ارائه الگوریتم جست‌وجوی گرانشی مقید و حل مساله مسیریابی وسایل نقلیه

امروزه مساله مسیریابی وسایل نقلیه، یکی از موضوعات پرکاربرد در موضوعات صنعتی، نظامی و حتی امنیتی است و برای افزایش کارایی و بهره‌وری سامانه‌های حمل و نقل تعریف شده است. مساله مسیریابی وسیله نقیله با شرایط برداشت و تحویل هم‌زمان محموله از جمله این مسائل است. این مساله از نظر پیچیدگی محاسباتی در مجموعه مسائل سخت (nphard) قرار می‌گیرد؛ بنابراین محاسبه بهترین پاسخ برای این مساله، در زمان محاسباتی نمایی انجام خواهد شد و در مسائل اجرایی قابل استفاده نخواهد بود. استفاده از الگوریتم‌های فراابتکاری یکی از روش‌هایی است که به‌وسیله آنها می‌توان جواب‌هایی مناسب و در زمان محاسباتی قابل قبول به‌دست آورد. در روش‌های موجود، قیود موجود در مساله، با استفاده از روش جریمه به تابع هدف مساله اضافه شده و مساله بهینه‌سازی تک‌هدفه تعریف می‌شود. ضمن این‌که تعداد بهینه وسایل نقلیه مورد نیاز برای حل مساله در نظر گرفته نمی‌شود. در این مقاله، الگوریتم جست‌وجوی گرانشی بهبود‌یافته برای حل مسائل مقید معرفی شده است. همچنین به‌منظور کنترل قابلیت‌های الگوریتم نظیر کاوش و بهره‌وری از یک کنترلر فازی برای تعیین پارامترهای موجود در الگوریتم استفاده شده، سپس، با استفاده از این الگوریتم، روشی برای حل مساله مسیریابی وسایل نقلیه با شرایط برداشت و تحویل هم‌زمان ارائه‌ شده است. با استفاده از این روش، علاوه‌بر محاسبه مسیرهای مناسب برای انجام خدمات، تعداد بهینه وسایل نقلیه برای فرآیند خدماتی نیز تعیین می‌شود. برای ارزیابی کارایی روش پیشنهادی در این مقاله، روش پیشنهادی شبیه‌سازی شده و روی مجموعه‌داده استانداردی که برای این دسته از مسائل تعریف شده، اجرا شده است. نتایج تجربی و شبیه‌سازی نشان می‌دهد که این روش، با وجود سادگی در روش پیاده‌سازی و اجرا، دارای کارایی بهتری نسبت به الگوریتم‌ها و روش‌های بررسی شده است.

Proposing a Constrained-GSA for the Vehicle Routing Problem

In the past decades, vehicle routing problem (VRP) has gained considerable attention for its applications in industry, military, and transportation applications. Vehicle routing problem with simultaneous pickup and delivery is an extension of the VRP. This problem is an NPhard problem; hence finding the best solution for this problem which is using exact method, take inappropriate time, and these methods are not useful in realworld applications. Using metaheuristic algorithms for calculating and computing the solutions for NPhard problems is a common method to contrast this challenge. The objective function defined for this problem, is a constrained objective function. In previous algorithms, the penalty method was used as constraint handling technique to define the objective function. Determining the value of parameters and penalty coefficient is not easy in these methods. Moreover, the optimal number of vehicles was not considered in the previous algorithms. So, the user should guess number of vehicles and compare the result with other values for this variable.In this paper, a novel objective function is defined to solve the vehicle routing problem with simultaneous pickup and delivery. This method can find the vehicle routes such that increases the performance of the vehicles and decreases the processes rsquo; costs of transportation. in addition, the optimal number of vehicle in this problem can be calculated using this objective function. Finding the best solution for this optimization problems is an NPhard and metaheuristic methods can be used to estimate good solutions for this problem.Then, a constrained version of gravitational search algorithm is proposed. In this method, a fuzzy logic controller is used to calculate the value of the parameters and control the abilities of the algorithm, automatically. Using this controller can balance the exploration and exploitation abilities in the gravitational search algorithm and improve the performance of the algorithm. This new version of gravitational search algorithm is used to find a good solution for the predefined objective function. The proposed method is evaluated on some standard benchmark test functions and problems. The experimental results show that the proposed method outperforms the stateoftheart methods, despite the simplicity of implementation.