بهینه‌سازی مسیریابی وسایل نقلیه با پنجره زمانی در زنجیره تأمین: رویکرد فراترکیبی با ادغام الگوریتم کلونی مورچگان و برنامه‌ریزی عدد صحیح مختلط

چکیده

مسئله مسیریابی وسایل نقلیه با پنجره زمانی (VRPTW) یکی از چالش‌های پیچیده در مدیریت زنجیره تأمین است که هدف آن کاهش هزینه‌های عملیاتی (مانند سوخت، نیروی انسانی، و جریمه‌های تأخیر) همراه با رعایت محدودیت‌های ظرفیت و زمان تحویل است. در این پژوهش، از الگوریتم فراترکیبی کلونی مورچگان (ACO) برای حل این مسئله NP-سخت استفاده شد. یک مدل برنامه‌ریزی عدد صحیح مختلط (MILP) نیز به منظور مقایسه دقت و کارایی الگوریتم توسعه یافت. داده‌های آزمایشی شامل ۲۰ مشتری و ۵ وسیله نقلیه با پنجره‌های زمانی مشخص بود. نتایج نشان داد الگوریتم کلونی مورچگان با انحراف ۴.۶٪ از جواب بهینه MILP، هزینه کل ۱۲۴۷ واحد و زمان اجرای ۴۲ ثانیه را ارائه می‌دهد که بهبود ۸۶ برابری در سرعت نسبت به روش دقیق دارد. تحلیل پارامترهای الگوریتم (مانند  ،  ، نرخ تبخیر ۰.۱) تعادل مناسبی بین اکتشاف و بهره‌برداری ایجاد کرد. مزایای کلیدی این روش شامل اجتناب از بهینه‌های محلی، انعطاف‌پذیری در مدیریت محدودیت‌های پیچیده، و قابلیت اجرا در مسائل بزرگ‌مقیاس است. این پژوهش گامی مؤثر در جهت کاربرد الگوریتم‌های هوشمند در بهینه‌سازی لجستیک و افزایش رقابت‌پذیری زنجیره تأمین محسوب می‌شود.