|
|
|
|
یک الگوریتم ژنتیک کارا برای مساله مسیریابی وسایل نقلیه با در نظر گرفتن مهارت تیم های کاری
|
|
|
|
|
|
|
|
نویسنده
|
کیانی مرتضی ,صیدگر هانی ,مهدوی ایرج ,توکلی مقدم رضا
|
|
منبع
|
advances in industrial engineering - 1394 - دوره : 49 - شماره : 2 - صفحه:257 -271
|
|
چکیده
|
در این پژوهش، مدل ریاضی جدیدی برای مسئله ترکیبی نیروی انسانی مسیریابی وسایل نقلیه، با درنظرگرفتن تیمهایی با سطوح مختلف مهارت بهعنوان عوامل خدمت دهنده، ارائه شده است. وجود تیمهایی با مهارتهای متفاوت، موجب انجام کارهای مختلف مشتریان در زمان و هزینههای متفاوت و افزایش انعطافپذیری برنامهریزی میشود. جابه جایی این تیمها با استفاده از گروهی از وسایل نقلیه با سرعت و هزینههای متفاوت انجام میشود و برای ارائة خدمت به هریک از مشتریان، موعد خاصی درنظر گرفته شده است. تابع هدف مسئله، کمینهسازی هزینههای کل خدمتدهی از طریق تیمها، جابه جایی وسایل نقلیه و جریمه دیرکرد است. برای حل مسئله، از الگوریتم ژنتیک و بهینهسازی ذرات انبوه استفاده شده و پارامترهای آن به روش تاگوچی تنظیم شده است. نتایج بیانگر کارایی مطلوب الگوریتم ژنتیک پیشنهادی در کیفیت جوابها و زمان محاسباتی است.
|
|
کلیدواژه
|
الگوریتم بهینهسازی تجمع ذرات، الگوریتم ژنتیک، مسیریابی وسایل نقلیه، مهارت تیمها، نیروی انسانی
|
|
آدرس
|
دانشگاه علوم و فنون مازندران, ایران, دانشگاه علوم و فنون مازندران, ایران, دانشگاه علوم و فنون مازندران, دانشکده مهندسی صنایع, ایران, دانشگاه تهران, دانشکده مهندسی صنایع, ایران
|
|
پست الکترونیکی
|
tavakoli@ut.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
|
|
An efficient genetic algorithm for a vehicle routing problem considering the competency of working teams
|
|
|
|
|
Authors
|
Kiani Morteza ,Seidgar Hani ,Mahdavi Iraj ,Tavakoli Moghadam Reza
|
|
Abstract
|
This paper presents a new mathematical model for combined manpower vehicle routing, in which working teams are considered as servers. Having teams with different competency affects the service duration and cost that expands the flexibility of scheduling. A fleet of vehicles with different speed and cost of movement is used to transport these teams to visit the customers before the due date. The goal is to find an efficient schedule for the teams and vehicles movement to serve all the customers in order to minimize the total cost of serving, routing and lateness penalties. A mixedinteger programming model is presented and a number of tests problems are generated. To solve the largesized problems, two metaheuristics approaches, namely genetic algorithm (GA) and particle swarm optimization (PSO) are developed, and then the Taguchi experimental design method is applied to set the appropriate values of the parameters. The obtained results show the higher performance of the proposed GA compared with PSO in terms of solutions quality within comparatively shorter periods of time.
|
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|