حل مسئله مسیریابی وسایل نقلیه الکتریکی با در‌نظر‌گرفتن محدودیت حجم خودرو با استفاده از الگوریتم شبیه‌سازی تبرید

این پژوهش به بررسی مسئله مسیریابی وسایل نقلیه الکتریکی با در نظر گرفتن محدودیت حجم باری خودرو می‌ پردازد که در این مسئله ناوگان حمل‌ونقل شامل وسایل نقلیه الکتریکی است که با توجه به ظرفیت محدود باتری آنان باید محدودیت‌های آن نیز در برنامه‌ ریزی توزیع در نظر گرفته شود. به این منظور نقاط شارژ مجدد در شبکه حمل‌ونقل در نظر گرفته می‌شود تا در صورت نیاز به شارژ باتری، خودرو شارژ مجدد را انجام دهد و مسیر خود را تکمیل کند. ازآنجاکه وسایل نقلیه الکتریکی به‌صورت محدود در توزیع کالا استفاده می ‌شوند، باید سایر جنبه های آن را نیز در نظر گرفت. یکی از جنبه‌ های مهم محدودیت حجم باری این وسایل است که نسبتاً فضای باری کمتری دارند. گاهی ممکن است کالاهای تخصیص‌داده‌شده به یک وسیله نقلیه از نظر محدودیت وزنی موجه باشد، ولی مجموع حجم کالاها از حجم باری خودرو تجاوز کند؛ درنتیجه در این پژوهش یک مدل برنامه‌ ریزی ریاضی برای فرموله‌ سازی مسئله ارائه ‌‌‌‌‌‌‌‌‌‌‌می‌ شود؛ سپس چندین نمونه مسئله به‌منظور اعتبارسنجی طراحی و حل می‌ شود که برای حل در ابعاد بزرگ از الگوریتم شبیه سازی تبرید استفاده خواهد شد.

Solving the Electric Vehicle Routing Problem Considering the Vehicle Volume Limitation Using a Simulated Annealing Algorithm

This study investigates the problem of electric vehicles routings with a limit on the volume of vehicles capacity. In this regard, the fleet which includes some electric vehicles with given limited battery capacities, should also be taken into account in the planning of distribution. To this end, recharge points are provided in the transmission network to recharge the cars and complete their routes if a battery needs to be recharged. As electric vehicles are only used in the distribution of goods, other aspects should also be considered. One of the important aspects of cargo volume limitation is the relatively low cargo space. Sometimes the goods assigned to a vehicle may be justified by the weight limit but the total volume of goods may exceed the freight volume. Thus, in this research, a mathematical programming model for the problem is presented. Then, several problem instances are designed to validate the model. Then a simulated annealing based algorithm is developed to solve largescale problems for real world applications.