کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
4958873 | 1445458 | 2018 | 15 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
A column generation approach for the location-routing problem with time windows
ترجمه فارسی عنوان
روشی نسبی ستون برای مسئله مسیریابی موقعیت مکانی با پنجره های زمان
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
مشکل مسیریابی محل سکونت پنجره های زمان نسل ستون، شعبه و قیمت،
ترجمه چکیده
مشکل مسیر مسیریابی با پنجره های زمان شامل باز کردن زیر مجموعه از انبارها، اختصاص دادن مشتری به انبارها و تعیین مسیر در زمان های مجاز است، به طوری که مجموع انبار انبار، استفاده از وسایل نقلیه و هزینه های سفر به حداقل برسد. مشتریان باید فقط یک بار در طول زمان خود بازدید می کنند و ظرفیت های انبار و محدودیت های بار خودروها نقض نمی شود. به منظور یافتن راه حلی دقیق برای حل مشکل، پیشنهاد می کنیم الگوریتم شاخه و قیمت را بر اساس رویکرد پارتیشن بندی تنظیم کنیم. مشکل قیمت گذاری با استفاده از برنامه نویسی دینامیک حل می شود. ما چندین استراتژی برای بهبود مرزهای پایین و بالا و همچنین تکنیک های شتاب را برای تولید سریع ستون ها معرفی می کنیم. نتایج محاسباتی عملکرد بالاتر از روش پیشنهادی را در مجموعه ای از نمونه های کوچک و متوسط در ادبیات نشان می دهد و کارایی آن در حل موارد تولید شده اندازه بزرگ را نشان می دهد.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
علوم کامپیوتر (عمومی)
چکیده انگلیسی
The location-routing problem with time windows consists of opening a subset of depots, assigning customers to depots, and determining routes within allowable times such that the sum of depot opening, vehicle usage, and traveling costs is minimized. Customers have to be visited only once during their time windows and depot capacities and load limits of vehicles cannot be violated. In order to find the exact solution to the problem, we propose a branch-and-price algorithm based on set-partitioning approach. The pricing problem is solved using dynamic programming. We introduce several strategies to improve the lower and upper bounds as well as acceleration techniques to generate improving columns more rapidly. Computational results show the higher performance of the proposed method on a set of small and medium size instances in the literature and demonstrate its efficiency in solving generated large size instances.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers & Operations Research - Volume 90, February 2018, Pages 249-263
Journal: Computers & Operations Research - Volume 90, February 2018, Pages 249-263
نویسندگان
Mohammad Saleh Farham, Haldun Süral, Cem Iyigun,