بهینه‌سازی دریافت و ارسال مرسولات پستی با استفاده از الگوریتم ژنتیک

افزایش جمعیت و رشد شهرنشینی در دهه های اخیر مدیریت شهری را به چالش کشیده‌است و مسئله حمل ونقل شهری یکی از موضوعات مهم در این زمینه است. بنابر اهمیت این موضوع و نقش مهم حمل و نقل کالا در اقتصاد، مسئله حمل ‌ونقل مرسوله های پستی، موضوع این پژوهش است. بکارگیری روش های قدیمی و تجربی منجر به افزایش طول مسیر دریافت و تحویل مرسوله‌ها می شود که در نهایت منجر به افزایش هزینه ‌های مربوطه می ‌شود. بنابراین، نیاز است که این مسئله با روش های علمی انجام شود و با بهینه ‌سازی بتوان هزینه ‌ها (و ترافیک شهری) را کاهش داد. در این پژوهش، به کمک الگوریتم ‌های فراابتکاری مسئله دریافت و تحویل مرسولات پستی بهینه سازی شده‌است. در این پژوهش، از الگوریتم ژنتیک برای بهینه سازی دریافت و تحویل مرسولات استفاده شده‌است و در آن ماتریس هزینه سفر بین نقاط دریافت و تحویل مبنای محاسبات است. در مدل پیشنهادی، چینش دریافت و تحویل مرسولات در هر کامیون پستی، در یک سطر قرار گرفته و پنج سطر که معرف پنج کامیون (مرکز پستی) هستند در یک ماتریس ایجاد شد. الگوریتم ژنتیک با ایجاد تصادفی این ماتریس ها (کروموزوم ‌ها یا همان جواب های مسئله) و اندازه گیری تابع بهینگی (هزینه سفر) هر ماتریس، جواب نهایی را بهینه می کند. برای پیاده سازی شهر تهران به عنوان منطقه مطالعاتی انتخاب شد و داده های شبکه معابر منطقه مطالعاتی به ابزار تحلیل گر شبکه وارد شد. سپس، ماتریس ‌های هزینه سفر بین نقاط دریافت و تحویل و مراکز استقرار کامیون ها از داده ی نقاط 50 مرسوله استخراج و وارد مدل شد. پس از تولید خروجی که بهینه ترین ترتیب نقاط تحویل و دریافت مرسولات است با اولین جواب تصادفی ساخته‌شده (به عنوان روش سنتی و برنامه ریزی نشده) مقایسه شد. مجموع طول طی شده کلی برابر با 551689 متر است که از 720287 متر طول کلیِ جواب تصادفی اولیه 168598 متر کمتر است که نشان از صرفه جویی 23/4 درصدی دارد.

genetic algorithm optimization for postal items pickup and delivery

introduction: with the growth of urbanization, urban transportation has become one of the most critical challenges of urban management, which is closely related to the economic power of cities and countries. a robust economy requires adequate infrastructure in the freight division, and proper resource planning and management is the key to its success. in this research, the issue of transportation of postal items has been considered. the use of traditional methods prolongs receiving and delivering postal items and thus increases its costs. in this research, this issue has been studied. using meta-heuristic algorithms (artificial intelligence), an attempt has been made to optimize the problem of receiving and delivering postal items.materials & methods: the proposed method of this research is based on the use of a genetic algorithm to optimize the order of pickup and delivery of postal items using the travel cost matrix between the points of pickup and delivery. the genetic algorithm has high flexibility following the structure of different problems. in the developed model of this research, the order of picking and delivering shipments in each freight vehicle is in one array and five arrays representing five freight vehicles from five postal centers in one matrix created. the genetic algorithm tries to optimize the final solution by randomly generating these matrices (chromosomes) and measuring the fitness function of each matrix (answer) and using the combination and mutation operators. finally, the best solution is obtained, which is the best arrangement and planning for the trucks carrying the items, in which the best order of receiving and delivering the postal items is determined.results & discussion: the study area is 10, 11, 12, 14, 15, 16, 17, and 19 regions of tehran (the capital of iran), which were selected for implementation. street network data was entered into the network analyst tool in arcgis software. travel cost matrices between pickup and delivery points and consignment centers were extracted from the data of 50 pickup points and 50 delivery points entered into the developed model. after executing the algorithm for 1000 times and generating final output, which is the most optimal arrangement of pickup and delivery points, it was compared with the first random answer made in the model which represents old unplanned method for receiving and delivering the postal items. the total length of final optimal answer is 551689 meters, which is less than 720287 meters (the total length of first random answer). the decrease in the final solution in comparison to the first random solution is 168598 meters, which is equivalent to 24% savings and indicates the efficiency of the developed model.conclusion: using old traditional experimental methods for pick-up and delivery of postal items leads to increase the route of postal vehicles which increase the urban congestion and produces some pollutions. applying the scientific methods such as used model in this research helps to decrease the aforementioned problems and it is a key to approach the smart cities. we used a genetic algorithm optimization method for arranging the order of receiving and delivering the postal items and develop a method to decrease the distance between request points. by using this algorithm, the total length of postal vehicles decreased from 720 km to 551 km which is equivalent to 24% savings.