توصيفگر ها :
مسيريابي وسائط نقليه , مسيريابي دوسطحي , مسيريابي اتوبوس مدرسه , برنامه‌ريزي عددصحيح مختلط , الگوريتم فراابتكاري
چكيده فارسي :
حمل و نقل يكي از مسائل موجود در زنجيره تأمين محسوب مي‌شود. در حمل و نقل شهري محدوديت‌هايي ترافيكي از يك سو و از سوي ديگر وجود قوانين و مقررات محدود كننده براي تردد وسايل نقليه بزرگ در سطح شهر ، سبب توسعه استفاده از رويكرد مسيريابي وسيله نقليه دو سطحي شده است. در اين پژوهش يك مدل رياضي جديد دو هدفه براي مسئله مسيريابي اتوبوس مدرسه دو سطحي باز با در نظر گرفتن امكان انتخاب ايستگاه‌هاي دانش‌آموزان ارائه شده است. توابع هدفه ارائه شده شامل كمينه‌سازي كل مسافت طي شده توسط وسائط نقليه در هر دو سطح و كمينه‌سازي كل مسافت پياده‌روي دانش‌آموزان تا رسيدن به ايستگاه‌هاي تخصيص يافته است. وسائط نقليه سطح اول داراي ظرفيت بيشتري نسبت به وسائط نقليه سطح دوم هستند. در سطح اول امكان بخش‌بندي براي ايستگاه‌هاي مياني وجود دارد. باتوجه به اينكه در هر ايستگاه مياني ممكن است تعداد دانش‌آموز تخصيص يافته بيش از ظرفيت وسائط نقليه سطح يك باشد، اين امكان وجود دارد كه هر ايستگاه مياني توسط بيش از وسيله نقليه بازديد شود. باتوجه به NP-Hard بودن مسئله مطرح شده، به منظور حل مسئله در ابعاد بزرگ، يك الگوريتم پيشنهادي مبتني بر PESA II تركيبي با الگوريتم LNS ارائه گرديده است. به منظور بررسي عملكرد الگوريتم پيشنهادي در ابعاد كوچك، نتايج با رويكرد محدوديت اپسيلون اصلاح شده مقايسه شده است. در ابعاد بزرگ نيز نتايج با الگوريتم NSGA II مورد مقايسه قرار گرفته است. در الگوريتم فراابتكاري پيشنهادي به منظور يافتن جواب اوليه مناسب سه الگوريتم ابتكاري براي مسئله پيشنهاد شده است. براي بررسي عملكرد الگوريتم پيشنهادي در ابعاد بزرگ، 6 معيار ميانگين فاصله از جواب ايده‌آل، تعداد نقاط پارتو، زمان حل، شاخص پوشش و توزيع، ميزان كارايي جواب تابع هدف اول و ميزان كارايي جواب تابع هدف دوم در نظر گرفته شده است. در معيار زمان حل الگوريتم PESA II-LNS به ميزان 4 درصد عملكرد بهتري نسبت به الگوريتم NSGA II داشته است. در معيار ميانگين فاصله از جواب ايده‌آل نيز به طور كلي الگوريتم PESA II-LNS، 12 درصد بهتر از NSGA II بوده است. در شاخص پوشش و توزيع الگوريتم PESA II-LNS ، 61 درصد بهتر از الگوريتم NSGA II عمل كرده است. مقايسه نتايج نشان دهنده عملكرد مناسب الگوريتم پيشنهادي است.
چكيده انگليسي :
Transportation is one of the issues in the supply chain. In urban transportation, traffic restrictions on the one hand and the presence of restrictive rules and regulations for the traffic of large vehicles in the city have led to the development of the two-echelon vehicle routing approach. In this research, a new two-objective mathematical model is presented for the open two- echelon school bus routing problem, taking into account the possibility of choosing students' stations. The presented objective functions include the minimization of the total distance traveled by vehicles on both levels and the minimization of the total walking distance of students to reach the assigned stations. First level vehicles have more capacity than second level vehicles. In the first level, there is the possibility of segmentation for intermediate stations. Considering that the number of students assigned to each intermediate station may exceed the capacity of level one vehicles, it is possible that each intermediate station will be visited by more than one vehicle. Due to the NP-Hardness of the proposed problem, in order to solve the problem in large dimensions, a proposed algorithm based on PESA II combined with the LNS algorithm has been presented. In order to check the performance of the proposed algorithm in small dimensions, the results have been compared with the modified epsilon constraint approach. In large dimensions, the results have been compared with the NSGA II algorithm. In the proposed meta-heuristic algorithm, three heuristic algorithms are proposed for the problem in order to find the appropriate initial solution. To check the performance of the proposed algorithm in large dimensions, 6 criteria of the average distance from the ideal solution, the number of Pareto points, the solution time, the hyper volume index, the efficiency of the solution of the first objective function and the efficiency of the solution of the second objective function have been considered. In terms of solving time, the PESA II-LNS algorithm has performed 4% better than the NSGA II algorithm. In the criterion of the average distance from the ideal solution, the PESA II-LNS algorithm is generally 12% better than the NSGA II. In the coverage and distribution index of the PESA II-LNS algorithm, it has performed 61% better than the NSGA II algorithm. Comparing the results shows the proper performance of the proposed algorithm
