مساله مسیریابی وسایل نقلیه چندقرارگاهی با پنجره‌های زمانی و تاریخ‌های انتشار

این مطالعه به بررسی مساله مسیریابی وسایل نقلیه چندقرارگاهی با پنجره‌های زمانی و تاریخ‌های انتشار می‌پردازد که یک مشکل عملی در عملیات‌های توزیع مایل آخر است. هدف از این مساله طراحی مجموعه‌ای از سفرها برای ناوگان وسایل نقلیه عرضه‌شده توسط ایستگاههای مختلف برای به حداقل رساندن کل زمان سفر است. برخی ملاحظات واقع گرایانه مانند پنجره‌های زمانی مشتریان و تاریخ انتشار بسته‌های مشتریان را مد نظر قرار می‌دهد. مساله به صورت یک مدل برنامه‌ریزی عدد صحیح مختلط فرموله شده‌است. یک الگوریتم ترکیبی بهینه‌سازی ازدحام ذرات و یک الگوریتم ژنتیک ترکیبی برای حل این مساله توسعه داده شده‌اند. آزمایش‌های عددی گسترده‌ای برای تایید کارایی مدل پیشنهادی و کارایی روش‌های حل پیشنهادی انجام شده‌است. نتایج تجربی نشان می‌دهد که الگوریتم های پیشنهادی ما می‌توانند راه‌حل‌های نزدیک به بهینه برای نمونه‌های مساله در مقیاس کوچک به دست آورند و برخی از نمونه‌های بزرگ را با بیش از ۲۰۰ مشتری، ۲۰ ایستگاه و ۴۰ وسیله نقلیه (حامل) در زمان محاسباتی معقول حل کنند.

Highlights•A multi-depot multi-trip vehicle routing problem with time windows and release dates.•An MIP model with the objective of minimizing the total traveling and service time.•Solve some large-scale instances with up to 200 customers, 20 depots and 40 vehicles.AbstractThis study investigates a multi-depot multi-trip vehicle routing problem with time windows and release dates, which is a practical problem in the last mile distribution operations. This problem aims to design a set of trips for the fleet of vehicles supplied by different depots for minimizing total traveling time. It addresses some realistic considerations, such as the customers’ time windows and the release date of customers’ packages. The problem is formulated as a mixed integer programming model. A hybrid particle swarm optimization algorithm and a hybrid genetic algorithm are developed to solve this problem. Extensive numerical experiments are conducted to validate the effectiveness of the proposed model and the