پنجره زمانی

در این مقاله، یک مدل برنامه‌ریزی خطی - عدد صحیح از مسأله مسیریابی وسایط نقلیه حمل برگشتی با پنجره زمانی و ظرفیت1 (CVRPBTW) ارایه می‌شود. در این مدل یک ناوگان ثابت غیر یکنواخت با تعداد ثابتی از هر نوع ماشین با هزینه و ظرفیت‌های متفاوت برای هر یک در اختیار قرار دارد. هدف کلی کمینه کردن هزینه ناوگان، کل مسافت سفرها و یا مدت زمان آن است. مدل پیشنهادی قادر است مسیرهایی با حداقل تعداد وسیله نقلیه، حداقل ظرفیت بیکار و حداقل زمان بکارگیری آنها، برای سرویس‌دهی به کل مشتریان (گره‌ها) ایجاد کند. برای حل مدل ارائه شده، یک الگوریتم فراابتکاری مبتنی بر بازپخت شبیه‌سازی شده2 (HSA) پیشنهاد می‌شود که جواب‌های خوبی در مدت زمان مناسب ایجاد می‌کند. تعدادی از مسائل آزمایشی در ابعاد کوچک و بزرگ حل و سپس نتایج محاسباتی آن ارائه می‌شود. در خاتمه عملکرد الگوریتم پیشنهادی در صنعت جمع‌آوری پسماند و زباله در یک ناحیه پایلوت از شهر تهران مورد بررسی قرار می‌گیرد. واژه‌های کلیدی:مسأله مسیریابی وسیله نقلیه، حمل برگشتی، پنجره زمانی، مدیریت پسماند، بازپخت شبیه‌سازی شده

این مقاله مسأله زمانبندی تولید و تحویل را با هم درنظرمیگیرد و سعی در یکپارچهساازی ایان دو مساأله دارد سفارش خردهفروشان شامل انواع مختلف محصولات بوده که در یک مرکز توزیع کنناده پاردازش مای شاوند پس از تکمیل سفارش در این مرکز، محصولات در پنجره زمانی به خردهفروش تحویل داده مای شاود، در غیار این صورت مرکز توزیعکننده باید جریمه انحراف از پنجره زمانی را به خردهفروش بپردازد هدف از حال ایان مسأله تعیین توالی تولید، نیاز خردهفروش به وسیله نقلیه ناهمگن، ترتیب ملاقات خرده فروشان با توجه به پنجره زمانی تحویل، میباشد در این مقاله، یک مدل برنامه ریازی غیرخطای عادد صاحیت مخاتلئ اراهاه شاده اسات بطوریکه هزینه ی کل شامل هزینه مسیریابی، هزینه ثابت وسیله نقلیه و هزیناه جریماه انحاراف از پنجاره زماانی کمینه گردد برای حل مدل اراهه شده در این مقاله از دو رویکرد حلکننده CPLEX نرم افزار GAMS-24-1 و الگوریتم آزادسازی لاگرانژ استفاده شده است در ابتادا باا اساتفاده از نموناه م اال هاای متفااوت کاارایی الگوریتم آزادسازی لاگرانژ در اندازههای کوچک اثبات شده و جهت به دسات آوردن یاک حال بهیناه قابال قبول در اندازههای بزرگ در یک بازه زمانی قابل قبول از این الگوریتم استفاده میشود

در عصر حاضر، صنعت گردشگری به عنوان یکی از مؤلفه های توسعه اقتصادی از اهمیت بالایی در بسیاری از کشورها برخوردار است. از طرف دیگر، با رشد فناوری اطلاعات و ارتباطات (فاوا)، با رویکرد گردشگری الکترونیک و گردشگری هوشمند، راه اندازی وب سایت ها و تولید نرم افزارهای موبایلی که به گردشگران در برنامه ریزی سفر (بر مبنای سلایق و ترجیحات شخصی یا گروهی آن ها، مشخصات جاذبه های گردشگری و وضعیت ترافیک شبکه معابر در یک مقصد گردشگری) کمک می کند، برای توسعه گردشگری و تقویت توان رقابتی مقاصد گردشگری، موردتوجه قرارگرفته است. از دیدگاه پژوهش عملیاتی، چالشِ برنامه ریزی سفر شخصی گردشگر، یک مسئله بهینه سازی به نام مسئله جهت یابی است که با مدل سازی و حل آن، برنامه سفر بهینه برای یک مقصد گردشگری شامل توالی بازدید برخی از نقاط جاذبه گردشگری طوری طراحی می شود که ضمن رعایت محدودیت های گوناگون، امتیاز کسب شده بیشینه گردد. این تحقیق با دیدگاهِ پژوهش عملیاتی ازنظر روش، توصیفی – تحلیلی و ازنظر هدف، توسعه ای است. در این مقاله یک روش فرا ابتکاری جستجوی محلی تکرارشونده، برای حل مسئله جهت یابی با وابستگی زمانی و پنجره های زمانی پیشنهادشده است. این الگوریتم حل بر مبنای تعدادی ساختار همسایگی خاص طراحی شده برای بهبود موضعی جواب عمل می کند که در مرحله جستجوی محلی آن از حرکت های درج، جابجایی و تعویض استفاده شده است. در این پژوهش، برای در نظرگیری شرایط تراکم و تأخیر ترافیک بر روی زمان سفر شبکه معابر، زمان سفر کمان های شبکه به صورت متغیر گسسته و تابعی از ساعت روز در نظر گرفته شده است. الگوریتم پیشنهادی در زبان برنامه نویسی C++ پیاده سازی شده و جهت ارزیابی کارایی آن، بر روی یک پایگاه داده واقعی از شهر شیراز (که از طریق مطالعات میدانی و کتابخانه ای جمع آوری شده است)، اجراشده است. بر اساس ارزیابی نتایج مطالعه موردی، کیفیت بالای جواب و زمان حل مناسب، از نقاط قوت روش پیشنهادی این تحقیق محسوب می گردد.

