توسعه مدل بهینه مسیریابی وسایل نقلیه ناهمگن با قابلیت برداشت و تحویل هم زمان محصولات به مشتریان و تحت محدودیت پنجره زمانی

این مقاله به بررسی مساله مسیریابی وسایل نقلیه ناهمگن با پنجره زمانی به منظور برداشت و تحویل همزمان محصولات به مشتریان می‌پردازد. در این روش، وسایل نقلیه با سرعت و ظرفیت متفاوت برای تحویل محصولات استفاده شده‌اند. در این تحقیق، مدل‌های برنامه‌ریزی ریاضی با هدف کمینه‌سازی هزینه‌های مسیریابی وسایل نقلیه ناهمگن با درنظرگرفتن پنجره‌های زمانی هزینه برداشت تا تحویل محصول از مراکز مجاز آن به مشتری توسعه داده شده است. با توجه به np-hard بودن مساله مسیریابی در ابعاد بزرگ، برای حل این مساله از الگوریتم‌های ابتکاری و فراابتکاری استفاده شده است. براساس نتایج به‌دست آمده، از سه روش فراابتکاری جستجوی محلی تکرارشونده ils، الگوریتم ترکیبی ژنتیک و الگوریتم جستجوی شبکه متحرک خودکار ags استفاده شده است. نتایج محاسباتی نشان می‌دهد که کمترین هزینه از طریق اعزام 67 وسیله نقلیه مختلف جهت برداشت و تحویل چندگانه محصول به مشتری از طریق تقسیم شهر تهران به 16 ناحیه حاصل شده است. نتایج تحقیق نشان می‌دهد با اعزام و مسیریابی بهینه این تعداد وسیله نقلیه، مقدار هزینه‌های سیستم لجستیک نسبت به وضعیت موجود 38.58 درصد کاهش پیدا خواهد کرد. بر اساس نتایج محاسباتی، الگوریتم پیشنهادی قادر به مسیریابی بهینه وسایل نقلیه ناهمگن تحت محدودیت پنجره زمانی برای تحویل هم‌زمان محصولات است. 

optimization models for vehicle routing problems with simultaneous delivery and pickup under time window constraints

this paper investigates the problem of heterogeneous vehicle routing with a time window to simultaneously pick up and deliver products to customers. in this method, vehicles with different speeds and capacities have been used to deliver products. in this research, mathematical programming models have been developed to minimize the routing costs of heterogeneous vehicles by considering the time windows of the collection cost until the delivery of the product from its authorized centers to the customer. due to the np-hard nature of the routing problem on a large scale, heuristic and meta-heuristic algorithms have been used to solve this problem. based on the obtained results, three meta-heuristic methods of iterative local search ils, combined genetic algorithm, and automatic moving grid search algorithm (ags) have been used. the calculation results show that the lowest cost has been achieved by sending 67 different vehicles to pick up and deliver multiple products to the customer by dividing the city of tehran into 16 districts. the results of the research show that with the dispatch and optimal routing of this number of vehicles, the cost of the logistics system will decrease by 38.58% compared to the current situation. based on the computational results, the proposed algorithm can optimally route heterogeneous vehicles under the time window constraint for simultaneous delivery of products.