بهينه سازي الگوريتم كلوني مورچگان براي مساله توسعه يافته اي از مسيريابي وسايل نقليه با پنجره زماني و محدوديت ظرفيت

Ant Colony Algorithm Optimization for Vehicle Routing Problem with Time Windows and Capacity Constraint

يافتن مسير مناسب براي حل مسائل مسيريابي وسايل نقليه در تحقيقات كاربردي حمل و نقل از جايگاه مهمي برخوردار است. در مقاله حاضر از الگوريتم جامعه مورچگان براي بهينه سازي حل مساله مسيريابي وسايل نقليه با پنجره زماني و اعمال محدوديت ظرفيت استفاده شد. در ابتدا الگوريتم مورچگان را بر روي مساله مسيريابي وسايل نقليه با پنجره زماني و محدوديت ظرفيت وسايل نقليه كلاسيك اجرا شد. در اين حالت از 9 مساله اجرا شده با 100 مشتري در 6 مساله جواب ها بهينه شده اند. در مرحله بعد، الگوريتم بر روي روش توسعه يافته اي از مساله مسيريابي وسايل نقليه با پنجره زماني پياده شد. جواب هاي حاصله از اجراي مساله فوق بر روي 100 مشتري نشان مي دهد كه در تمامي مسائل جواب ها بهبود يافته اند. بيشترين كاهش هزينه مربوط به مساله R206 با 32. 72 درصد كاهش هزينه مي باشد. بطور متوسط كمتر از 20 ثانيه براي اجراي هر مساله زمان لازم است.

Vehicle routing problem has an important place in applied research. Finding the right path to solve Vehicles Routing Problem is one of the most significant measures taken in recent decades. In this routing method, each delivery must be made within time windows, and not to mention the fact that each customer must be visited only once. At the present paper, Ant Colony Algorithm Optimization for Vehicle Routing Problem with Time Windows and Capacity Constraint (ACOVRPTWCC) has been utilized. First, Ant Algorithm for Vehicle routing Problem with Time Windows and vehicle Capacity Constraint classic has been implemented. In this way, of 9 problem implemented through 100 customers in 6 problems, solutions are optimized. Then, algorithm is carried out on a new type of vehicle routing problem with time window. The most decrease of cost related to R206 problem by 32.72 percent minimization of cost. For any problem, on the average, 20 second time is needed.