مسیریابی وسایل نقلیه با استفاده از الگوریتم جهش قورباغه مخلوط شده فرد محور

مساله‌ی مسیریابی وسایل نقلیه، یکی از مهم‌ترین مسائل مدیریت زنجیره‌ی تامین است، زیرا تخصیص مطلوب وسایل نقلیه تاثیر زیادی بر کاهش هزینه‌ها دارد. این مساله در دسته مسائل سخت قراردارد و الگوریتم های دقیق کارایی لازم را برای حل آن ندارند. از این رو، می توان از الگوریتم فراابتکاری استفاده کرد که راه حل های خوبی برای حل مسائل سخت ارائه می دهند. یکی از این الگوریتم ها، الگوریتم جهش قورباغه مخلوط شده است که از کارایی بالایی برخوردار است، اما در بعضی مواقع، تنوع جمعیت در آن به دلیل گروهبندی قورباغه ها به سرعت کاهش می یابد، از این رو در دام بهینه های محلی گرفتار می آید. در این تحقیق، الگوریتم جهش قورباغه مخلوط شده فرد محور ارائه می گردد که از طریق تبادل اطلاعات سراسری و محلی، قابلیت اکتشاف و بهره برداری الگوریتم قورباغه را بهبود می دهد. به ‌منظور ارزیابی الگوریتم پیشنهادی، از مسائل مسیریابی در ابعاد مختلف استفاده می گردد و نتایج آن با چند الگوریتم بهبود یافته جهش قورباغه مخلوط شده، شبیه سازی تبرید و الگوریتم ژنتیک مقایسه می شود. نتایج نشان می دهند که الگوریتم پیشنهادی، از نظر طول مسیر طی شده برای بهترین نتایج، میانگینی برابر با 1130.442 دارد و الگوریتم بعدی شبیه سازی تبرید با میانگینی برابر 1228.725می باشد. سایر الگوریتم ها با اختلاف زیادی در رده های بعدی قرار دارند.

an individual-oriented shuffled frog leaping algorithm for solving vehicle routing problem

the vehicle routing problem (vrp) is one of the most important problems in supply chain management because the optimal allocation of vehicles has a significant impact on reducing costs. vrp is in the class of nphard problems and exact algorithms cannot find the best solution in an acceptable time. hence, metaheuristic algorithms can be employed to solve it. shuffled frog leaping algorithm (sfla) is one of the metaheuristic algorithms, which is efficient, but in some cases, its population diversity rapidly reduces, and the algorithm falls in local optima. in this study, an individualoriented shuffled frog leaping algorithm (iosfla) is proposed to enhance the exploration and exploitation of sfla by exchanging the global and local information. several vrps in different dimensions are applied to evaluate the performance of iosfla. the efficiency of iosfla is compared with several improved shuffled frog leaping algorithms, simulated annealing (sa) and genetic algorithm (ga). the results show that iosfla provides significant results compared with the other competitor algorithms. iosfla achieves an average of 1130.442 for the best path cost. the next rank belongs to sa with an average of 1228.725. other compared algorithms are in the lower ranks with high differences in results.