Zaman pencereli çok araçlı dağıtım toplamalı rotalama problemi için gerçek değerli genetik algoritma yaklaşımı

Creative Commons License

KESKİNTÜRK T., Kiremitci B., Kiremitci S.

İstanbul Üniversitesi İşletme Fakültesi Dergisi, sa.2014, ss.391-403, 2014 (Hakemli Dergi)

Özet

Bu çalışmada; çok araçlı, dağıtım toplamalı, zaman pencereli rotalama problemlerinin, gerçek değerli kodlamalı genetik algoritma ile çözümü ele alınmıştır. Problemde rotalar, kapasite, zaman pencereleri, eşleşme ve öncelik kısıtları dikkate alınarak oluşturulmaktadır. Amaç fonksiyonu, toplam mesafenin minimizasyonu, araç sayısının minimizasyonu veya her ikisi birlikte olacak şekilde belirlenebilmektedir. Gerçek hayatta problemin geniş bir uygulama sahası olmasına rağmen araç rotalama literatüründe, problemin zorluğundan dolayı, çok fazla yayın yer almamaktadır. Çalışmamızda probleme özgün yeni bir gerçek değerli kodlamalı genetik algoritma geliştirilmiştir. Probleme ait değişkenler farklı bir yapıda, gerçek değerlerle kodlanmıştır. Böylelikle daha küçük boyutlu kromozomlarla, daha az değişkenle çözüm prosesi geliştirilmeye çalışılmıştır. Algoritma literatürdeki bir kısım problemler üzerinde denenmiş ve mevcut algoritmalar ile performans karşılaştırılması yapılmıştır.

The Multiple Vehicle Pickup and Delivery Problem with Time Windows (MV_PDPTW) which constitutes an important variant of the vehicle routing problems, deals with goods that have to be transported from origin to the destination points. In this problem, routes are designed in order to satisfy capacity, time windows, coupling and precedence constraints with the aim of minimization of total costs (which can be total distance, number of vehicles or both of them). Although many real life operations in logistics and transportation management can be modeled as MV_PDPTW, it has relatively less attention among vehicle routing literature because of it’s difficulty. In this paper we propose a real valued genetic algorithm approach to solve MV_PDPTW. Problem variables are presented by real valued chromosomes. By the this way we assume to use less genes which improve search process. Proposed genetic algorithm approach has been tested on available benchmark problem sets and has compared with three previous GA results.