![[09127409082]](https://barast.com/wp-content/uploads/2021/01/newlogo.png){kind=small}
ابزار پشتیبانی تصمیمگیری برای برنامهریزی حمل و نقل بار شهری مبتنی بر یک الگوریتم تکاملی چند هدفه
ما یک روش بهینهسازی مبتنی بر نسخه ترکیبی از یک الگوریتم تصمیمگیری چندهدفه تکاملی برای کاربرد آن در مسائل برنامهریزی حمل و نقل بار شهری ارائه میدهیم. این ابزار برای حل مسائل برنامهریزی یک شرکت توزیع کالا که بارهای کسری حجمی کوچک از غذاهای تازه را در برنامههای روزانه ارسال میکند، در نظر گرفته شده است. این شرکت دارای شبکهای از مراکز توزیع است که تعداد زیادی از مشاغل کوچک را در بوئنوس آیرس و اطراف آن تأمین میکند. عملگر نوترکیبی الگوریتم تکاملی مورد استفاده در اینجا به طور خاص برای این مسئله طراحی شده است. هدف آن گنجاندن استراتژیای است که محدودیتهایی مانند نزدیکی موقت، پنجره زمانی نزدیکی و اتصال را در نظر میگیرد تا عملکرد آن در مرحله خوشهبندی بهبود یابد. این نمایش امکان گنجاندن اطلاعات خاص در مورد نمونههای واقعی مسئله را فراهم میکند و از کنترل تطبیقی پارامترها در مرحله کالیبراسیون استفاده میکند. عملکرد بهینهساز پیشنهادی در برابر نتایج بهدستآمده توسط دو الگوریتم تکاملی، NSGA II و SPEA 2، که به طور گسترده در مسائل مشابه استفاده میشوند، آزمایش شد. ما از ابرحجم به عنوان معیاری برای همگرایی و پراکندگی جبهههای پارتو استفاده میکنیم. تحلیل آماری نتایج بهدستآمده با سه الگوریتم از آزمون مجموع رتبه ویلکاکسون استفاده میکند که نشان میدهد روش ما نتایج خوبی ارائه میدهد.
مقدمه
ابزارهای تصمیمگیری مبتنی بر الگوریتمهای الهامگرفته از زیست، در دهههای گذشته با موفقیت در لجستیک مورد استفاده قرار گرفتهاند. این ابزارها در زمینه حملونقل بار شهری (UFT) به طور مداوم بهبود یافتهاند. هدف همواره افزایش کارایی و رقابتپذیری شرکتها بوده است، هدفی که معمولاً به دلیل اتمیزه شدن بخش و پیچیدگی مدیریت لجستیک در این مرحله از زنجیرههای تأمین، با مشکل مواجه میشود. یک مسئله رایج، در نظر گرفتن نیازهای اشخاص ثالث در فرآیند تصمیمگیری است، زیرا عوامل خارجی در روابط با سایر عوامل ممکن است منجر به کاهش کیفیت و رقابتپذیری در تحویل کالا شود.
ما در اینجا به دنبال غلبه بر این محدودیتها با تغییر به یک رویکرد چندهدفه مشارکتی هستیم که منافع همه طرفهای درگیر در این فرآیند، از مدیران مراکز توزیع گرفته تا مشتریان نهایی را در نظر میگیرد. ما با توسعه یک نسخه ترکیبی از یک الگوریتم تکاملی چندهدفه، به مسئله یک شرکت که کالاهای تازه فاسدشدنی را از چندین مرکز توزیع تحویل میدهد و حجمهای کسری نسبتاً کمی را به تعداد زیادی از فروشگاههای مواد غذایی در بوئنوس آیرس و شهرستانهای تابعه آن حمل میکند، ادامه میدهیم.(منبع).