مدل‌سازی ریاضی جدید برای مسئله موجودی - مسیریابی وسائط نقلیه الکتریکی

فعالیت‌های صنعت حمل‌و‌نقل تاثیرات منفی قابل توجهی روی محیط زیست، اقتصاد و سلامت انسان دارد. از جمله راه‌کارهای کاهش اثرات زیست محیطی استفاده از وسائط نقلیه الکتریکی است. در این مقاله، یک مدل ریاضی جدید برای مسئله موجودی مسیریابی وسائط نقلیه الکتریکی ارائه می شود. تابع هدف مدل ارائه شده شامل کمینه‌سازی کل هزینه‌های سیستم می باشد. از آن جاییکه باتری‌های وسائط نقلیه الکتریکی دارای ظرفیت مشخصی هستند، حداکثر مسافت قابل طی محدود است. لذا، در صورت اتمام شارژ باتری، امکان تعویض باتری در ایستگاه‌های تعویض باتری وجود دارد. در مدل پیشنهادی، کمبود مجاز نیست و تقاضای مشتریان قطعی و مشخص فرض می شود. با توجه به nphard بودن مسئله موردنظر، یک الگوریتم فراابتکاری مبتنی بر جستجوی همسایگی متغیر برای حل مسئله در ابعاد بزرگ پیشنهاد می شود. به منظور بررسی عملکرد این الگوریتم پیشنهادی، نتایج آن با حل حاصل از یک روش دقیق و یک  الگوریتم شبیه‌سازی تبرید مقایسه می شود. نتایج محاسباتی نشان دهنده عملکرد مناسب الگوریتم پیشنهادی است.

New mathematical modelling for an electric vehicle inventory-routing problem

Transportation industry activities have a significant negative impact on the environment, economy and human health. To reduce the environmental impact strategies, such as using electric vehicles, is taken into account. This paper presents a new mathematical model related to the electric vehicle inventoryrouting problem. The objective function of the proposed model is to minimize the total cost of this system. Vehicles are considered as electrical device and due to the limited capacity of the batteries, the driving range is limited. Hence, if the battery is over, there is a possibility of swapping the battery at the battery swapping stations. In the proposed model, the shortage is not allowed and the customer demand is certain and determined. Because the proposed problem is categorized as NPhard one, a metaheuristic algorithm, namely variable neighborhood search (VNS), is proposed to solve largescale problems. To evaluate the performance of the proposed VNS, numerical results are compared with the exact method and the simulated annealing (SA) method. The computational results show the proper performance of the proposed VNS.