ترکیب هوشمند الگوریتمهای GA-ACO-DRL برای بهینه سازی مسیرهای حمل و نقل دریایی مطالعه موردی بنادر خلیج فارس
- سال انتشار: 1404
- محل انتشار: اولین همایش بین المللی تحقیقات بنیادی در شیمی، نفت و صنایع
- کد COI اختصاصی: CPISCOS01_049
- زبان مقاله: فارسی
- تعداد مشاهده: 70
نویسندگان
ریاضی کاربردی آنالیز عددی دانشگاه علم و صنعت، تهران
ریاضی کاربردی تحقیق در عملیات دانشگاه صنعتی شریف، تهران
چکیده
در این مقاله، چارچوبی هوشمند ترکیبی متشکل از الگوریتمهای ژنتیک(GA)، بهینه سازی کلونی مورچگان(ACO) و یادگیری تقویتی عمیق(DRL) برای بهینه سازی زنجیره تامین حمل و نقل دریایی ارائه شده است. هدف اصلی، بهبود کارایی مسیرهای حمل و نقل دریایی در بنادر خلیج فارس با کاهش هزینه ها، افزایش بهره وری و بهبود زمان بندی است. مدل پیشنهادی با بهره گیری از قابلیتهای جستجوی گسترده GA، بهینه سازی محلی ACO و یادگیری تطبیقی DRL توانسته است نسبت به الگوریتمهای مرسوم کاهش چشمگیری در هزینه های لجستیکی و زمان حمل و نقل به دست آورد. نتایج شبیه سازی با داده های واقعی نشان دهنده افزایش بهره وری تا ۱۸ درصد و کاهش هزینه ها تا ۱۲ درصد نسبت به روشهای سنتی است. این پژوهش می تواند راهکاری عملیاتی برای مدیریت هوشمند لجستیک در بنادر مطرح ایران ارائه دهد.کلیدواژه ها
زنجیره تامین دریایی, بهینه سازی ترکیبی, الگوریتم ژنتیک, بهینه سازی کلونی مورچگان, یادگیری تقویتی عمیق, لجستیک بنادر خلیج فارسمقالات مرتبط جدید
- یکپارچه سازی توصیف و مدیریت مخزن در توسعه راهبردهای ازدیاد برداشت نفت
- وارون سازی داده های سونداژ الکتریکی قائم با استفاده از شبکه عصبی همامیختی-خودرمزگذار
- وارون سازی لرزه ای زمین آماری با مدل های پیوستگی فضایی محلی تطبیق پذیر
- مقدمه ای بر معرفی نرم افزار پردازش داده های لرزه ای SEPAR
- مقایسه شبکه اندازه گیری گرانی در منطقه اسفراین با شبکه حاصل از آنالیز فرکتال
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.