مدل‌سازی و حل مسئله چند‌هدفه مسیریابی وسایل نقلیه شرکت‌های پخش با محدودیت‌های فازی و احتمالی (مطالعه موردی)

مساله مسیریابی وسایل نقلیه از مهمترین مسائل برنامه‌ریزی حمل و نقل است. مساله مسیریابی در شرکت‌های توزیع و پخش که حمل ‌و نقل بخش عمده هزینه‌ها را به خود اختصاص می‌دهد، بسیار حائز اهمیت است. در این پژوهش با توجه به نیاز موجود در شرکت‌های توزیع و پخش و در نظر گرفتن محدودیت‌های دنیای واقعی مانند زمان سرویس احتمالی، تقاضای فازی و محدودیت پنجره زمانی یک مدل برنامه‌ریزی غیرخطی عدد صحیح مختلط ارائه گردید، سپس با کمک تکنیک‌های تحلیلی، مدل غیرخطی به مدل خطی تبدیل شد. از نرم افزار gams برای اعتبار سنجی مدل پیشنهادی استفاده شد، . با توجه به ان_پی سخت بودن مساله مذکور و به منظور حل آن در ابعاد بزرگ، الگوریتم ژنتیک مرتب‌سازی نامغلوب نخبه‌گرا ((nsgaii و الگوریتم بهینه‌سازی چندهدفه کلونی مورچگان (moaco) طراحی شد. کارایی الگوریتم‌های طراحی شده، با استفاده از شاخص‌های سنجش کارایی الگوریتم‌های فراابتکاری چندهدفه مورد بررسی قرار گرفت و نتایج حاکی از کارا بودن الگوریتم nsgaii بوده است. در ادامه با استفاده از الگوریتم پیشنهادی به حل مساله مسیریابی شرکت مورد مطالعه پرداخته شد و راهکارهای عملی با توجه به نیاز مدیریت شرکت ارائه گردید.

Modeling and solving Multiobjective Vehicle Routing Problem of Distribution Companies with Fuzzy and Stochastic Constraints (Case Study)

Vehicle routing problem is one of the most important problems in transportation programming. Vehicle routing problem plays an important role in distribution companies because the much of the system costs are related to it. In this paper, a mix integer nonlinear programming model is presented considering the existing demand in distribution companies and real world’s restrictions, including Stochastic service time, fuzzy demand and time window limitation. Then, the nonlinear model is equated with the linear model using analytical techniques, for its validity evaluation, GAMS software was utilized. Also, With respect to the fact that this problem is NPHard, nondominated sorting genetic algorithm and multiobjective ant colony optimization algorithm are designed. To demonstrate the efficiency of designed algorithms, evaluation indicators of multiobjective metaheuristic algorithm’s efficiency are utilized. The results indicates that the nondominated sorting genetic algorithm is more efficient. The issue of the company in questioned via the proposed algorithm. And according to company’s management need, practical approach are presented.