حل مسئله مسيريابي وسايل نقليه الكتريكي با در‌نظر‌گرفتن محدوديت حجم خودرو با استفاده از الگوريتم شبيه‌سازي تبريد

Solving the Electric Vehicle Routing Problem Considering the Vehicle Volume Limitation Using a Simulated Annealing Algorithm

اين پژوهش به بررسي مسئله مسيريابي وسايل نقليه الكتريكي با در­نظر­گرفتن محدوديت حجم باري خودرو مي‌­پردازد كه در اين مسئله ناوگان حمل‌ونقل شامل وسايل نقليه الكتريكي است كه با توجه به ظرفيت محدود باتري آنان بايد محدوديت‌هاي آن نيز در برنامه‌­ريزي توزيع در نظر گرفته شود. به اين منظور نقاط شارژ مجدد در شبكه حمل‌ونقل در نظر گرفته مي‌شود تا در صورت نياز به شارژ باتري، خودرو شارژ مجدد را انجام دهد و مسير خود را تكميل كند. ازآنجاكه وسايل نقليه الكتريكي به‌صورت محدود در توزيع كالا استفاده مي­‌شوند، بايد ساير جنبه­هاي آن را نيز در نظر گرفت. يكي از جنبه‌­هاي مهم محدوديت حجم باري اين وسايل است كه نسبتاً فضاي باري كمتري دارند. گاهي ممكن است كالاهاي تخصيص‌داده‌شده به يك وسيله نقليه از نظر محدوديت وزني موجه باشد، ولي مجموع حجم كالاها از حجم باري خودرو تجاوز كند؛ درنتيجه در اين پژوهش يك مدل برنامه‌­ريزي رياضي براي فرموله‌­سازي مسئله ارائه ‌‌‌‌‌‌‌‌‌‌‌مي‌­شود؛ سپس چندين نمونه مسئله به‌منظور اعتبارسنجي طراحي و حل مي‌­شود كه براي حل در ابعاد بزرگ از الگوريتم شبيه ­سازي تبريد استفاده خواهد شد.

This study investigates the problem of electric vehicles routings with a limit on the volume of vehicles capacity. In this regard, the fleet which includes some electric vehicles with given limited battery capacities, should also be taken into account in the planning of distribution. To this end, recharge points are provided in the transmission network to recharge the cars and complete their routes if a battery needs to be recharged. As electric vehicles are only used in the distribution of goods, other aspects should also be considered. One of the important aspects of cargo volume limitation is the relatively low cargo space. Sometimes the goods assigned to a vehicle may be justified by the weight limit but the total volume of goods may exceed the freight volume. Thus, in this research, a mathematical programming model for the problem is presented. Then, several problem instances are designed to validate the model. Then a simulated annealing based algorithm is developed to solve large-scale problems for real world applications.