Algorithm to Solve the Developed Model for Determining the Size of Freight Cars in Rail Transportation Industry

نویسندگان [English]

Zahra Mafakheri ¹
Majid Sheikh Mohammadi ²
Ali Husseinzadeh- kashan ²

¹ M.Sc, Grad., Department of Industrial Engineering, Tarbiat Modarres University, Tehran, Iran

² Assistant Professor, Department of Industrial Engineering, Tarbiat Modarres University, Tehran, Iran

چکیده [English]

Determining the fleet size is one of the most important issues of the shipping industry. In this study, a mathematical model is proposed for the dynamic problem of determining the number of rail freight wagons in conformity with the real-world conditions and restrictions. In the proposed model, the demands for wagon and due time for start have been considered deterministic. In addition to the revenue, another objective function has been considered for more productivity which reduces the number of delays in responding the demands during planning. Also, in accordance with the actual conditions in a railway network, freight wagons have been heterogeneously taken into consideration. In the proposed model, the vehicle capacity constraints, vehicle delivery, and the line capacity have been taken into account for the first time. Here, specifying empty wagons in order to increase productivity of the available wagons in the network; as a result, reducing a large expense of fleet ownership and maintenance has been considered. After defining the problem in the form of a mathematical model, a method based on the multi-objective simulated annealing algorithm has been proposed to find the Pareto solutions. Finally, a numerical example has been given from the Islamic Republic of Iran's Railway Transportation Industry and the solution has been discussed.

کلیدواژه‌ها [English]

Fleet size
Multi-Objective Simulated Annealing
optimization
rail transportation

مراجع

Ball, M. O., Golden, B. L., Assad, A. A. and Bodin, L. D. (2007) "Planning for truck fleet size in the presence of a common-carrier option", Decision Sciences, Vol. 14, No. 1, pp. 103-120.

-Beaujon, G. J. and Turnquist, M. A. (1991) "A model for fleet sizing and vehicle allocation", Transportation Science, Vol. 25, No. 1, pp. 19-45.

-Bojovic, N. (2002) "A general system theory approach to rail freight car fleet sizing", European Journal of Operational Research, Vol. 136, No. 1, pp. 136-172.

-Florian, M., Bushell, G., Ferland, J., Guerin, G. and Nastansky, L. (1976) "The engine scheduling problem in a railway network", INFOR Journal, Vol. 14, pp. 121-138.

-Gertsbach, I. and Gurevich, Y. (1977) "Constructing an optimal fleet for a transportation schedule", Transportation Science, Vol. 11, No. 1, pp. 20-36.

-Godwin, T., Gopalan, R. and Narendran, T. T. (2008) "Tactical locomotive fleet sizing for freight train operations", Transportation Research, Part E: Logistics and Transportation 44, No. 3, pp. 440-454. Review, Vol. 10.

-Husseinzadeh Kashan, A., Karimi, B. and Jolai, F. (2010) "An effective hybrid multi-objective genetic algorithm for bi-criteria scheduling on a single batch processing machine with non-identical job sizes", Engineering Applications of Artificial Intelligence, Vol. 23, No. 6, pp. 911-922.

-Kirkpatrick, S., Gelatt, C. D. and Vecchi, M. P. (1983) "Optimization by simulated annealing", Science, Vol. 220, pp. 671–680.

-Kochel, P., Kunze, S. and Nielander, U. (2003) "Optimal control of a distributed service system with moving resources: Application to the fleet sizing and allocation problem", Int. J. Production Economics, Vol. 81-82, pp. 443-459.

-List, G. F., Wood, B., Nozick, L. K., Turnquist, M.A., Jones, D.A., Kjeldgaard, E.A. and Lawton, C. R. (2003) "Robust optimization for fleet planning under uncertainty", Research Transportation, Part E, Vol. 39, No. 3, pp. 209-227.

-Mafakheri, Z. and Masihi, E. (2015) " Modeling and problem solving determine the number of cars taking into account multiple objectives and heterogeneous fleet by metaheuristic", Research Journal of Transportation Engineering, Vol. 6, No. 4, pp.1-18.

-Sayarshad, H. R. and Ghoseiri, K. (2009) "A simulated annealing approach for multi-periodic rail-car fleet sizing problem", Computers and Operations Research, Vol. 36, No. 6, pp. 1789-1799.

-Sayarshad, H. R. and Tavakkoli-Moghaddam, R. (2010) "Solving a multi periodic stochastic model of the rail–car fleet sizing by two-stage optimization formulation", Applied Mathematical Modeling, Vol. 34, No. 5, pp. 1164-1174.

-Sherali, H. D. and Tuncbilek, C. H. (1997) "Static and dynamic time-space strategic models and algorithms for multilevel rail-car fleet management", Management Science, Vol. 43, No. 2, pp. 235-250.

-Song, D. P. and Earl, C. F. (2008) "Optimal empty vehicle repositioning and fleet-sizing for two-depot service systems", European Journal of Operational Research, Vol. 185, No. 2, pp. 760-777.

-Yaghini, M., Khandagh-Abadi, Z. (2011) " Problem solving dynamically determine the size of the fleet cars using a combination Algorithm ", Journal of Transportation, Vol. 8, No. 1.( In Persian)

-Yaghini, M., Khandagh-Abadi, Z. (2011) " Problem solving dynamically determine the size of the fleet cars using a combination Algorithm ", Journal of Transportation, Vol. 8, No. 1.( In Persian) -Yaghini, M. and Khandaghabadi, Z. (2013) "A hybrid metaheuristic algorithm for dynamic rail car fleet sizing problem", Applied Mathematical Modelling, Vol. 37, pp. 4127-4138.