استفاده از تحلیل پوششی داده ها و الگوریتم ‌‌بهینه‌سازی انبوه ذرات در بهینه‌سازی حل مساله مسیریابی وسایط نقلیه

چکیده: در این مقاله با توجه به دنیای واقعی،‌ با ایجاد توازن در مقدار کالای توزیع شده نسبت به ظرفیت وسائط نقلیه در یک ناوگان ناهمگن، حداکثر رضایت برای رانندگان ایجاد گردد و از سویی دیگر با کاهش هزینه‌های حمل و نقل سود ناشی از توزیع افزایش یابد.‌ به همین منظور با در نظر گرفتن اهداف مذکور و به کارگیری یک رویکرد چند مرحله‌ای شامل الگوریتم بهینه‌سازی انبوه ذرات وتحلیل پوششی داده‌ها نسبت به بهینه‌سازی جواب‌های مساله در ابعاد بزرگ اقدام می‌گردد. الگوریتم بهینه‌سازی انبوه ذرات (pso) می‌تواند جواب‌های قابل قبولی ایجاد نماید ولی با در نظرگرفتن جواب‌های الگوریتم به عنوان جواب اولیه و استفاده از الگوریتم بهبود دهنده 2-opt با خطی کردن مدل تحلیل پوششی داده‌ها و در نظر گرفتن معیارهای هزینه و رضایت مشتریان کاراترین dmu انتخاب و جواب‌ها بهینه شد. محاسبات نشان می‌دهد، میانگین جواب‌های بدست آمده توسط مدل تحلیل پوششی داده‌های پیشنهادی‌ 4 درصد نسبت به الگوریتم بهینه‌سازی انبوه ذرات بهتر بوده ایند.