حل مساله مسیریابی وسایل نقلیه با در نظر گرفتن سفرهای چندگانه و پنجره های زمانی در مدیریت پسماند شهری با استفاده از الگوریتم بهینه سازی گرگ خاکستری

یکی از مهم‌ترین مسائل نگران‌کننده جوامع بشری در سال‌های اخیر مدیریت پسماند شهری بوده که از جمله ملزومات اصلی هر شهر می‌باشد و بی‌توجهی نسبت به آن می‌تواند برای هر شهر و حتی ساکنان روستاهای اطراف آن مشکل‌آفرین باشد. مناطق شهری بیشترین مقدار زباله را تولید کرده و در نتیجه به یک سیستم کارا جهت جمع‌آوری زباله و دفع آن نیازمند است که تعیین و تثبیت آن بسیار مشکل و هزینه‌بر است. در این راستا، این مقاله به بررسی مساله مسیریابی وسایل نقلیه با در نظر گرفتن سفرهای چندگانه و پنجره‌های زمانی مختص به جمع‌آوری زباله شهری با هدف کمینه سازی هزینه کل شامل هزینه‌های مسیریابی، هزینه‌های جریمه خروج از پنجره‌های زمانی سرویس و هزینه‌های بکارگیری وسایل نقلیه می‌پردازد. برای حل مساله در ابعاد کاربردی، الگوریتم‌ بهینه‌سازی گرگ خاکستری (gwo) توسعه می‌یابد و عملکرد آن در مقابل حل‌کننده cplex نرم افزار gams و الگوریتم شبیه‌سازی تبرید (sa) مورد ارزیابی قرار می‌گیرد. نتایج بدست آمده بیانگر آن است که الگوریتم‌ gwo پیشنهادی دارای عملکرد قابل قبولی در تولید جواب‌های با کیفیت می‌باشد. در نهایت، برای مطالعه رفتار تابع هدف در مقابل تغییرات پارامتر تقاضا در دنیای واقعی، آنالیز حساسیت بر روی این پارامتر انجام شده و سیاست بهینه مدیریتی تحلیل می‌شود.

Solving the multitrip vehicle routing problem with time windows in urban waste management using grey wolf optimization algorithm

One of the most important issues of concern to human societies in recent years is urban waste management that is one of the main requirements of each city, and without any notice of it, it can be problematic for it and even residents of the surrounding villages. Urban areas generate the highest amount of waste and consequently, they need an efficient system for collecting and disposing of waste where its determination and stabilization is very difficult and costly. In this regard, this paper examines the multitrip vehicle routing problem with time windows specific to the urban waste collection, with the goal is to minimize the total cost including routing costs, the earliness and lateness penalty cost for violating the service time windows and the usage costs of vehicles. To solve the problem in practical dimensions, grey wolf optimization (GWO) algorithm is developed where its performance is tested compared to CPLEX solver of GAMS and simulated annealing (SA) algorithm. The obtained results demonstrate that the proposed GWO have an acceptable performance to generate highquality solutions. Finally, to study the behavior of the objective function versus the realworld demand parameter changes, a sensitivity analysis is performed on this parameter and the optimal management policy is analyzed.ed.