مسیریابی وسیله نقلیه- بررسی مقاله دهم

موضوع: یک روش ابتکاری چند مرحله­ای برای مسائل مسیریابی تولید

مقدمه و مروری بر ادبیات

ادغام تصمیمات مربوط به تولید، توزیع و موجودی در زنجیره­های تامین، فرصت­های صرفه­جویی در هزینه­های بسیار زیادی را برای شرکت­ها فراهم می­کند. برای رسیدن به این صرفه­جویی در هزینه باید یک مسئله مسیریابی تولیدی (PRP) را حل کنیم، که در آن یک کارخانه، یک یا چند محصول را تولید و آن­ها را به چندین خرده­فروش در طول یک دوره­زمانی توزیع می­کند. PRP معمولا شامل تصمیم­گیری­های تولیدی در سطح یک کارخانه، تصمیم­گیری ­های چندین خرده­فروش و تصمیم­گیری مربوط به وسیله نقلیه است. از آنجایی که این مسائل NP-Hard هستند تعداد کمی الگوریتم دقیق برای حل آن­ها وجود دارد که فقط به بهینه­سازی مسائل در ابعاد کوچک می­پردازند. بنابراین الگوریتم­هایی مثل جستجوی همسایگی بزرگ انطباقی، شاخه و قیمت، تجزیه، لاگرانژ، جستجوی ممنوع از جمله الگوریتم­هایی هستند که در مقالات سال­های اخیر برای انواع مختلف مسائل مسیریابی تولید بکار رفته­اند.

مسئله مسیریابی – بررسی مقاله هشتم

موضوع: جستجو همسایگی متغیر دو فاز برای حل مسئله مسیریابی موجودی چند محصولی

در این مقاله یک مسئله مسیریابی موجودی درنظر گرفته­شده است و برای حل آن از الگوریتم فراابتگاری جستجو همسایگی متغیر (VNS) دو فاز پیشنهاد شده است. در فاز اول از VNS برای حل مسئله مسیریابی ظرفیت­دار در هر دوره برای پیدا کردن یک جواب اولیه بدون درنظر گرفتن موجودی استفاده می­شود. در فاز دوم، مکررا به بهبود جواب اولیه با هدف کمینه­کردن هزینه­های حمل­ونقل و موجودی پرداخته می­شود. در این مقاله دو الگوریتم مختلف، جستجو همسایگی متغیر و .... پیشنهاد کردیم. مدل برنامه­ریزی خطی و ابتکاری بعد از حرکت از هر جستجوی محلی، برای تعیین مقدار محصولات جمع­آوری شده از هر تامین­کننده در هر دوره اعمال می­شود. در مقاله از قانون اولویت­بندی تامین­کنندگان و وسایل نقلیه در طی افق زمانی برنامه تحویل فعلی استفاده شده است.

مسئله مسیریابی – بررسی مقاله هفتم

موضوع: روش ابتکاری جستجوی همسایگی بزرگ انطباقی برای حل مسئله مسیریابی وسیله­نقلیه چنددوره­ای

در مقاله حاضر به بهینه­سازی هزینه­های جمع­آوری و توزیع محصول در افق زمانی (چند روزه) پرداخته شده است. عمل جمع­آوری و توزیع مججد بصورت روزانه انجام می­شود و به تنوع محصولات فصلی توجه شده است. مسیریابی برای کل افق زمانی طراحی می­شود و برای مدلسازی توالی دوره­ها اعمال شده است. از الگوریتم جستجوی همسایگی بزرگ انطباقی در این مقاله استفاده شده است.

مقدمه

مسئله مسیریابی وسایل­نقلیه یک مسئله بهینه­سازی ترکیبی است که در بسیاری از مسائل طراحی و مدیریت سیستم­های توزیع مطرح می­شود. مسئله VRP کلاسیک را به­عنوان مسئله مسیریابی وسیله­نقلیه ظرفیت­دار CVRP نیز مطرح می­کنند که هدفش تعیین مسیرهای وسایل­نقلیه همگن است که در یک انبار مرکزی مستقر هستند و باید تقاضاهای معین مجموعه­ای از مشتریان را برآورد سازند. هدف طراحی مسیر با کمترین هزینه است. مفروضات مسئله کلاسیک به شرح زیر هستند:

1. هر مسیری که توسط یک وسیله نقلیه انجام می­شود باید از انبار شروع شود.

2. هر مشتری فقط یکبار توسط هر وسیله­نقلیه بازدید می­شود.

3. مقدار کالای در حال جریان در هر مسیر (تحویل دادنی/ جمع­آوری شده) باید از ظرفیت وسیله­نقلیه تخصیص یافته به آن مسیر تجاوز نکند.

