تعيين مسير حركت خودروها در بارانداز متقاطع با استفاده از الگوريتم ژنتيك: مورد مطالعه شركت ايران خودرو

Vehicle routing problem in cross-dock using genetic algorithm, Case: Iran Khodro company

بارانداز متقاطع يكي از ابزارهاي ناب سازي لجستيك بوده كه براي يكي كردن بارها درطول حلقه هاي جايگزيني از آن استفاده مي شود. بارانداز متقاطع، فرايند حركت محصول از طريق مراكز توزيع، بدون انبارش مي باشد. يكي از مواردي كه تاثير زيادي بر هزينه هاي بارانداز متقاطع دارد، مساله تعيين مسير حركت V ( خودروها RP (در محيط بيروني بارانداز متقاطع ميباشد. هدف از اين مقاله ارائه مدلي جهت كمينه كردن مجموع مسافت طي توسط خودروها در محيط بيروني بارانداز متقاطع ميباشد. در اين مقاله، مسير حركت V خودروها توسط روش RP C ( با محدوديت ظرفيت VRP ( در شركت ايران خودرو مدل سازي گرديد و استفاده گرديد. جهت بررسي اعتبار پاسخ بدست آمده توسط )GA( جهت حل مدل از روش الگوريتم ژنتيك استفاده گرديد. همچنين جهت بررسي )SA( از الگوريتم ديگري به نام الگوريتم شبيه سازي تبريدي GA C كارايي دو الگوريتم در مسائل مختلف VRP در بارانداز متقاطع به بررسي 01 مساله با ابعاد متفاوت پرداخته در مسائلي با حجم SA در مسائلي با حجم كوچكتر و كارايي بيشتر GA شد. نتايج حاكي از كارايي بيشتر بزرگتر ميباشد

Cross-docking is one of the lean logistics tools that is used for uniting the shipments during the loops replacement. Cross-docking is the process of product movement form distribution centers without storage function. Vehicle routing problem in Cross-Dock external environment has much influence on cross-dock costs. This paper provides a model for minimizing total distance traveled by vehicles in the external environment of a cross-dock. In this paper, Vehicles routes was modeled with capacitated vehicle routing problem (CVRP) and genetic algorithm (GA) was used to solve the model. To validate responses obtained by GA, simulated annealing (SA) was used. Also, to evaluate the efficacy of two algorithms (SA & GA) in different CVRP problems in cross-dock, 10 problems with different dimensions are evaluated. The results show that in problems with smaller size GA is more efficient, whereas in large size problems SA is more efficient