طراحی مدل مسیریابی وسیله نقلیه ناهمگن با در نظر گرفتن اولویت بندی پنجره‌های زمانی مشتریان

مسئله مسیریابی وسیله نقلیه دارای کاربرد های فراوانی در شبکه های حمل و نقل و مدیریت زنجیره تامین است. مدل هایی که بر اساس مسئله کلاسیک مسیریابی وسیله نقلیه ارائه شده است، هر کدام به نوبه خود این مسئله پایه را کامل تر کرده و فرضیات بیشتری از دنیای واقعی را در نظر گرفته است. در این پژوهش به بررسی مسئله مسیریابی وسیله نقلیه ناهمگن با در نظر گرفتن چندین دپو توزیع کالا و اولویت بندی پنجره های زمانی مشتریان پرداخته شده است. مسئله ارائه شده دارای دو هدف است، هدف اول به حداقل رساندن هزینه های حمل و نقل و هدف دوم کاهش زمان انتظار مشتریان و در نتیجه افزایش رضایت مشتریان با توجه به پنجره های زمانی اولویت بندی شده برای آنان است. با توجه بهnphardبودن این مساله بهینه سازی دو هدفه برای حل آن در ابعاد بزرگ، از الگوریتم فراابتکاری nsgaiiبهره گرفته شده است که با روش طراحی آزمایشات تاگوچی تنظیم پارامتر می شود.همچنین از دو شاخص برای ارزیابی عملکرد الگوریتم استفاده می شود. نتایج بدست آمده از حل مسائل در بعد کوچک و بزرگ نشان می‌دهد این الگوریتمها، کارایی و اثربخشی مناسبی در حل مسائل مختلف بخصوص با اندازه های بزرگ را در زمان کوتاه دارند.

Providing Heterogeneous Vehicle Routing Model Considering the Prioritized of the Customer Time Window

The vehicle routing has many uses in transportation networks and supply chain management. Each of models, which have been provided based on the classic vehicle routing, complements this basic issue and takes into account more realworld assumptions. The present research investigated the heterogeneous vehicle routing by consideration of several product distribution depots and prioritization of customers’ time windows. The proposed issue had two purposes: First, the minimization of transportation costs, and second, the reduction of customers’ waiting time, thereby increasing the customer satisfaction with regard to their prioritized time windows. Given the NPHard nature of this twopurpose optimization issue for its solution in large dimensions, a metaheuristic NSGAII algorithm was used and its parameters were adjusted by Taguchi experimental design method. We also utilized two indices to evaluate the algorithm performance. The obtained results from solving issues in small and large dimensions indicated that each algorithm had a good efficiency in solving various issues especially with large sizes in a short time.