استفاده از رویکرد استوار در مسئله مسیریابی آلودگی تحت عدم قطعیت گذاشت و برداشت

 

مقدمه:

این مقاله مانند ۳ مقاله قبل به موضوع مسیریابی آلودگی یا PRP (Pollution routing problem) پرداخته است. دلیل اصلی توجه محققان به این مسئله افزایش انتشار گاز CO2، که یکی از عناصر گازهای گلخانه‌ای است، می‌باشد. انتشار بیش از حد این گاز در هوا باعث ایجاد مشکلاتی در چرخه طبیعی اکوسیستم می‌شود. فعالیت‌های انسانی مانند تولید انرژی و حمل و نقل با سوزاندن سوخت‌های فسیلی، عامل اصلی انتشار CO2 هستند. حمل و نقل جاده‌ای ۷۸ ٪ از کل گازهای گلخانه‌ای انتشار یافته در هوا را شامل می‌شود و همین باعث نگرانی در میان دانشمندان و محققان شده تا با استفاده از روش‌ها و مدل‌های پیشنهادی بتوانند میزان آلودگی را کاهش دهند.

مسئله مسیریابی آلودگی

مقدمه:

حمل و نقل اثرات مخربی بر محیط زیست دارد، از جمله این اثرات می‌توان به مصرف منابع، استفاده از زمین، اسیدی سازی، اثرات سمی بر اکوسیستم و انسانها، سر و صدا و اثرات ناشی از گازهای گلخانه‌ای (GHG) اشاره کرد. گازهای گلخانه‌ای و گازهای CO2 به دلیل داشتن اثرات مخرب مستقیم آنها بر سلامتی انسانها (آلودگی) و اثرات غیر مستقیم (پاره شدن لایه ازون)، باعث نگرانی بسیاری شده اند. حدود ۲۱ درصد از انتشار گاز CO2 در بخش حمل و نقل انگلستان ناشی از حمل و نقل محموله‌ها می‌باشد. 

جواب‌های استوار در مسئله مسیریابی آلودگی تحت عدم قطعیت تقاضا و زمان سفر

مقدمه :

اثرات مخرب ناشی از حمل‌ و نقل شامل مواردی مثل مصرف منبع، استفاده از زمین، اسیدی سازی، اثرات سمی بر اکوسیستم و انسانها، سر و صدا و تاثیرات ناشی از انتشار گازهای گلخانه‌ای (GHG) می‌باشد. اثرات مخرب CO2 رابطه مستقیمی با میزان سوخت مصرف شده توسط وسایل نقلیه دارد که این میزان به نوع وسیله نقلیه، پارامترهای ترافیک و محیط (مثل: سرعت وسیله‌نقلیه، بار وسیله ‌نقلیه، شیب خیابان) وابسته است. کربن دی اکسید به عنوان مبنای تعیین میزان تاثیر گازهای گلخانه‌ای بر گرمایش زمین در نظر گرفته می‌شود. 

مساله مسیریابی وسیله نقلیه پویا و تصادفی با الگوریتم جستجوی همسایگی متغیر

چکیده:

ما می خواهیم در این مقاله، مساله مسیریابی وسیله نقلیه با تقاضای تصادفی و پویا را بررسی کنیم. VRP عبارت است از تعیین مجموعه ای از مسیرها که از انبار شروع می شوند و به انبار ختم می شوند و خدماتی را به مشتریان ارائه می کنند. تقاضای تصادفی زمانی خود را بروز می­دهد که وسیله نقلیه به مشتری مورد نظر می رسد اما درخواستهای پویا و داینامیک به این معنا می باشد که تقاضای مشتریانی که قبل از حرکت وسیله نقلیه از انبار مشخص نیستند در طی زمان پیمودن مسیر مشخص می شود. الگوریتم جستجوی همسایگی متغیر ارائه شده در این مقاله، می تواند از طریق نمونه گیری برای سناریوهای تصادفی توسعه داده شود و همچنین برای تنطیمات مربوط به پویایی به کار گرفته شود. ما با استفاده از الگوریتم جستجوی همسایگی متغیر مبتنی بر نمونه گیری، نشان می دهیم که برای مسائل الگو در حدود 5 درصد بهبود در میانگین را شاهد هستیم که این بهبود در مواردی خاص به حدود 8 درصد می رسد. در مورد پویایی این مساله، VNS در حدود 7 مورد از 21 مساله الگو، بهبود های خوبی در جوابها به دست می آورد. محاسبات عددی ما نشان می دهد که الگوریتم جستجوی همسایگی متغیر مبتنی بر نمونه گیری برای زمانی که انحراف تقاضا کم است جوابهای بهتری را ارائه می دهد و زمان های اضافی مسیر را در حدود 45-90 درصد کاهش می دهد.

