مقایسه ی دو الگوریتم فراابتکاری بهینه سازی وال و بهینه سازی مبتنی بر آموزش و یادگیری برای حل مساله فرابارانداز

فراباراندازها یک استراتژی انبارداری هستند که با کاهش هزینه ها موجب سهولت در جریان کالاها می شوند. این مساله در گذر زمان با استفاده از روشهای ابتکاری و فراابتکاری فراوانی حل شده است که این مقاله با استفاده از دو روش نوین فراابتکاری تلاش به حل این مهم می نماید. در سال های اخیر، روش های فراابتکاری گوناگونی مطرح شده است. این روشها سعی در کاهش تعداد پارامترهای ورودی و تمرکز بر فازهای جست وجو و تسهیل کار کاربر دارند. این روشها به سرعت برای حل مسایل مختلف علوم مهندسی مانند زنجیره تامین و لجستیک، مهندسی حمل ونقل، زمان بندی و سایر مسایل بهینه سازی توسعه پیدا کرده اند. کارایی این الگوریتم ها نیز در مقایسه با روش های سنتی به اثبات رسیده است. در این مقاله از دو الگوریتم فراابتکاری جدید بهینه سازی وال و الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری برای حل مساله تک فرابارانداز استفاده شده است. اهمیت مساله مورد نظر با توجه به رشد و اهمیت اقتصادی انبارهای موقت برای حمل ونقل میان سطح های مختلف سیستم های لجستیک رو به افزون است. در آزمایش ها با استفاده از مسایل پایه ای، مقایسه هایی میان دو الگوریتم در معیارهای مختلف انجام شده است که نتایج نشان از برتری الگوریتم مبتنی بر آموزش و یادگیری در آزمایش های بسیاری با افزایش اندازه مساله دارد.

کلیدواژه ها:

الگوریتم بهینه سازی وال ، الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری ، مساله فرابارانداز ، زمان بندی کامیونها