در این پژوهش، مدل ریاضی مسئله مسیریابی وسایل نقلیه برای پشتیبانی از یگان های نظامی، ارائه و حل می شود. برای ارائه این مدل، ابتدا معیارهای مختلف از پیشینه پژوهش مسائل مسیریابی وسایل نقلیه در حوزه نظامی، جنگ و بحران بررسی خواهد شد؛ سپس معیارهایی که برای پشتیبانی از یگان های نظامی مورد مطالعه مهم هستند، معرفی و مدل ریاضی مسئله بر پایه این معیارها ارائه می شود. از ویژگی های برجسته پژوهش جاری نسبت به پژوهش های مشابه، ملاحظه هم زمان پنج معیار مؤثر در پشتیبانی از یگان های این سازمان است که شامل «پنجره زمانی تحویل کالا به یگان ها، قابلیت برداشت و تحویل کالا در مسیر حمل ونقل جاده ای، ناهمگن بودن ناوگان وسایل نقلیه جاده ای، ضرورت ارسال کالا از چندین قرارگاه پشتیبانی و ضرورت حمل چند نوع کالا» است. ازآنجاکه این مسئله جزو مسائل بهینه سازی در خانواده مسائل NP-hard محسوب می شود، برای حل مدل از الگوریتم های GA، PSO و SA استفاده شد. به منظور اعتبارسنجی نیز نتایج این الگوریتم ها با نتایج حل دقیق با نرم افزار گمز مقایسه شدند که با مقایسه جواب ها و زمان حل، عملکرد مناسب الگوریتم ژنتیک پیشنهادی نشان داده شد؛ همچنین با تحلیل حساسیت پارامتر هزینه حمل ونقل و پارامتر تقاضای یگان ها میزان تأثیر آن ها در جواب نهایی بررسی شد.

حمل و نقل کالا از نقاط عرضه به مشتریان مختلف، یک وظیفه مهم در زنجیره تأمین است. در این حوزه، مسئله مسیریابی وسایل نقلیه از اهمیت ویژه ای برخودار است. در این مقاله مسئله مسیریابی وسایل نقلیه با در نظر گرفتن پنجره های زمانی با استفاده از مفهوم ناهمگونی ارائه شده است. در اینجا مفهوم ناهمگنی وسایل نقلیه مربوط به مالکیت ناوگان است و زمانی رخ می دهد که ناوگان خصوصی کافی در دسترس نبوده و شرکت مجبور به اجاره برخی وسایل نقلیه از سایر شرکت های باربری باشد. علاوه براین، برخلاف تلاش های قبلی، مدل پیشنهادی به دنبال حداقل سازی انرژی مصرفی است. در اینجا دو سناریو مورد بررسی قرار گرفته است و برای هریک یک مدل ریاضی چندهدفه پیشنهاد شده است. در سناریو اول، مسئله با در نظر گرفتن پنجره های زمانی بدون در نظر گرفتن مفهوم ناهمگنی و در سناریو دوم وجود وسایل نقلیه به صورت اجاره ای مورد توجه قرار گرفته است. بنابراین در سناریو دوم استراتژی تغییر ظرفیت ناوگان اجاره ای بر اساس مدل پیشنهادی مشخص خواهد شد. برای حل این مسئله، یک الگوریتم فراابتکاری ترکیبی بر مبنای الگوریتم های سیستم ایمنی مصنوعی بدن و ازدحام ماهی های مصنوعی پیشنهاد شده است. در نهایت نیز نتایج آن با نتایج حاصل از الگوریتم NSGAII روی مسائل با ابعاد مختلف مقایسه شده است. نتایج حاصل نشان می دهد که با در نظر گرفتن ناوگان اجاره ای در بخش عظیمی از هزینه ها و انرژی مصرفی صرفه جویی شده است. همچنین رویکرد پیشنهادی توانسته به عنوان یک سیستم تصمیم گیری پشتیبان برای بررسی استراتژی های ظرفیت شرکت های باربری مورد استفاده قرار گیرد.

