کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6892654 1445454 2018 40 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Robust vehicle routing problem with hard time windows under demand and travel time uncertainty
ترجمه فارسی عنوان
مشکل رانندگی با رانندگی با پنجره های زمان سخت تحت تقاضا و عدم اطمینان زمان سفر
کلمات کلیدی
مسیریابی خودرو، پنجره های زمان عدم قطعیت، بهینه سازی قوی، متغیر سازگار متغیر،
ترجمه چکیده
با توجه به افزایش استراتژی های خدمات مشتری گرا طراحی شده برای دیدار با نیازهای پیچیده تر و دقیق تر مشتریان، جلسه یک پنجره برنامه ریزی شده تبدیل به بخش مهمی از طراحی مسیرهای وسیله نقلیه برای فعالیت های تدارکات شده است. با این حال، عمدتا عدم اطمینان در زمان سفر و تقاضای مشتری، اغلب به معنای وسیله نقلیه برای از دست دادن این پنجره های زمان، افزایش هزینه های خدمات و کاهش رضایت مشتری است. در تلاش برای پیدا کردن یک راه حل که نیازهای تدارکات در دنیای واقعی را برآورده می کند، ما مسائل مسیریابی خودرو را با پنجره های زمان سخت تحت شرایط تقاضا و عدم اطمینان زمانی سفر بررسی می کنیم. برای حل مشکل، ما یک مدل بهینه سازی قوی بر اساس مجموعه های نامطمئن وابسته به مسیر را ایجاد می کنیم. با این حال، با توجه به ماهیت پیچیده مشکل، مدل قوی تنها قادر به مقابله با موارد کوچک با استفاده از حل کننده های استاندارد می باشد. بنابراین، برای مقابله با نمونه های بزرگ، ما یک الگوریتم دو مرحلهای را بر اساس یک متغیر تطبیقی ​​متغیر جستجوی محرمانه طراحی می کنیم. مرحله اول الگوریتم تعداد کل مسیرهای مسیریابی را به حداقل می رساند در حالی که مرحله دوم فاصله کل سفر را به حداقل می رساند. آزمایش های محاسباتی وسیع با نسخه های اصلاح شده نمونه های سلیمان انجام می شود. نتایج عددی نشان می دهد که الگوریتم دو مرحله ای پیشنهادی قادر به یافتن راه حل های مطلوب برای نمونه های کوچک و راه حل های مناسب با کیفیت خوب برای موارد بزرگ با افزایش کمی به کل فاصله سفر و / یا تعداد وسایل نقلیه مورد استفاده است. تجزیه و تحلیل دقیق از نتایج همچنین نشان می دهد بینش مدیریتی برای تصمیم گیرندگان در صنعت تدارکات.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
چکیده انگلیسی
Due to an increase in customer-oriented service strategies designed to meet more complex and exacting customer requirements, meeting a scheduled time window has become an important part of designing vehicle routes for logistics activities. However, practically, the uncertainty in travel times and customer demand often means vehicles miss these time windows, increasing service costs and decreasing customer satisfaction. In an effort to find a solution that meets the needs of real-world logistics, we examine the vehicle routing problem with hard time windows under demand and travel time uncertainty. To address the problem, we build a robust optimization model based on novel route-dependent uncertainty sets. However, due to the complex nature of the problem, the robust model is only able to tackle small-sized instances using standard solvers. Therefore, to tackle large instances, we design a two-stage algorithm based on a modified adaptive variable neighborhood search heuristic. The first stage of the algorithm minimizes the total number of vehicle routes, while the second stage minimizes the total travel distance. Extensive computational experiments are conducted with modified versions of Solomon's benchmark instances. The numerical results show that the proposed two-stage algorithm is able to find optimal solutions for small-sized instances and good-quality robust solutions for large-sized instances with little increase to the total travel distance and/or the number of vehicles used. A detailed analysis of the results also reveals several managerial insights for decision-makers in the logistics industry.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers & Operations Research - Volume 94, June 2018, Pages 139-153
نویسندگان
, , , ,