مسيريابي پايدار وسايل نقليه ناهمگن با تحويل و برداشت همزمان با لحاظ نمودن فاكتورهاي اقتصادي، زيست محيطي و اجتماعي به صورت يكپارچه

Sustainable routing of heterogeneous vehicles with simultaneous pickup and delivery considering economic, environmental and social factors

در اين مقاله به معرفي مسيله مسيريابي پايدار وسايل نقليه ناهمگن در يك شبكه با جريانهاي مستقيم و معكوس ميپردازيم، جايي كه فاكتورهاي مختلف اقتصادي، زيست محيطي و اجتماعي در قالب يك مدل رياضي برنامه ريزي عددصحيح مختلط خطي دو هدفه لحاظ مي شوند. هدف مسيله طراحي مسيرهاي سرويس دهي و تعيين سرعت بهينه وسايل حمل و نقل به گونه اي مي باشد كه از يك سو ميزان سوخت مصرفي و به تبع آن آلودگي هاي ناشي از فرايند حمل و نقل حداقل شود و از سوي ديگر و در جهت ايجاد رضايتمندي بين رانندگان، بار كاري وسايل حمل و نقل مختلف از نظر مدت زمان فعاليت بالانس باشد. براي تخمين ميزان سوخت مصرفي از تابع جامعي استفاده شده است كه در آن ميزان سوخت مصرفي تابعي از مسافت طي شده همچنين سرعت، ميزان بار و مشخصه هاي فني وسيله نقليه، مي باشد. جهت حل مسيله به فرم دقيق از روش حدي تقويت شده استفاده مي شود، همچنين براي حل مسيله در ابعاد بزرگ دو الگوريتم فراابتكاري چندهدفه مبتني بر الگوريتم ژنتيك و الگوريتم آتش بازي توسعه داده شده است. براي افزايش كارايي الگوريتمهاي ياد شده از يك متد جستجوي محلي نيز در ساختار آنها استفاده شده است. نتايج حل مثال هاي مختلف نشان دهنده عملكرد بهتر الگوريتم آتش بازي است. همچنين تحليل نقاط پارتو نشان مي دهد با افزايش حدودا يك درصدي در هزينه سوخت، مي توان طولاني ترين تور را حتي تا بيش از 20 درصد و پراكندگي بين مدت زمان كاركرد ماشين هاي مختلف را تا 15 درصد كاهش داد. همچنين اين پراكندگي با افزايش 3 درصد در مصرف سوخت مي تواند تا 25 درصد كاهش يابد.

In this paper, we introduce the sustainable routing problem in a network with forward and reverse flows, in which different economic, environmental and social factors are considered in a bi-objective mixed integer linear programming mathematical model. The purpose of the problem is to design the service routes and determine the optimal speed of vehicles in such a way that, on the one hand, the amount of fuel consumed and, consequently, pollution caused by the transportation process are minimized, and on the other hand, in order to create satisfaction among drivers, the workload of different vehicles in terms of the duration of tour is balanced. A comprehensive function is used to estimate the amount of fuel consumed, in which the amount of fuel consumed is a function of the distance traveled as well as the speed, load, and technical characteristics of the vehicle. In order to solve the problem optimally, the augmented epsilon constraint method is used. Also, for solving large-scale instances, two multi-objective meta-heuristic algorithms based on genetic algorithm and fireworks algorithm have been developed. In order to increase the efficiency of these algorithms, a local search method is also used in their structure. The results of solving various examples represent a better performance of the fireworks algorithm. Also analysis of the pareto-front shows that with a one percent increase in fuel cost, the longest tour can be reduced by more than 20% and the difference between the running times of different machines is reduced by 15%. This difference can also be reduced by up to 25% by increasing fuel consumption by 3%.