مسیریابی وسایل نقلیه باناوگان ناهمگن واستفاده از الگوریتم فراابتکاری MOPS0

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 475

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CESET01_343

تاریخ نمایه سازی: 14 آذر 1394

چکیده مقاله:

دراین تحقیق مسئله ی مسیریابی ناوگان حمل ونقل ناهمگن درزنجیره تامین بادرنظرگرفتن پنجره زمانی موردبررسی قرارمی گیرد. درمسئله ی موردبررسی تعدادی نقاط تقاضا باتحویل وبرگشت همزمان وجوددارند. این تقاضا بایدازانبار عبوری که می بایست از بین نقاط کاندید انتخاب گردد، ومشخص شودکه احداث انباردرهریک ازاین مکان ها هزینه ی ثابت مشخص دارد. برای ارسال خدمت رسانی ازانبار به نقاط تقاضا ازوسایل حمل ونقلیه استفاده می گردد که هریک از آن ها ظرفیت حمل ، هزینه – های ثابت به کارگیری وهزینه های حمل اضافه بارخاص خودرادارند.جهت صحه گذاری مدل ارایه شده ازروش دقیق اپسیلون محدودیت استفاده شده است ونیزبرای حل مسائیل درابعاد بزرگ تربا توجه به زمان بربودن حل ازالگوریتم فراابتکاری MOPSO (الگوریتم بهینه سازی تجمع ذرات) استفاده شده است. نقاط پارتوبرای روش دقیق اپسیلون محدودیت بدست آمده است. این نقاط بالبه ی پارتوی به دست آمده ازحل الگوریتم MOPSO ( الگوریتم بهینه سازی تجمع ذرات ) مقایسه شده ومشاهده می شود ، هردوروش دقیق والگوریتم فراابتکاری به نتایج یکسانی دست یافتند. وجواب های لبه پارتو برابربا 3877و1449و3929و5265 می باشد.

کلیدواژه ها:

مکانیابی انبارعبوری ، مسیریابی ناوگان حمل ونقل ناهمگنف روش دقیق اپسیلون محدودیت ، الگوریتم فراابتکاری MOPSO حمل ونقل

نویسندگان

مژگان طاهائی

دانشجوی کارشناسی ارشدمهندسی صنایع دانشگاه آزاد اسلامی قزوین، گروه مهندسی صنایع

ابوالفضل کاظمی

عضوهئیات علمی دانشگاه آزاد اسلامی قزوین، گروه مهندسی صنایع

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Alabas-Uslu C., Dengiz B., (2011), Aself-adaptive local search algorithm for ...
  • Alba E, , Dorronso B., (2006), Computing nine new best-so-far ...
  • Baios R., Ortega J., Gil C., Marquez A., Toro F., ...
  • Bochtis D.D., Srensen C.G., (2009), The vehicle routing problem infield ...
  • Borgulya I., (2008), Analgorithm for the capacitated vehicle routing problem ...
  • Braysy O., Hasle G., Dullaert W., (2004), Amulti-start local search ...
  • Cao, E., Lai, M., and Yang, H., (2014). Open vehicle ...
  • Dantzig G.B., Ramser J.H., (1959), The truck dispatching problem, Management ...
  • Eksioglu B., Vural A.V., Reisman A., (2009), The vehicle routing ...
  • Garcia-Najera _ Bullinaria J.A., (2011), Animproved multi-obj ective volutionary algorithm ...
  • Ghoseiri K., Ghannadpou S.F., (2010), Multi-obj ective vehicle routing problem ...
  • Jozefowiez N., Semet F., Talbi E-G., (2007), Target aiming Pareto ...
  • I nternational Conference On E n vironmental Science, Engineering & ...
  • Kirkpatrick S., Gelatt C.D., Vecchi M.P., (1983), Optimization bysimulated annealing, ...
  • Kritikos M.M., Ioannou G., (2013), The heterogeneous fleet vehicle routing ...
  • Kuo Y., (2010), Using simulated annealing to minimize fuel consumption ...
  • Liang, W., and Richard, E., (2015). Minimum cost VRP with ...
  • Lenstra J.K., Rinooy Kan A.H., (1981), Complexity ofvehicle routing and ...
  • Mester D., Braysy O., (2007), Active-guided evolution strategies for large-scale ...
  • Metropolis N., Rosenbluth A.W., Rosenbluth M.N., Teller A., Teller E., ...
  • Qiulei D., Xiangpei H., Lijun S., Yunzeng W., (2012), An ...
  • Solomon M.M., (1987), Algorithms for the vehicle routing and scheduling ...
  • While L, Hingston P., Barone L, Huband S., (2006), Afaster ...
  • نمایش کامل مراجع