کریتیکوس و همکاران(۲۰۱۰)

 

در این تحقیق مسأله مسیریابی وسایل نقلیه با چند انبار و با محدودیت زمانی در نظر گرفته شده است که از نخستین باری که مسأله مسیریابی وسیله مطرح کردید تا اکنون تعداد تحقیقاتی که در زمینه مسأله MDVRPTW بسیار اندک می‌باشد. از جمله آن کو‌ردئو و دندو بروی مسأله MDVRPTW مطالعه کردند. کوردئو و دندو (۲۰۰۷) از روش خوشه‌بندی برای حل مسأله استفاده کردند و مسأله VRPTW را ابتدا با تک انبار و وسایل نقلیه همگن حل کرده سپس با چند انبار و پس از آن وسایل نقلیه را ناهمگن در نظر گرفته‌اند. و سپس آنها در سال (۲۰۰۹) نیز یک الگوریتم جستجوی محلی را برای این مسأله در نظر گرفته‌اند که برای بدست آوردند مسیرهای شدنی به بررسی یک همسایگی بزرگ از حل‌های جاری پرداخته‌اند ساختار همسایگی متشکل از همه راه‌حلهایی که می‌تواند بوسیله کاهش اندازه مسأله تولید شوند و یک طرح تجزیه مکانی نیز به کار رفته شده است. ژو و همکارانش (۲۰۱۲) از روش جستجوی همسایگی متغیر برای حل مسأله MDVRPTW استفاده شده است. در این الگوریتم از یک اپراتور ترکیبی درج و مبادله برای دستیابی به فرآیند تکان دادن[۵۹] استفاده شده است و استراتژی بهترین بهبود بکار گرفته شده است که می‌تواند الگوریتم را برای رسیدن به یک تعادل بهتر بین کیفیت راه‌حلها و زمان اجرا ممکن سازد. و همچنین ما حالتی از مسأله چند انبار را در نظر گرفته ایم که در آن انبار آغاز و پایان مسیر می‌تواند متفاوت باشد و با تحقیقات انجام شده مقالاتی بسیار اندکی در این زمینه موجود می‌باشد. از جمله این مقالات،مقاله کک و همکارانش(۲۰۰۸) می‌باشد که در آن مسأله مسیریابی وسایل نقلیه با چند انبار را در حالتی که انبار اول و آخر منعطف با حالت انبار آخر ثابت مورد مقایسه قرار دادند و مدلی ریاضی جدیدی برای حالتی که در آن انبارها منعطف می باشند بیان کرده‌اند. در این تحقیق نشان می دهد که نتایج بدست آمده از حالت انبارهای منعطف بهتر از حالتی بود که در آنها انبارها ثابت فرض می‌شوند وهمچنین مقاله عیدی و همکارانش(۲۰۱۲) نیز از این ایده برای حل مسأله مسیریابی وسایل نقلیه در حالت چند دوره‌ای و چندانباره استفاده شده است، آنها مدل ریاضی جدیدی با ایده از تحقیق کک و همکارانش بیان کرده‌اند و از روش الگوریتم ژنتیک برای حل این مسأله استفاده کرده‌اند.
۲-۹- جمع‌بندی
در این فصل ادبیات موضوع در حوزه مسأله مسیریابی وسایل نقلیه به تفصیل مورد بررسی و موشکافی قرار گرفت. همچنین در ادامه به مرور ادبیات مسأله مسیریابی وسایل نقلیه با پنجره زمانی و چند انبار پرداخته شد تا بدین ترتیب علاوه بر آشنایی با این حیطه، بتوان نیازها و همچنین نکاتی که تاکنون مغفول مانده است را شناسایی نمود و به عنوان نوآوری از برخی از این نکات استفاده جست. یک دسته‌بندی از انواع VRP و کلیه روش‌های حل اعم از دقیق، ابتکاری و فراابتکاری مورد استفاده برای هریک از آن‌ها ارائه گردیده است. شکل (۲-۲) شمایی کلی از کار انجام شده در این تحقیق را نشان می‌دهد.
شکل۲-۷: ساختار کلی کار انجام شده
فصل سوم
روش تحقیق
۳-۱- مقدمه
در این فصل مدلی برای مسأله مسیریابی وسایل نقلیه چند انبار با در نظر گرفتن محدودیت پنجره زمانی با هدف حداقل‌سازی هزینه‌های حمل و نقل ارائه می‌گردد. در ابتدا به بیان فرضیات مدل، تعریف پارامترها، اندیس‌ها و متغیرهای تصمیم‌گیری جهت ساخت مدل پرداخته می‌شود. سپس فرمولاسیون مدل و جزئیات مدل ریاضی (تابع هدف و محدودیت‌ها) بیان می‌گردد، در ادامه همین فصل به معرفی الگوریتم ژنتیک و روش حل پیشنهادی می‌پردازیم.
۳-۲- خصوصیات و فرض‌های مدل
۳-۲-۱- فرضیات
مهمترین فرضیاتی که در این تحقیق لحاظ گردیده است به شرح زیر می‌باشد.
تعداد انبار ها مشخص است.
مسیر هر وسیله نقلیه،از یک انبار شروع شده ولی انبار پایانی می‌تواند متفاوت از انبار ابتدایی باشد
خودروهای ناوگان غیرهمگن فرض می‌شوند.
ظرفیت خودروها مشخص و ثابت است.
تقاضای هر مشتری مشخص و معین است.
تعداد مشتریان معین می‌باشد.
هزینه‌های حمل و نقل به مسافت پیموده شده وابسته است.
شبکه حمل و نقل در نظر گرفته شده متقارن است.
۳-۲-۲- تعریف علائم و پارامترها
علائم و پارامترهای متعددی در مدل ریاضی مورد استفاده قرار گرفته شده است که تعریف هر یک از آنها در زیر آمده است:
۳-۲-۲-۱- اندیس‌ها
: اندیس مربوط به مشتریان که در ابتدای مسیر قرار گرفته‌اند
: اندیس مربوط به مشتریان که در انتهای مسیر قرار گرفته‌اند
: اندیس مربوط به وسائل نقلیه
: اندیس مربوط به انبار‌ها
۳-۲-۲-۲- پارامترها
: هزینه پیموده‌شدن یال بین دو مشتری و
: هزینه پیموده‌شدن یال ویا یال بین مشتری وانبار
: مقدار تقاضای مشتری
N: تعداد مشتریان
B: زیر مجموعه‌ای از مشتریان
: ظرفیت وسیله نقلیه ام
V: مجموعه وسائل نقلیه در دسترس

 

 
 
 
موضوعات: بدون موضوع  لینک ثابت