استفاده از جستجوی همسایگی انطباقی برای حل مساله مسیریابی وسیله نقلیه سبز با گذاشت و برداشت همزمان و پنجره زمانی سخت

در اکثر مسایل کلاسیک مسیریابی وسیله نقلیه، هدف اصلی، کمینه کردن کل زمان سفر یا مسافت طی شده است. درحالی که مساله مسیریابی سبز علاوه­بر اهداف ذکر شده، به مینیمم کردن هزینه‌های سوخت و انتشار گازهای گلخانه‌ای از جمله دی اکسید کربن نیز می‌پردازد. در این مقاله نوعی از مساله مسیریابی سبز با هدف کاهش هزینه‌های سوخت و انتشار با استفاده از یکی از مدل‌های تخمین مصرف سوخت تحت عنوان مدل یکپارچه انتشار همراه با در نظر گرفتن محدودیت گذاشت و برداشت همزمان و پنجره زمانی سخت توسعه داده شده است. در این مدل زمان سفر ثابت نبوده و سرعت وسایل نقلیه در حرکت بین مشتریان متغیر بوده و با توجه به پنجره زمانی مشتریان تعیین می‌شود. برای حل مدل، روشی ابتکاری مبتنی بر روش جستجوی همسایگی بزرگ انطباقی ارائه شده است. که در این روش، یک الگوریتم ساخت جواب اولیه با معیار انتخاب مشتریان متناسب با محدودیت‌های گذاشت و برداشت همزمان و پنجره زمانی و با فرض متغیر بودن سرعت وسایل نقلیه ارائه شده است. نتایج آزمایشات عددی کارآمدی رویکرد ارائه شده را در حل این مساله تایید می‌کند.

An Adaptive Large Neighborhood Search Heuristic for the Green Vehicle Routing Problem with Simultaneously Pickup and Delivery and Hard Time Windows

The classical models of vehicle routing generally focused on minimizing total distance and travel time, however in green vehicle routing problem the main objective is minimizing total emissions and fuel consumption besides the other objects. In this paper, extension of GVRP with minimizing fuel and emission costs presented that considered pickup and delivery constraints with hard time windows. Travel time in this model is not constant and speed of vehicles would be determined in regards to customers’ time widows. In this paper, a heuristic based adaptive large neighborhood search proposed for solving the model. Construction algorithm in this method is heuristic based algorithm with proposed criterion according to pick up and delivery constrains and time windows with assumption of variable speed. Computational results confirms efficiency of this algorithm.