مدل‌سازي چندهدفه مسيريابي سبز با استفاده از الگوريتم تركيبي يادگيري ماشين حداكثري و برنامه‌ريزي ژنتيك

حمل‌و‌نقل بخش قابل‌توجهي از توليد ناخالص ملي و مصرف محصولات نفتي هر كشوري را به خود اختصاص مي‌دهد. در كشور ما با توجه به تحريم‌هاي سال‌هاي اخير و عدم توسعه‌ي سامانه‌هاي حمل‌و‌نقل ريلي، هوايي و دريايي، استفاده از حمل‌و‌نقل جاده‌اي بيشتر شده است. حمل‌و‌نقل جاده‌اي بيشترين نقش را در توليد گازهاي گلخانه‌اي نظير كربن‌دي‌اكسيد دارد. بااين‌حال حمل‌و‌نقل يكي از عناصر اصلي لجستيك بوده و مسئله‌ي مسيريابي وسايل نقليه با در‌نظر گرفتن آلودگي از جمله مهم‌ترين مسائل در اين حوزه است. بنابراين در اين مقاله با درنظر گرفتن عواملي چون بار وسيله نقليه، سرعت وسيله نقليه، پارامترهاي آلايندگي وسيله نقليه نظير ضريب بهره‌وري سوخت و موتور، شيب مسير، تراكم رفت‌وآمد، سرعت و جهت باد، دماي هوا و جنس آسفالت به بهينه‌سازي هزينه‌هاي ناشي از مصرف سوخت و دستمزد راننده پرداخته شده است. همچنين با درنظر گرفتن تقاضا به صورت احتمالي و سامانه توزيع با جمع‌آوري و تحويل كالا، يك مدل رياضي احتمالي عددصحيح آميخته خطي به منظور كمينه‌سازي مجموع هزينه‌هاي ذكر شده ارائه گرديده است. استفاده از اين مدل موجب تخمين دقيق‌تر هزينه‌هاي سامانه شده و منجر به تحليل و برنامه‌ريزي بهتر براي سازمان‌ها مي‌شود. باتوجه به اينكه مسئله‌ي مطرح شده از نوع مسائل با درجه سختي بالا مي‌باشد، مسئله در ابعاد بزرگ با تركيب دو الگوريتم فراابتكاري يادگيري ماشين حداكثري و برنامه‌ريزي ژنتيك حل شده است. با توجه به نتايج حاصل شده از محاسبات، الگوريتم تركيبي توسعه يافته قابليت تخمين جواب با دقت مناسبي را دارد و از سرعت عمل بالايي نسبت به الگوريتم‌هاي مشابه برخوردار است.