[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
برای نویسندگان::
آرشیو مجله و مقالات::
برای داوران::
تماس با ما::
امکانات پایگاه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
پایگاه های نمایه کننده







 
..
آمار سایت
تعداد مشاهده ی مقالات: 2791616

مقالات منتشر شده: 661
نرخ پذیرش: 73.6
نرخ رد: 17.63

میانگین دریافت تا تصمیم‌گیری اولیه: 5 تا 10 روز
میانگین دریافت تا پذیرش: 191 روز
____
..
:: دوره 12، شماره 4 - ( 3-1402 ) ::
دوره 12 شماره 4 صفحات 120-107 برگشت به فهرست نسخه ها
بهینه‌سازی دریافت و ارسال مرسولات پستی با استفاده از الگوریتم ژنتیک
محمدرضا جنیدی* ، جواد صابریان
چکیده:   (638 مشاهده)
افزایش جمعیت و رشد شهرنشینی در دهه‌­های اخیر مدیریت شهری را به چالش کشیده‌است و مسئله حمل‌­ونقل شهری یکی از موضوعات مهم در این زمینه است. بنابر اهمیت این موضوع و نقش مهم حمل و نقل کالا در اقتصاد، مسئله حمل­‌ونقل مرسوله‌­های پستی، موضوع این پژوهش است. بکارگیری روش‌­های قدیمی و تجربی منجر به افزایش طول مسیر دریافت و تحویل مرسوله‌ها می­شود که در نهایت منجر به افزایش هزینه­‌های مربوطه می­‌شود. بنابراین، نیاز است که این مسئله با روش‌­های علمی انجام شود و با بهینه­‌سازی بتوان هزینه­‌ها (و ترافیک شهری) را کاهش داد. در این پژوهش، به کمک الگوریتم­‌های فراابتکاری مسئله دریافت و تحویل مرسولات پستی بهینه‌­سازی شده‌است. در این پژوهش، از الگوریتم ژنتیک برای بهینه‌­سازی دریافت و تحویل مرسولات استفاده شده‌است و در آن ماتریس هزینه سفر بین نقاط دریافت و تحویل مبنای محاسبات است. در مدل پیشنهادی، چینش دریافت و تحویل مرسولات در هر کامیون پستی، در یک سطر قرار گرفته و پنج سطر که معرف پنج کامیون (مرکز پستی) هستند در یک ماتریس ایجاد شد. الگوریتم ژنتیک با ایجاد تصادفی این ماتریس‌­ها (کروموزوم­‌ها یا همان جواب‌­های مسئله) و اندازه‌­گیری تابع بهینگی (هزینه سفر) هر ماتریس، جواب نهایی را بهینه­ می‌­کند. برای پیاده‌­سازی ­شهر تهران به عنوان منطقه مطالعاتی انتخاب شد و داده‌­های شبکه معابر منطقه مطالعاتی به ابزار تحلیل­گر شبکه وارد شد. سپس، ماتریس­‌های هزینه سفر بین نقاط دریافت و تحویل و مراکز استقرار کامیون‌­ها از داده‌­ی نقاط 50 مرسوله استخراج و وارد مدل شد. پس از تولید خروجی که بهینه‌­ترین ترتیب نقاط تحویل و دریافت مرسولات است با اولین جواب تصادفی ساخته‌شده (به عنوان روش سنتی و برنامه‌­ریزی نشده) مقایسه شد. مجموع طول طی شده کلی برابر با 551689 متر است که از 720287 متر طول کلیِ جواب تصادفی اولیه 168598 متر کمتر است که نشان از صرفه‌­جویی 4/23 درصدی دارد.
شماره‌ی مقاله: 7
واژه‌های کلیدی: دریافت و تحویل مرسوله پستی، بهینه سازی، الگوریتم ژنتیک، حمل و نقل شهری
متن کامل [PDF 1272 kb]   (208 دریافت)    
نوع مطالعه: ترویجی | موضوع مقاله: سامانه های اطلاعات مکانی
دریافت: 1400/1/26
فهرست منابع
1. Beasley, D., Bull, D. R., & Martin, R. R. (1993). An overview of genetic algorithms: Part 1, fundamentals. University computing, 15(2), 56-69.
2. Benavent, E., Landete, M., Mota, E., & Tirado, G. (2015). The multiple vehicle pickup and delivery problem with LIFO constraints. European Journal of Operational Research, 243(3), 752-762. [DOI:10.1016/j.ejor.2014.12.029]
3. Dantzig, G., Fulkerson, R., & Johnson, S. (1954). Solution of a large-scale traveling-salesman problem. Journal of the operations research society of America, 2(4), 393-410. [DOI:10.1287/opre.2.4.393]
4. Dantzig, G. B., & Fulkerson, D. R. (1954). Minimizing the number of tankers to meet a fixed schedule. Naval Research Logistics Quarterly, 1(3), 217-222. [DOI:10.1002/nav.3800010309]
5. Davoodi, M., Malekpour Golsefidi, M., & Mesgari, M. S. (2019). A HYBRID OPTIMIZATION METHOD FOR VEHICLE ROUTING PROBLEM USING ARTIFICIAL BEE COLONY AND GENETIC ALGORITHM. International Archives of the Photogrammetry, Remote Sensing & Spatial Information Sciences. [DOI:10.5194/isprs-archives-XLII-4-W18-293-2019]
