ارائه الگوريتم تركيبي براي حل مسأله مسيريابي وسيله نقليه همراه با دريافت و تحويل همزمان كالا

A Hybrid Metaheuristic Algorithm for the Vehicle Routing Problem with Simultaneous Delivery and Pickup

مسأله مسيريابي وسيله نقليه (VRP) از مباحث مهمي است كه در چند دهه‌ي اخير كاربرد زيادي براي بهره‌وري و كارايي سيستم‌هاي حمل‌ و نقل داشته است. يكي از توسعه‌هاي معروف و پُركاربرد VRP، مسأله مسيريابي وسيله نقليه با دريافت و تحويل همزمان كالا (VRPSPD) است كه در آن عمل تحويل و جمع‌آوري كالا براي هر مشتري به طور همزمان انجام مي‌شود، يعني هر مشتري به طور همزمان هم كالا تحويل مي‌گيرد و هم كالا تحويل مي‌دهد. الگوريتم پيشنهادي در اين مقاله، تركيبي از سه الگوريتم ابتكاري نزديك‌ترين همسايگي ، ارزان‌ترين الحاقي و ژنتيك است. كه دو الگوريتم اول به همراه يك روش تصادفي، جواب ابتدايي را براي الگوريتم سوم فراهم مي‌كنند. با تغييراتي كه در اين تحقيق روي روش‌هاي نزديك‌ترين همسايگي و ارزان‌ترين الحاقي ايجاد شد، منجر به توليد جمعيت اوليه با حل‌هاي باكيفيت گرديد كه نهايتاً به الگوريتم ژنتيك جهت رسيدن به نسل آينده برتر كمك مي‌كند. همچنين عملگرهايي براي الگوريتم ژنتيك به منظور افزايش فضاي جستجو و فرار از بهينه‌هاي محلي پيشنهاد شده است. الگوريتم پيشنهادي روي 40 مثال استاندارد و متنوع اجرا شده است. با مقايسه نتايج بدست آمده از آن و بهترين جواب‌هاي موجود از ساير الگوريتم‌ها، در 3 مثال نتيجه بهتري بدست آمده كه بسيار رضايتبخش است.

Vehicle Routing Problem (VRP) is an important issue that has much used for productivity and efficiency of transportation systems in recent decades. One of the most popular and widely used developments VRP is the vehicle routing problem with simultaneous delivery and pickup (VRPSPD). In other words, each customer simultaneously receives and sends goods.The proposed procedure is a combination of the three heuristic, nearest neighbor algorithm, cheapest insertions, genetic algorithm. The first two algorithms with a random method provided the initial solution for the third algorithms. A probability function have been developed in the nearest neighbors and cheapest insertions, to construct better solutions; as well as operations proposed for the genetic algorithm to increase the search space and avoiding local optimizationis. The proposed algorithms has implemented on 40 different standard examples. After comparing the results by this algorithm and the best solutions by other algorithms, improvement is observed in 3 of the examples.