شماره مدرك :
19959
شماره راهنما :
17234
پديد آورنده :
صابري، عليرضا
عنوان :

مسئله مسيريابي كمان ظرفيت‌دار دوره‌اي چندقرارگاهي با وجود تسهيلات مياني در بحث جمع‌آوري پسماند با درنظر گرفتن شرايط عدم قطعيت

مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
بهينه‌سازي سيستم‌ها
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
سال دفاع :
1403
صفحه شمار :
دوازده، 102ص. : مصور، جدول، نمودار
توصيفگر ها :
مسيريابي كمان , چندقرارگاهي , تسهيلات مياني , عدم قطعيت , مسيريابي چندسفره , برنامه‌ريزي جمع‌آوري پسماند , بهينه‌سازي استوار , جستجوي همسايگي بزرگ تطبيق يافته , جستجوي همسايگي بزرگ تطبيق يافته موازي
تاريخ ورود اطلاعات :
1403/08/29
كتابنامه :
كتابنامه
رشته تحصيلي :
مهندسي صنايع
دانشكده :
مهندسي صنايع و سيستم ها
تاريخ ويرايش اطلاعات :
1403/08/30
كد ايرانداك :
23084518
چكيده فارسي :
جمع‌آوري پسماند به‌عنوان يك خدمت شهري شامل هزينه‌هاي ثابت و متغير بالايي است و برنامه‌ريزي بهينه در جمع‌آوري، مديريت و دفع زباله‌هاي شهري يكي از مهم‌ترين راهبردهايي است كه مي‌تواند بهبودهاي متعددي را در هزينه و سلامت شهري حاصل نمايد. ازآنجايي‌كه بيشترين هزينه مديريت پسماند مربوط به جمع‌آوري و حمل آن است، بهبود در اين عمليات مي‌تواند به صرفه‌جويي مناسبي منجر شود. در اين پژوهش با در نظر گرفتن شرايط عدم قطعيت و همچنين چندقرارگاهي بودن ناوگان جمع‌آوري، مسئله جديدي بر پايه مسئله مسيريابي كمان ‌ظرفيت‌دار دوره‌اي با وجود تسهيلات مياني ارائه شده و يك مدل بهينه‌سازي استوار با هدف كمينه‌سازي مجموع هزينه‌هاي به‌‌كارگيري وسايل نقليه و هزينه عبور از اتصالات براي آن توسعه داده شده است. به‌منظور حل مسئله مورد بررسي در ابعاد كوچك از حل‌كننده CPLEX در نرم‌افزار بهينه‌سازي GAMS استفاده شده اما به‌دليل قرارگيري مسئله در دسته مسائل NP-hard، يك الگوريتم فراابتكاري مبتني بر الگوريتم جستجوي همسايگي بزرگ تطبيق يافته، تحت عنوان جستجوي همسايگي بزرگ تطبيق يافته موازي براي حل مسائل در ابعاد بزرگ مورد استفاده قرار گرفته است. به‌منظور بهبود عملكرد الگوريتم پيشنهادي، براي تنظيم پارامترهاي مورد استفاده در الگوريتم، از آزمون تاگوچي بهره گرفته شده است. در 7 نمونه از 10 نمونه مسئله با ابعاد كوچك كه جواب بهينه آن‌ها توسط حل‌كننده CPLEX به دست آمد، دو الگوريتم جستجوي همسايگي بزرگ تطبيق يافته و نسخه بهبوديافته موازي آن نيز به جواب بهينه دست يافتند و به ترتيب در سه نمونه ديگر جوابي با ميانگين خطاي 83/0 درصد و 53/0 درصد نسبت به جواب بهينه، توسط الگوريتم‌هاي پيشنهادي حاصل شد، در ابعاد بزرگ نيز 25 نمونه مسئله، مورد بررسي قرار گرفتند كه الگوريتم‌هاي پيشنهادي در اين نمونه‌ها به ترتيب داراي ميانگين خطاي 75/1 درصد و 05/0 درصد هستند. ميانگين مدت‌زمان اجراي الگوريتم پيشنهادي جستجوي همسايگي بزرگ تطبيق يافته موازي در ابعاد بزرگ برابر با 84/525 ثانيه است، با توجه به كيفيت جواب‌ها و همچنين مدت‌زمان اجرا مي‌توان نتيجه گرفت كه اين الگوريتم پيشنهادي قابليت استفاده در شرايط دنياي واقعي و برنامه‌ريزي جمع‌آوري پسماند توسط شهرداري‌ها را خواهد داشت.
چكيده انگليسي :
Urban waste collection is a municipal service associated with both fixed and variable costs. Optimizing the planning, collection, management, and disposal of urban waste is a critical strategy for reducing overall costs and improving public health. Given that waste collection and transportation constitute the most significant portion of waste management costs, improvements in these operations can lead to substantial savings. This research presents a novel optimization problem based on the Periodic Capacitated Arc Routing Problem with Intermediate Facilities (PCARPIF), considering uncertainty and a multi-depot fleet. A robust optimization model is developed to minimize the combined costs of vehicle deployment and link traversal. The CPLEX solver within the GAMS optimization software environment was employed to solve small-scale instances. However, due to the NP-hard nature of the problem, a metaheuristic algorithm based on Adaptive Large Neighbourhood Search (ALNS), termed Parallel Adaptive Large Neighbourhood Search (PALNS), was utilized for large-scale instances. To enhance the performance of the proposed algorithm, the Taguchi method was employed to tune its parameters. In 7 out of 10 small-scale instances where CPLEX obtained the optimal solution, both the ALNS and its parallel version also reached the optimal solution. In the remaining three instances, the proposed algorithms yielded solutions with average gap of 0.83% and 0.53% relative to the optimal solution, respectively. Additionally, 25 large-scale instances were examined, where the proposed algorithms achieved average relative gap of 1.75% and 0.05%, respectively. The average runtime of the PALNS for large-scale instances was 525.84 seconds. Considering the solution quality and computational time, the proposed PALNS algorithm demonstrates its applicability for real-world waste collection planning by municipal authorities.
استاد راهنما :
مهدي علينقيان
استاد داور :
رضا حجازي طاقانكي , مهدي ايران پور
لينک به اين مدرک :

بازگشت