ارايه خدمت تخصيص كالاها به وسائل حمل از كارخانه به شعب توزيع

Development of an algorithm for allocating vehicles to rout for transporting goods from a manufacturer to its depots, to minimize the transportation costs (Case study: Ramak Dairy Inc.)

مسئله حمل‌ كالا با هزينه ثابت گسترش يافته مسئله حمل‌ و نقل عمومي است. در اين مسئله تخصيص وسائط حمل به مسيرها جهت ارسال چند محصول يك شركت توليدي در پاسخ به تقاضا به محل‌هاي تقاضا يا شعب توزيع نيز مطرح مي باشد. به منظور يافتن جواب مسئله، كمينه كردن كل هزينه حمل شامل دو نوع هزينه ثابت و هزينه هاي متغيير با مكانيزم تخفيف به عنوان هدف در نظر گرفته ايم. بواسطه تركيبي بودن جوابها ابتدا مسئله در قالب يك مدل برنامه ريزي رياضي فرموله شد. مدل رياضي توسعه داده شده حسب ساختار مسئله يك مدل برنامه ريزي رياضي با متغييرهاي مختلط صحيح و صفر و يك است كه در زمره مدلهاي غير پولي نوميال سخت دسته بندي مي شود. از اينرو روشهاي حل كلاسيك مانند الگوريتم هاي شاخه و حد و روشهاي حل مدل برنامه ريزي پويا تنها قادر به يافتن جواب مسئله در كاربردهاي مسائل كلاسيك هستند و توان يافتن جواب را در يك زمان معقول محاسباتي براي مسائلي كه در دنياي واقعي مطرح مي شوند ندارند.به عبارت ديگر زمان محاسباتي حل مسئله باروشهاي كلاسيك تابعي نمائي از تعداد متغييرهاي تصميم است به نحوي كه در اكثر مواقع حل مسئله دنياي واقعي با استفاده از الگوريتم كلاسيك مي‌ تواند حتي تا 10 به توان 100 سال به‌ طول بيانجامد.از اينرو به توسعه روشهاي حل مدل در چارچوب الگوريتم هاي ابتكاري و فرا ابتكاري مبادرت گرديد. بر اين اساس يك روش فرا ابتكاري از تركيب الگوريتم ژنتيك درخت پوشا و جستجوي هارمونيك كلوني مورچگان و يك روش ابتكاري را براي حل مدل برنامه ريزي رياضي توسعه داده شد.به منظور تحليل كارائي محاسباتي الگوريتم هاي توسعه داده شده، از بعد دستيابي به جواب بهينه و يا نزديك به بهينه و زمان محاسباتي، طرح ازمايش اماري را به كار گرفته و با توليد مسائل به صورت تصادفي در گروههاي كوچك، متوسط و بزرگ روشهاي توسعه داده شده با روش حل كلاسيك و الگوريتم ژنتيك درخت پوشا و الگوريتم جستجوي هارموني كلوني مورچگان به محك ازمايش قرارگرفت.در نتيجه مشاهده گرديد كه استفاده از روش فرا ابتكاري تركيبي ژنتيك باكلوني مورچه ها پاسخ هاي نزديك به بهينه را در زمان محاسباتي مناسب ارائه مي كند. در نهايت مدل و روشهاي حل توسعه داده شده براي حل مسئله توزيع محصولات در شركت رامك به كار گرفته شد.

The problem of the transportation of goods at an extended fixed cost is the problem of public transportation. In this study, the allocation of means of transportation to the routes to send several products of a manufacturing company in response to demand to demand locations or distribution branches is also discussed. In order to find the answer to the problem, we have minimized the total shipping cost, including two types of fixed costs and variable costs with a discount mechanism. Due to the combination of answers, the problem was first formulated in the form of a mathematical planning model. The mathematical model developed according to the structure of the problem is a mathematical programming model with correct and zero and one mixed variables, which is classified as a hard non-monetary model. Therefore, classical solution methods such as branch bound algorithms and dynamic programming model solution methods are only able to find the answer to the problem in the applications of classical problems and the ability to find the answer in a reasonable computational time for problems that In the real world, they are not. In other words, the computational time of problem solving with classical methods is a function of the number of decision variables, so that in most cases real-world problem solving using the classical algorithm can take up to 10 to the power of 100 years. Therefore, we proceeded to develop model solving methods in the framework of innovative algorithms and innovative ovens. Based on this, we developed a meta-experimental method combining the genetic algorithm of the spanning tree and the ant colony harmonic search and an innovative method to solve the mathematical programming model. In order to analyze the computational efficiency of the developed algorithms, in order to achieve the optimal or near-optimal answer and computational time, the statistical test design is used and by generating problems randomly in small, medium and large groups, the developed methods are developed. We tested the ant colony genetic algorithm and the ant colony harmony search algorithm with the classical solution method and the genetic algorithm. As a result, it was observed that the use of meta-innovative genetic combination method with ant colony provides near-optimal responses at appropriate computational times. Finally, we used the developed model and solution methods to solve the problem of product distribution in Ramek company.