اکثر مطالعات موجود در مسائل تصمیم گیری مساله را در محیطی از داده های قطعی فرض نموده اند و با توجه به اینکه عدم قطعیت در زنجیره ی تامین منجر به غیربهینه شدن تصمیماتی می گردد که با فرض قطعیت گرفته می شوند، لذا در این مقاله یک مدل فازی بر مبنای اعتبار برای مساله مسیریابی وسایل نقلیه با در نظر گرفتن گذاشت و برداشت همزمان و همچنین پنجره های زمانی (VRPSDPTW) ارائه می شود. هزینه اعزام وسایل نقلیه و پنجره های زمانی مشتریان در حالت عدم قطعیت و در قالب اعداد فازی ذوزنقه ای در نظر گرفته شده اند. همچنین از یک الگوریتم فراابتکاری ترکیبی با نام بهینه سازی ازدحام ذرات بهبود یافته (IPSO) برای حل مساله استفاده شده است. الگوریتم پیشنهادی ترکیبی از الگوریتم بهینه سازی ازدحام ذرات (PSO) و تکنیک های گذاشت و برداشت می باشد که موجب بهبود قابلیت جستجوی الگوریتم و همچنین حفظ تنوع جواب ها می گردد. در نهایت نیز برای نشان دادن کاربرد مدل ارائه شده در دنیای واقعی، به بررسی مساله توزیع محصولات لبنی توسط یک شرکت توزیع کننده بین مشتریان در استان فارس پرداخته ایم که نتایج محاسباتی نشان می دهد که توزیع کنندگان می توانند با استفاده از این شیوه، هزینه های عملیاتی شرکت را کاهش دهند.

پایش مؤثر و به موقع خشکسالی می تواند به توسعه سامانه های خشکسالی و مدیریت بهینه منابع آبی کمک کند. بنابراین، در این پژوهش وضعیت خشکسالی ایستگاه های سینوپتیک استان فارس (آباده، شیراز، فسا و لار) در مقیاس های زمانی مختلف (6،3، 9 و 12 ماهه) با استفاده از شاخص های بارش-تبخیر و تعرق (SPEI) و بارش استاندارد چند متغیره (MSPI) مورد بررسی قرار گرفت. در نهایت، به منظور بررسی روند شاخص های مورد بررسی از آزمون من-کندال استفاده شده است. بر اساس نتایج، در مقیاس های زمانی کوتاه مدت فراوانی دوره های خشک و مرطوب زیاد است. اما با افزایش مقیاس های زمانی، فراوانی دوره های خشک و مرطوب کاهش می یابد و تداوم آن ها افزایش پیدا می کند. از لحاظ شاخص SPEI در مقیاس زمانی 3 ماهه شدیدترین خشکسالی در ایستگاه آباده (20/5-) و شدیدترین ترسالی در ایستگاه شیراز (21/5) می باشد. در مقیاس زمانی 6 ماهه شدیدترین خشکسالی و ترسالی به ترتیب در ایستگاه های آباده (45/3-) و شیراز (10/3) مشاهده شد. در مقیاس زمانی 9 ماهه شدیدترین خشکسالی و ترسالی در ایستگاه لار به ترتیب با مقادیر 63/3- و 48/2 می باشد. همچنین در مقیاس 12 ماهه شدیدترین خشکسالی در ایستگاه شیراز (37/3-) و شدیدترین ترسالی در ایستگاه آباده (37/2) می باشد. تجزیه و تحلیل مؤلفه های اصلی سری زمانی SPI نشان داد که اولین مؤلفه اصلی (PC 1 ) می تواند درصد زیادی از تغییرات را در سری های زمانی SPI اصلی در تمام مناطق مورد مطالعه در این پژوهش، به خود اختصاص دهد. همچنین نتایج نشان داد که MSPI ها از نوسانات سری زمانیSPI  به ویژه در دوره های خشک و مرطوب طولانی مدت پیروی می کنند. به طوری که، دوره های خشک و مرطوب جزئی در دوره های خشک یا مرطوب شدید و طولانی، ممکن است توسط MSPI حذف شوند.