حل مسئله تعيين اندازه واگن‌هاي باري در حالت پويا و چندهدفه با استفاده از الگوريتم ژنتيك با رتبه‌بندي نامغلوب-2

A Dynamic Multiobjective Railcar Fleet Sizing Problem Solved by Nondominated Sorting Genetic AlgorithmII

هدف اين پژوهش ارائه روشي اثربخش براي حل مسئله تعيين اندازه واگن‌هاي باري در شبكه راه‌آهن است. مدل رياضي مسئله به‌صورت چندپريودي، پويا و چندهدفه است كه در آن ناهمگوني در واگن‌هاي باري مد نظر قرار گرفته است. همچنين، تقاضاي انواع مختلف واگن باري و زمان سير به‌صورت قطعي است. تخصيص واگن‌هاي خالي براي افزايش بهره‌برداري از واگن‌هاي موجود در شبكه به‌منظور كاهش حجم زيادي از هزينه‌هاي تملك ناوگان و نگهداري مورد توجه بوده است. از ويژگي‌هاي مسئلۀ اعمال محدوديت‌هاي ظرفيت خط و ظرفيت وسيله نقليه و محدوديت در تشكيل قطارهاي باري است. همچنين، مدل متغيرهايي نظير نوع و تعداد واگن‌هاي مستقر در هر ايستگاه، نوع و ميزان تقاضاهاي بي‌پاسخ‌ و نوع و تعداد واگن‌هاي پر و خالي درحال سير را تعيين مي‌كند. براي اولين‌بار در اين پژوهش براي حل مسائل تعيين ناوگان ريلي در حالت چندهدفه، از روش‌هايي مبتني بر الگوريتم‌هاي حل مسائل چندهدفه استفاده و مجموعه جواب‌هاي بهينه پارتو محاسبه مي‌شود. درنتيجه، دو روش حل مبتني بر الگوريتم ژنتيك با رتبه‌بندي نامغلوب2 و الگوريتم تبريد شبيه‌سازي‌شدۀ چندهدفه طراحي و اجرا شدند. همچنين، اطلاعات مسائل مورد بررسي مطابق با اطلاعات سيستم حمل‌ونقل ريلي باري جمهوري اسلامي ايران است.

The aim of this paper is to present an efficient method for a rail freight car fleet sizing problem. This problem is modeled mathematically as a multiperiod, dynamic and multiobjective, in which the rail freight wagons are assumed to be heterogeneous. Demands for different wagons and all travel times are assumed deterministic. In order to increase the utilization of the available wagons in the network and to reduce the fleet ownership costs, assignment of empty wagons becomes important. Moreover, constraints on line capacity, vehicle capacity and vehicle formation are considered. The model includes determining the optimal number of freight wagons of various types, the optimal amount of unfulfilled demand and the optimal number of full and empty freight wagons. To find the Paretooptimal front of the problem, a heuristic method based on the Nondominated Sorting Genetic AlgorithmII is proposed that uses heuristic procedures to generate new solutions. The performance of the proposed algorithm is evaluated in comparison with a simulated annealing algorithm, in which the results demonstrate the good quality of solutions achieved in a reasonable computation time. To do comparisons, the parameters of test problem instances are in accordance with the current state of the Railways of Islamic republic of Iran.