تعیین ترکیب و اندازه ناوگان در مساله مکانیابی-مسیریابی با در نظر گرفتن پنجره زمانی

چکیده:

این مقاله به معرفی تعیین ترکیب و اندازه ناوگان مساله مکانیابی-مسیریابی با در نظر گرفتن پنجره زمانی می پردازد که در آن مساله مسیریابی-مکانیابی با در نظر گرفتن ناوگان غیر همگن و پنجره زمانی را گسترش و توسعه می دهد. هدف اصلی این مقاله، کمینه کردن جمع هزینه های ثابت وسیله نقلیه، هزینه انبار و هزینه مسیر می باشد. ما در این مقاله یک مدل ریاضی عدد صحیح مختلط، یک دسته نابرابری معتبر و همچنین یک الگوریتم جستجوی تکاملی ترکیبی(HESA) قدرتمند را برای حل مساله ارائه می دهیم. HESA به طور موفق چندین الگوریتم فرا ابتکاری را ترکیب می کند و رویه های کارامدی را متناسب با ابعاد ناوگان ناهمگن و تصمیمات مکانیابی پیشنهاد می دهد. ما قدرت مدل ارائه شده را از طریق توانایی آنها برای یافتن جواب بهینه می سنجیم. ما همچنین قدرت اجرای HESA را بررسی می کنیم. آزمایش های عددی گسترده بر روی مثالهای جدید نشان می دهد که HESA در حل مسائل تعیین ترکیب و اندازه ناوگان مساله مکانیابی-مسیریابی با در نظر گرفتن پنجره زمانی بسیار کارآمد می باشد.

مساله مسیریابی وسیله نقلیه پویا DVRP

  

حل بهینه‌سازی مجدد دوره‌ای برای مسائل مسیریابی وسائل نقلیه پویا

مقدمه:

مساله مسیریابی وسیله نقلیه یکی از مسائل پیچیده و سطح بالای مسائل مسیریابی می‌باشد. یکی از انواع آن، مساله مسیریابی وسیله نقلیه پویا می‌باشد که در آن همه‌ی مشتری ها از قبل مشخص نیستند اما با گذشت زمان آشکار و مشخص می‌شوند. مساله مسیریابی وسیله نقلیه پویا یک مساله بهینه‌سازی پویا می‌باشد که در دو دهه اخیر، به یک موضوع تحقیقاتی داغ و چالش برانگیز تبدیل شده است. در مسائل بهینه‌سازی پویا، حداقل یک قسمت (عنصر) از مساله، با گذشت زمان تغییر می‌کند. کاربردهای مساله مسیریابی وسیله نقلیه پویا به وضوح در مسائل دنیای واقعی دیده می‌شوند. تا به امروز، از یک رویکرد ارزیابی بر مبنای زمان برای سیستم‌های مساله مسیریابی پویا دوره‌ای استفاده می‌شد اما در این مقاله، ما از الگوریتم پیشرفته شده ژنتیک استفاده می‌کنیم که سعی دارد هم واگرایی و هم توانایی دور شدن از جواب بهینه محلی را افزایش دهد. 

مساله مکانیابی-موجودی-مسیریابی برای اقلام فسادپذیر

حل مساله مکانیابی-موجودی-مسیریابی برای اقلام فسادپذیر با استفاده از رویکرد الگوریتم ژنتیک

مقدمه:

محققان تصمیمات زنحیره تامین را بر اساس افق زمانی تاثیری که دارند، به سه دسته تصمیات استراتژیک، تاکتیکال و عملیاتی تقسیم بندی می­کنند. تصمیمات استراتژیک افق زمانی طولانی­تری دارند، چیزی در حدود حتی چند سال و معمولا به تصمیماتی اطلاق می­شوند که به آسانی قابل تغییر نیستند، مانند تاسیس و مکانیابی یک تسهیل. تصمیمات تاکتیکال، افق­های زمانی در حدود چند ماه دارند که می­توان به مدیریت موجودی به عنوان یک تصمیم تاکتیکال یا میان­مدت اشاره نمود. درنهایت، تصمیمات عملیاتی، تصمیماتی روزانه می­باشند مانند تصمیمات توزیع محصولات. تعداد بسیاری کمی از مدل­ها هر سه سطح از تصمیمات را در یک مدل به صورت همزمان در نظر می­گیرند. به عبارت دیگر مدل­های مکانیابی-موجودی-مسیریابی به صورت خیلی زیادی در ادبیات کار نشده اند. ممکن است کسی معتقد باشد که در نظرگرفتن تصمیمات استراتژیک مانند مکانیابی و تصمیمات تاکتیکال مانند موجودی و مسیر یابی با هم شاید کار درستی نباشد. بله این ادعا درست می­باشد چون­که این دسته از تصمیمات مرتبط با افق­های زمانی مختلفی می­باشند و یکپارچه نمودن این تصمیمات می­توانند منجر به پیچیدگی بیش ­از حد مدل ارائه شده گردد. به هر حال ما در مدل ارائه شده در این مقاله، تصمیم مکانیابی که یک تصمیم استراتژیک می­باشد را به مدل ارائه شده توسط لی و همکاران اضافه می­کنیم. مدل لی و همکاران با بحث انبارش و انتقال واحد­های خونی بین بیمارستان­ها و مراکز خاصی سر و کار دارد.