بهينه سازي مسئله دريافت و تحويل محموله هاي پستي بين مراكز توسط وسايل نقليه ظرفيت دار با استفاده از الگوريتم هاي فرا ابتكاري

Optimization of Pick up and Delivery Problem of Postal Service between the Centers by Capacitated Vehicles based on Metahuristic Algorithms

حمل و نقل و سيستم­ هاي لجستيكي كارآمد، نقش مهمي در توسعه اقتصادي جامعه ايفا مي­كند. با توجه به اينكه بخش قابل توجهي از كالاهاي ما از طريق پست و توسط حمل و نقل جاده­اي انجام مي­شود. افزايش وسايل نقليه در حال حركت در جاده ­هاي ما باعث افزايش هزينه، سر و صدا، آلودگي و حوادث مي­شود. برنامه ­ريزي و مديريت حمل و نقل، با استفاده از روش­هاي بهينه­ سازي مي­تواند باعث كاهش اين اثرات و بهبود خدمات به مشتريان و رضايت هر چه بيشتر آنها شود. مسئله همزماني دريافت و تحويل محموله­ هاي پستي در هر مركز و همچنين زمان تحويل اين محموله­ ها از اهميت خاصي برخوردار است. مسئله برنامه ­ريزي براي محموله ­هاي پستي نوع ويژه­اي از مسئله دريافت و تحويل كالا با پنجره زماني مي­باشد كه آن نيز نوع مهمي از مسئله مسيريابي وسايل نقليه VRP به شمار مي­ آيد. هدف اين تحقيق برنامه ريزي و بهينه سازي روند جابجايي مجموعه ­اي از محموله­ هاي پستي هستند كه در مكان­ها و زمان­هاي مشخصي بايستي دريافت و تحويل گردند. ضمن لحاظ نمودن حجم محموله ها و ظرفيت خودروها بايستي هم طول و هم زمان سفرها و هم تعداد خودروها كمينه گردند. از طرفي همانطور كه مي­دانيم روش­هاي بهينه­ سازي سنتي متداول به دليل مواجه شدن با پيچيدگي­ هاي مسئله در فضاهاي جستجوي بزرگ اغلب به بهينه­ هاي محلي همگرا مي ­شوند. به همين دليل در اين تحقيق براي حل اين مسئله از الگوريتم ­هاي فراابتكاري كلوني زنبور عسل و ژنتيك استفاده شده است. مسئله بهينه سازي مورد نظر و شرايط خاص آن و توابع بهينگي و قيود بهينه سازي در قالب اجراي دو الگوريتم مدل سازي گرديدند. كه در اين الگوريتم ­ها با تعريف همسايگي مناسب و به كارگيري عملگرهاي جهش و تقاطع ابتكاري شرايط حل مسئله بهتر شده است. در نهايت توانايي الگوريتم­ ها از نظر دقت، سرعت همگرايي و شرط تكرارپذيري مورد ارزيابي قرار گرفته است. نتايج نشان دهنده عملكرد بهتر الگوريتم زنبور نسبت به ژنتيك مي­باشند. براساس نتايج بدست آمده در هر بار اجرا، الگوريتم ژنتيك و زنبور به ترتيب 84 و 93 درصد امكان رسيدن به بهترين جواب را دارند.

The development of effective decision support tools that can be adopted in the transportation industry is vital since it can lead to substantial cost reduction and efficient resource consumption. However, vehicles moving on our roads contribute to congestion, noise، pollution, and accidents. So route planning and transport management, using optimization tools, can help reduce transport costs by cutting mileage and improving driver and vehicle usage. In addition, it can improve customer service, cut carbon emissions, improve strategic decision making and reduce administration costs. Due to the simultaneous pick-up and delivery postal service and delivery time importance of those parcels, this study focuses on the pick-up and delivery problems. The pick-up and delivery problems are important types of vehicle routing problem (VRP). VRP is the core of scientific research on the distribution and transport of people and goods. Unlike the classical VRP, in which all customers require the same services, in the pick-up and delivery problem basic it is considered that two different types of services can be found in one place, in fact there's a pick up or delivery. PDP has several applications in the transportation of pick-up and delivery parcel post. The purpose of this research is to find the most optimal route to transport postal service. It is performed by imposing a series of conditions to the pick-up and delivery problems using meta-heuristic algorithms for the simulation data. It is followed by brief explanation of present metaheuristic algorithms including bee colony algorithm and genetic algorithms and their features. Finally the results of the algorithms are compared on the basis of the accuracy, repeatability, speed of convergence. It is necessary to note that the results are not ideal, but the best case is considered. The results showed the performance of the bee algorithm are better than genetic. Based on the results obtained in each run, genetic algorithms and Bee were 84% and 93% are possible to achieve the best solution.