بهينه سازي مدل چند هدفه مسيريابي وسايل نقليه با استفاده از الگوريتم هيبريدي بهينه سازي ازدحام ذرات و الگوريتم كلوني زنبور عسل مصنوعي

Optimizing Of Multi Objective Vehicle Routing Problem Using a New Hybrid Algorithm Based on Particle Swarm Optimization and Artificial Bee Colony Algorithm

مسئله مسيريابي وسايل نقليه از مسائل پايه براي برنامه‌ريزي توزيع است كه با در نظر گرفتن تعداد مشتريان و محدوديتهاي ما بين آنها و ظرفيت وسايل نقليه موجود ، به دنبال يافتن بهترين مسير با كمترين هزينه جابه‌جايي است. در اين مقاله از مدل چند هدفه براي مسئله مسيريابي وسايل نقليه استفاده شده كه با تركيب روش محدوديت‌هاي توافقي و روش پنالتي مدل مربوطه به يك مدل تك هدفه تبديل مي شود. از آنجا كه اينگونه مسائل در گروه مسائل پيچيده محاسباتي قرار مي‌گيرد ، مي‌توان مسئله فوق را با روش‌هاي مختلف الگوريتم‌هاي فرا‌ابتكاري حل نمود. با توجه به نتايج چشمگير استفاده از مدل‌هاي تركيبي و هيبريدي الگوريتم‌هاي فرا‌ابتكاري ، الگوريتم پيشنهادي براي حل مسئله، تركيبي از الگوريتم بهينه سازي ازدحام ذرات و الگوريتم كلوني زنبور عسل مصنوعي مي‌باشد. در انتها نيز با طرح يك نمونه عملياتي در يكي از شركت هاي توزيع كالا و با استفاده از داده‌هاي مشتريان و محدوديت‌هاي مربوطه، بهترين مسير وسايل نقليه بدست آمده است.

Vehicle routing problem is the basic problem of distribution planning which seeks to find the best route with minimum displacement cost considering the number of customers, their constraints, and capacity of the available vehicles. In this article, first, the multi objective vehicle routing model is proposed. Penalty method and additional segmentation constraints method are used for converting model to single objective function. Since such problems are NP-hard problems, different meta-heuristic algorithms can solve the above problem. In this article, according to the remarkable results of using hybrid models for different meta-heuristic algorithms, the algorithm proposed for problem solving is a combination of particle swarm optimization and artificial bee colony algorithms. Finally, by presenting an operational sample in one of distribution system, using data of customers in a region and considering different constraints of the problem, the best vehicle route was obtained.