مدلسازي رياضي براي مسأله مسيريابي وسايل نقليه با حمل برگشتي و حل آن با الگوريتم كلوني مورچه چندگانه

Mathematical Modeling for a Vehicle Routing Problem with Backhaul Solved by a New Multi-Ant Colony Optimization Algorithm

در اين مقاله، مسأله مسيريابي وسايل نقليه با حمل برگشتي همراه با يك­سري محدوديت­هاي عملياتي بررسي مي شود. مشتريان به دو گروه مشتريان خط رفت كه تحويل كالا به آن­ها صورت مي­گيرد و مشتريان خط برگشت كه كالا از آن­ها دريافت مي­شود، تقسيم مي­شوند. همچنين، اولويت خدمت­رساني با مشتريان خط رفت است. نكته حائز اهميت در اين تحقيق آنكه، امكان تقسيم تقاضا براي مشترياني كه تقاضاي آن­ها از بزرگترين وسيله نقليه موجود بيشتر است و همچنين، محدوديت عملياتي جديد عدم دسترسي به بعضي از وسايل نقليه براي تعدادي از مشتريان، به صورت توأمان در نظر گرفته مي­شود. دپوي مركزي شامل ناوگاني از وسايل نقليه با ظرفيت­هاي مختلف و به تعداد نامحدود بوده و تقاضاي مشتريان به صورت پويا است و در هر دوره قابل تغيير است. اين مسأله از نوع چند جمله­اي نامعين سخت (NP-hard) است و با توجه به ساختار خاص آن و بررسي ادبيات موضوع، يك الگوريتم كلوني مورچه چندگانه جديد(NM-ACO) براي حل آن پيشنهاد مي­شود. در اين مقاله، پس از آشنايي با كليات و بيشينه تحقيق، مدل رياضي جديدي براي مسأله مورد نظر ارايه مي­شود و در ادامه الگوريتم كلوني مورچه چندگانه پيشنهادي كه شامل دو فاز تخصيص و مسيريابي است، تشريح مي­گردد. در پايان، به تحليل نتايج عددي حاصل از اين الگوريتم براي مسايل آزمون طراحي شده پرداخته مي­شود.

This paper considers the vehicle routing problem with backhaul (VRPB) and some applicable constraints, in which a set of costumers are divided into two subsets of linehaul and backhaul costumers. Each linehaul costumer requires its demands to be delivered from the depot. In addition, a specified quantity of products should be picked up from the backhaul nodes to the depot. The main point in this study is that the customer demands, which are over than the maximum of available vehicles, can be divided to different customers. In addition, there is limited vehicle access availability for some costumers. The central depot includes a fleet of vehicles with different capacities, in which the number of vehicles of each type is not limited and customer demands are dynamic and can change in each period. This problem is a well-known NP-hard one; therefore, a new multi-ant colony optimization algorithm is proposed to solve the given problem. This proposed algorithm contains two phases, namely clustering and routing. Finally, the numerical results of designed test problems have been discussed and analyzed.