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

نویسندگان

  • شاهین سمیع عادل * گروه مدیریت فناوری اطلاعات، دانشکده علوم انسانی، واحد نجف‌آباد، دانشگاه آزاد اسلامی، نجف‌آباد، ایران.

https://doi.org/10.22105/msda.vi.96

چکیده

هدف: هدف این پژوهش، بهینه‌سازی مسیریابی وسایل نقلیه با پنجره‌های زمانی در زنجیره‌تامین است. این مساله به دلیل نقش حیاتی حمل‌ونقل در کاهش هزینه‌ها، بهبود بهره‌وری و افزایش رضایت مشتریان اهمیت بالایی دارد.

روش‌شناسی پژوهش: برای حل این مساله، یک رویکرد فراترکیبی مبتنی بر ادغام الگوریتم کلونی مورچگان و مدل برنامه‌ریزی عدد صحیح مختلط ارایه شده است. ابتدا یک مدل ریاضی دقیق برای مسیریابی وسایل نقلیه با محدودیت‌های ظرفیت و پنجره زمانی توسعه یافته و سپس الگوریتم کلونی مورچگان برای حل مسئله در مقیاس بزرگ به کار گرفته شده است.

یافته‌ها: نتایج نشان داد که الگوریتم پیشنهادی توانست با انحراف تنها %4.6 از جواب بهینه، زمان محاسبات را نسبت به روش دقیق به میزان 86 برابر کاهش دهد. همچنین این الگوریتم در رعایت محدودیت‌های واقعی مانند زمان تحویل و ظرفیت وسایل نقلیه عملکرد مناسبی داشته و باعث کاهش قابل‌توجه هزینه‌های عملیاتی شد.

اصالت/ارزش افزوده علمی: نوآوری اصلی این پژوهش در ترکیب الگوریتم‌های فراابتکاری با مدل‌های دقیق ریاضی برای حل مسایل پیچیده لجستیکی است. این رویکرد می‌تواند به‌عنوان یک ابزار کارآمد برای تصمیم‌گیری در زنجیره‌تامین در محیط‌های عملیاتی پویا و پیچیده به کار رود.

کلمات کلیدی:

بهینه‌سازی مسیریابی، الگوریتم کلونی مورچگان، پنجره‌های زمانی، زنجیره‌تامین، برنامه‌ریزی عدد صحیح مختلط

مراجع

  1. [1] Fan, L. (2024). A two-stage hybrid ant colony algorithm for multi-depot half-open time-dependent electric vehicle routing problem. Complex & intelligent systems, 10(2), 2107–2128. https://doi.org/10.1007/s40747-023-01259-1
  2. [2] Tadaros, M., & Kyriakakis, N. A. (2024). A hybrid clustered ant colony optimization approach for the hierarchical multi-switch multi-echelon vehicle routing problem with service times. Computers & industrial engineering, 190, 110040. https://doi.org/10.1016/j.cie.2024.110040
  3. [3] Song, R., Qin, W., Shi, W., & Xue, X. (2023). Optimizing freight vehicle routing in dynamic time-varying networks with carbon dioxide emission trajectory analysis. Sustainability, 15(21), 1–24. https://doi.org/10.3390/su152115504
  4. [4] Jie, K. W., Liu, S. Y., & Sun, X. J. (2022). A hybrid algorithm for time-dependent vehicle routing problem with soft time windows and stochastic factors. Engineering applications of artificial intelligence, 109, 104606. http://dx.doi.org/10.1016/j.engappai.2021.104606
  5. [5] Parik, H., & Tomasiello, S. (2024). Performance assessment of the main metaheuristics for sustainable supply chains. Evolutionary intelligence, 17(3), 2091–2098. https://doi.org/10.1007/s12065-022-00799-8
  6. [6] Wu, H., Gao, Y., Wang, W., & Zhang, Z. (2021). A hybrid ant colony algorithm based on multiple strategies for the vehicle routing problem with time windows. Complex & intelligent systems, 9(2–3), 2491–2508. https://doi.org/10.1007/s40747-021-00401-1
  7. [7] Agrawal, A. K., Yadav, S., Gupta, A. A., & Pandey, S. (2022). A genetic algorithm model for optimizing vehicle routing problems with perishable products under time-window and quality requirements. Decision analytics journal, 5, 100139. https://doi.org/10.1016/j.dajour.2022.100139
  8. [8] Siddharth Kashyap, G., Brownlee, A. E. I., Chetia Phukan, O., Malik, K., & Wazir, S. (2023). Roulette-wheel selection-based PSO algorithm for solving the vehicle routing problem with time windows. ArXiv E-Prints. https://doi.org/10.48550/arXiv.2306.02308
  9. [9] Natalia, C., Triyanti, V., Setiawan, G., & Haryanto, M. (2021). Completion of capacitated vehicle routing problem (CVRP) and capacitated vehicle routing problem with time windows (CVRPTW) using bee algorithm approach to optimize waste picking transportation problem. Journal of modern manufacturing systems and technology, 5(2), 69–77. https://doi.org/10.15282/jmmst.v5i2.6855
  10. [10] Xu, S. H., Liu, J. P., Zhang, F. H., Wang, L., & Sun, L. J. (2015). A combination of genetic algorithm and particle swarm optimization for vehicle routing problem with time windows. Sensors, 15(9), 21033–21053. https://doi.org/10.3390/s150921033
  11. [11] Zhang, W., Zhang, X., Zhang, G., & Wang, X. (2024). Hybrid evolutionary multi-objective optimization algorithm for vehicle routing problem with simultaneous delivery and pickup. Journal of System Simulation, 36(8), 1914-1928. https://doi.org/10.16182/j.issn1004731x.joss.23-0834
  12. [12] Dorigo, M., & Stützle, T. (2018). Ant colony optimization: overview and recent advances. In Handbook of metaheuristics (pp. 311–351). Springer. https://doi.org/10.1007/978-3-319-91086-4_10

دانلود

چاپ شده

2024-10-09

شماره

دوره 2 شماره 3 (1403): علوم مدیریت و تحلیل تصمیم

نوع مقاله

مقالات شماره جاری

ارجاع به مقاله

سمیع عادل ش. (2024). بهینه‌سازی مسیریابی وسایل نقلیه با پنجره زمانی در زنجیره تأمین: رویکرد فراترکیبی با ادغام الگوریتم کلونی مورچگان و برنامه‌ریزی عدد صحیح مختلط. علوم مدیریت و تحلیل تصمیم , 2(3), 173-181. https://doi.org/10.22105/msda.vi.96
Crossref
Scopus
Google Scholar
Europe PMC

مقالات مشابه

##common.pagination##

همچنین برای این مقاله می‌توانید شروع جستجوی پیشرفته مقالات مشابه.