توصيفگر ها :
مسيريابي سبز وسيله نقليه , مسيريابي كاميون و پهپاد , مسيريابي وسيله نقليه با پهپاد , الگوريتم جستجوي همسايگي بزرگ تطبيقيافته
چكيده فارسي :
امروزه اهميت مسائل زيستمحيطي بر كسي پوشيده نيست و به يكي از دغدغههاي اصلي زندگي بشر تبديل شده است. افزايش مصرف سوختهاي فسيلي و در پي آن گازهاي گلخانهاي سبب افزايش دماي كره زمين و آلودگي جو ميگردد. در اين ميان حملونقل سهم قابل توجهي از انتشار گازهاي گلخانهاي را به خود اختصاص ميدهد. مسيريابي سبز وسيله نقليه از جمله مسائلي است كه در اين راستا حائز اهميت بوده و ميتواند در عين توجه به هزينههاي سيستم حملونقل به جنبههاي زيستمحيطي نيز توجه داشته باشد. سبز بودن در مسائل مسيريابي به جنبههاي گوناگوني برميگردد كه يكي از مهمترين آنها بهكارگيري ناوگانهاي حملونقلي است كه از سوختهاي جايگزين استفاده ميكنند. پهپادها از ديگر وسايل حملونقلي هستند كه امروزه در زمينههاي مختلف از جمله لجستيك و تحويل سفارش به دليل هزينههاي عملياتي كمتر و سرعت تحويل سفارشها مورد توجه قرار گرفتهاند. امروزه شركتهاي لجستيكي بسياري در بهكارگيري پهپادها قدم برداشتهاند كه آمازون از اولين آنها ميباشد. محدوديت ظرفيت باتري و مدت زمان پرواز همواره از محدوديتهاي اصلي در استفاده از پهپادها بوده است. در راستاي حل اين محدوديت استفاده از يك وسيله نقليه پشتيبان كه پهپاد را در مسير با خود حمل كرده و در خلال مسير براي مشترياني كه در محدوده پروازي پهپاد قرار دارند بهكار گيرد پيشنهاد ميشود. پژوهش حاضر با عنوان مسيريابي سبز كاميون و پهپاد با بهكارگيري يك سيستم تركيبي كاميون و پهپاد كه كاميون از سوختهاي جايگزين استفاده نموده و مجهز به يك پهپاد است، به تحويل سفارشهاي مشتريان ميپردازد. به دليل عدم وفور ايستگاههاي سوخت جايگزين حتي در كشورهاي پيشرفته، برنامهريزي مصرف سوخت و در صورت نياز اقدام براي سوختگيري مجدد در طي مسير كاميون از موضوعات اساسي در اين مسئله ميباشد كه براي اين منظور يك رويكرد ابتكاري بازگشتي و يك رويكرد دقيق توسعه داده شده است. براي مسئله جاري در اين پژوهش يك مدل برنامهريزي رياضي عدد صحيح مختلط ارائه شده است، كه براي حل نمونهها با ابعاد كوچك و با استفاده از حلكننده CPLEX بهكار گرفته ميشود. با توجه به پيچيدگي مسئله، مدل رياضي براي حل نمونههاي بزرگ كارا نبوده و بهمنظور حل مسئله در ابعاد بزرگ يك الگوريتم جستجوي همسايگي بزرگ تطبيقيافته توسعه داده شده و طي هشت رويكرد مختلف بهكار گرفته شده است. نتايج رويكردهاي مختلف الگوريتم در ابعاد كوچك با خروجي مدل برنامهريزي رياضي مقايسه شده و الگوريتم در تمامي نمونهها يا به جواب بهينه رسيده و يا به جواب بهتر از مدل برنامهريزي رياضي همگرا شده است. در اجراي نمونههاي با ابعاد بزرگ نيز الگوريتم كارا واقع گرديده و بهطور متوسط 25/7% بهبود در جواب اوليه ايجاد شده است.
چكيده انگليسي :
Nowadays, the importance of environmental issues is undeniable and has become one of the main concerns of human life. The increase in fossil fuel consumption and the resulting greenhouse gases lead to global warming and atmospheric pollution. Transportation accounts for a significant portion of greenhouse gas emissions. The green vehicle routing problem is a critical issue in this context, balancing transportation system costs with environmental considerations. Greenness in routing problems relates to various aspects, one of the most important being the use of alternative fuel vehicles. Drones are another transportation means that have recently garnered attention in logistics and order delivery due to lower operational costs and faster delivery times. Many logistics companies, including Amazon, have begun employing drones. However, battery capacity and flight duration limitations are significant constraints in using drones. To address these limitations, a support vehicle carrying the drone and deploying it for customers within the drone's flight range is proposed. The present research, titled green truck and drone routing problem explores a hybrid truck-drone delivery system where the truck, powered by alternative fuels and equipped with a drone, is used to deliver customer orders. Given the scarcity of alternative fuel stations, even in advanced countries, fuel consumption planning and refueling, if necessary, are crucial aspects of this issue and for this purpose a recursive heuristic algorithm and an exact approach have been developed. A mixed-integer mathematical programming model has been proposed for the current problem, which is used to solve small-scale instances using CPLEX solver. Due to the complexity of the problem, the mathematical model is not efficient for solving large-scale instances. Therefore, an adaptive large neighborhood search algorithm has been developed and applied in eight different approaches to solve large-scale problems. The results of various algorithm approaches were compared with the output of the mathematical programming model in small-scale instances. The algorithm either achieved the optimal solution or converged to a better solution than the mathematical model in all instances. The algorithm also proved effective in solving large-scale instances, achieving an average improvement of 25.7% in the initial solution.