مقایسه الگوریتم‌های توسعه مدیریت پسماند شهری و بهینه سازی آن با استفاده از الگوریتم‏های فرابتکاری و یادگیری ماشین

سیستم‏ های حمل‌ونقل هوشمند شهری در جهان امروز، سیستم‏هایی متشکل از فناوری‏های نوین الکترونیک، کامپیوتر، it، الکترومکانیک، سنسورها، سامانه‏های هوشمند رصد و تحلیل دیتا، و زیر ساخت های متناسب شبکه‏ای نسل 4 و 5 هستند که در برنامه‏ریزی سیستم‏های حمل‌ونقل زمینی بخصوص در زمینه مدیریت هوشمند ناوگان جمع‌آوری پسماند، نقش بسیار مهمی ایفا می‏نمایند. قدمت کاربرد و برنامه‌ریزی سیستم‏های حمل‌ونقل هوشمند (its ) به‏ اوایل دهه 90 میلادی می‏رسد. از مهم‌ترین مزایای استفاده ‏از سیستم‏های حمل‌ونقل هوشمند در بحث پسماند می‏توان به ‏افزایش کارایی حرکت و جابه‌جایی پسماند ، پرهیز از ترافیک و کاهش تراکم ترافیک، افزایش توان مدیریت ساختارهای حمل‌ پسماند، کاهش هزینه‏های عملیاتی و کاهش عوارض زیست‌محیطی و مصرف سوخت ناوگان اشاره نمود. یکی از مباحث مهم که در چند دهه‏ اخیر کاربرد بسیار بالایی در عمل داشته و برای افزایش کارایی و بهره‌وری سیستم‏های حمل‌ونقل ناوگان مدیریت پسماند شهری مطرح شده ‏است بحث مسئله مسیریابی وسایل نقلیه (vrp) است. این مسئله درصدد است تا با ارائه مدل‏های ریاضی و بهینه‌سازی مناسب به‌گونه‌ای عمل کند که معیارهایی همچون مسافت طی شده، زمان کل سفر، تعداد وسایل مورد نیاز حمل‌ونقل، جریمه‏های دیرکرد و در نهایت تابع هزینه حمل‌ونقل و مصرف سوخت ناوگان پسماند حداقل گردد و در نهایت رضایت مشتریان به حداکثر برسد. باتوجه‌به اینکه مسئلة مسیریابی خودرو با پنجره‏های زمانی، از جمله مسائل np-hard است، بنابراین برای حل آن در ابعاد بزرگ و تعداد رخداد بالا، باید از الگوریتم‏های ابتکاری و فراابتکاری (فرا مکاشفه‌ای) استفاده کرد.