مطالب مرتبط با کلید واژه " مسیریابی وسایل نقلیه "


۱.

مسیریابی وسایل نقلیه در لجستیک معکوس با تقسیم تقاضای مشتریان و بهینه سازی مصرف سوخت

کلید واژه ها: مصرف سوختلجستیک معکوسمسیریابی وسایل نقلیهلجستیک سبزجمع آوری تقسیم پذیر

حوزه های تخصصی:
تعداد بازدید : ۳۹۴ تعداد دانلود : ۱۵۴
یکی از مباحث مهم در سیستم های حمل ونقل و لجستیکی مسأله مسیریابی وسایل نقلیه می باشد. از طرفی در سال های اخیر به علت افزایش نگرانی های زیست محیطی، مسائل اقتصادی و فشارهای قانونی، توجه خاصی به لجستیک سبز و لجستیک معکوس شده است. در این راستا ما در این تحقیق مسأله مسیریابی وسایل نقلیه را با هدف بهینه سازی مصرف سوخت در امر جمع آوری کالاها در لجستیک معکوس بررسی می نماییم به طوری که جمع آوری کالاها از مشتریان به طور تقسیم پذیر ممکن است. برای این مسأله یک مدل برنامه ریزی خطی عدد صحیح آمیخته پیشنهاد گردیده است. همچنین به منظور اعتبارسنجی مدل ارائه شده تعدادی مثال نمونه تولید گردیده و با نرم افزار GAMS حل شده است.
۲.

مسیر یابی– مکان یابی مواد خطرناک با در نظر گرفتن شاخص ریسک در شبکه هاب با استفاده از الگوریتم های فراابتکاری

تعداد بازدید : ۰ تعداد دانلود : ۰
مواد خطرناک، موادی هستند که به دلیل خواص شیمیایی و فیزیکی خود، ریسک قابل توجه ای بر ایمنی مردم و محیط زیست تحمیل می کنند. مسیریابی حمل و نقل این گونه مواد پیچیدگی های بیشتری نسبت به مواد معمولی دارد. تلفیق دو موضوع مساله مکان یابی و مساله مسیریابی، سیستم یکپارچه ای به نام مساله مکان یابی مسیریابی را به وجود می آورد. این گونه مسائل به تعیین همزمان تعداد و مکان بهینه تسهیلات و همچنین تعداد بهینه وسایل نقلیه و مسیر آنها می پردازد. در این تحقیق هدف طراحی یک شبکه برای حمل و نقل مواد خطرناک بوده و دربرگیرنده سطوح تامین، توزیع (هاب) و مشتری می باشد. از این رو مدل ریاضی به منظور کمینه سازی هزینه ها و ریسک به صورت توأمان ارایه شده است. کالای خطرناک از تامین کنندگان به هاب ها ارسال می گردد و از طریق مسیریابی توسط حمل و نقل جاده ای به مشتریان تحویل می گردد. هاب ها در مدل پیشنهادی مکان یابی می گردند. جهت اعتبارسنجی مدل، کد در نرم افزار GAMS تهیه شده و برای حل دقیق، مسائل نمونه ای با ابعاد متنوع به شکل تصادفی تولید گردید. بدین منظور الگوریتمی طراحی و در نرم افزار Matlab نوشته شد. با توجه به NP-Hard بودن مسئله، یک الگوریتم ترکیبی مبتنی بر شبیه سازی تبرید و الگوریتم ژنتیک برای حل در ابعاد بزرگ ارائه و در پایان نتایج حاصل از حل دقیق با الگوریتم پیشنهادی مقایسه گردید.