6. D'Souza, C., Omkar, S. N., & Senthilnath, J. (2012). Pickup and delivery problem using metaheuristics techniques. Expert Systems with Applications, 39(1), 328-334. [DOI:10.1016/j.eswa.2011.07.022]
7. Eksioglu, B., Vural, A. V., & Reisman, A. (2009). The vehicle routing problem: A taxonomic review. Computers & Industrial Engineering, 57(4), 1472-1483. [DOI:10.1016/j.cie.2009.05.009]
8. Fan, J. (2011). The vehicle routing problem with simultaneous pickup and delivery based on customer satisfaction. Procedia Engineering, 15, 5284-5289. [DOI:10.1016/j.proeng.2011.08.979]
9. Goksal, F. P., Karaoglan, I., & Altiparmak, F. (2013). A hybrid discrete particle swarm optimization for vehicle routing problem with simultaneous pickup and delivery. Computers & Industrial Engineering, 65(1), 39-53. [DOI:10.1016/j.cie.2012.01.005]
10. Golberg, D. E. (1989). Genetic algorithms in search, optimization, and machine learning. Addion wesley, 1989(102), 36.
11. Grimault, A., Bostel, N., & Lehuédé, F. (2017). An adaptive large neighborhood search for the full truckload pickup and delivery problem with resource synchronization. Computers & Operations Research, 88, 1-14. [DOI:10.1016/j.cor.2017.06.012]
12. Mao-xiang, L. A. N. G. (2005). Study on simulated annealing algorithm for vehicle routing problem with backhauls [J]. Journal of systems engineering, 5.
13. Masson, R., Lehuédé, F., & Péton, O. (2013). An adaptive large neighborhood search for the pickup and delivery problem with transfers. Transportation Science, 47(3), 344-355. [DOI:10.1287/trsc.1120.0432]
14. Naccache, S., Côté, J. F., & Coelho, L. C. (2018). The multi-pickup and delivery problem with time windows. European Journal of Operational Research, 269(1), 353-362. [DOI:10.1016/j.ejor.2018.01.035]
15. Sivanandam, S. N., & Deepa, S. N. (2007). Introduction to Genetic Algorithms. Springer, Berlin Heidelberg.
16. Tajik, N., Tavakkoli-Moghaddam, R., Vahdani, B., & Mousavi, S. M. (2014). A robust optimization approach for pollution routing problem with pickup and delivery under uncertainty. Journal of Manufacturing Systems, 33(2), 277-286. [DOI:10.1016/j.jmsy.2013.12.009]
17. Toth, P., & Vigo, D. (Eds.). (2014). Vehicle routing: problems, methods, and applications. Society for Industrial and Applied Mathematics. [DOI:10.1137/1.9781611973594]
18. Wang, H. F., & Chen, Y. Y. (2012). A genetic algorithm for the simultaneous delivery and pickup problems with time window. Computers & Industrial Engineering, 62(1), 84-95. [DOI:10.1016/j.cie.2011.08.018]
19. Van Zuylen, H. J., & Willumsen, L. G. (1980). The most likely trip matrix estimated from traffic counts. Transportation Research Part B: Methodological, 14(3), 281-293. [DOI:10.1016/0191-2615(80)90008-9]
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Joneidi M, Saberian J. Genetic Algorithm Optimization for Postal Items Pickup and Delivery. JGST 2023; 12 (4) : 7
URL: http://jgst.issgeac.ir/article-1-1020-fa.html

جنیدی محمدرضا، صابریان جواد. بهینه‌سازی دریافت و ارسال مرسولات پستی با استفاده از الگوریتم ژنتیک. علوم و فنون نقشه برداری. 1402; 12 (4) :107-120

URL: http://jgst.issgeac.ir/article-1-1020-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 12، شماره 4 - ( 3-1402 ) برگشت به فهرست نسخه ها
نشریه علمی علوم و فنون نقشه برداری Journal of Geomatics Science and Technology