ارائه مدل ریاضی و رویکرد حل ابتکاری مبتنی‌بر الگوریتم تولید ستون برای یک سیستم تحویل خودکار با درنظر گرفتن تأثیر باد

احمدی, محمد; ذگردی, سید حسام الدین; حسین زاده کاشان, علی

doi:10.22084/ier.2025.30415.2194

اخذ مجوز راه اندازی 5 عنوان نشریه ی جدید از وزارت علوم ، تحقیقات و فناوری

تعداد نشریات	22
تعداد شماره‌ها	485
تعداد مقالات	5,045
تعداد مشاهده مقاله	9,290,862
تعداد دریافت فایل اصل مقاله	6,135,328

	ارائه مدل ریاضی و رویکرد حل ابتکاری مبتنی‌بر الگوریتم تولید ستون برای یک سیستم تحویل خودکار با درنظر گرفتن تأثیر باد
نشریه پژوهش های مهندسی صنایع در سیستم های تولید
دوره 12، شماره 25، اسفند 1403، صفحه 121-135 اصل مقاله (890.26 K)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22084/ier.2025.30415.2194
نویسندگان
محمد احمدی¹؛ سید حسام الدین ذگردی^* ²؛ علی حسین زاده کاشان³
¹دانشجوی دکتری، گروه مهندسی صنایع، دانشکده مهندسی صنایع و سیستم‌ها، دانشگاه تربیت مدرس، تهران، ایران
²استاد گروه مهندسی صنایع ، دانشکده مهندسی صنایع و سیستم‌ها ، دانشگاه تربیت مدرس، تهران، ایران
³دانشیار گروه سیستم‌های اقتصادی‌ و اجتماعی، دانشکده مهندسی صنایع و سیستم‌ها، دانشگاه تربیت مدرس، تهران، ایران
چکیده
تحویل سریع و کارآمد کالا در بخش لجستیک آخرین مایل، یکی از چالش‌های کلیدی برای شرکت‌های تجارت الکترونیک است. با پیشرفت سیستم تحویل خودکار، تحویل کالا بااستفاده از آن‌ها به‌عنوان یک راهکار امیدبخش برای مقابله با چالش‌های لجستیک سنتی در آخرین مایل مطرح شده است. باتوجه‌به چالش‌های زیست‌محیطی و اجتماعی در این حوزه، ادغام پایداری در برنامه‌ریزی لجستیک از یک گزینه اختیاری به یک ضرورت تبدیل شده است. سیستم‌های تحویل خودکار به‌عنوان راهکاری بالقوه برای کاهش انتشار گازهای گلخانه‌ای و بهبود پایداری لجستیک آخرین مایل شناسایی شده‌اند. در این مطالعه، یک مدل ریاضی برای مسأله تحویل پهپادی چندانباره و چنددوره‌ای ارائه می‌کنیم که چنددوره‌ای بودن را درنظر گرفته و هدف آن بهینه‌سازی مسیرهای پهپادها از چند انبار در یک افق برنامه‌ریزی یک‌روزه یا شیفتی ضمن درنظر گرفتن تأثیر باد است. برای بهبود زمان محاسباتی، مدل ابتدا به‌صورت یک مسأله اصلی و یک زیرمسأله قیمت‌گذاری باز فرموله شده است تا بتوان از الگوریتم تولید ستون استفاده شود؛ سپس، یک الگوریتم برنامه‌ریزی پویا برای کاهش زمان محاسباتی زیرمسأله قیمت‌گذاری پیشنهاد شده است. برای ارزیابی عملکرد الگوریتم پیشنهادی، 120 نمونه تصادفی در 12 مجموعه مسأله مختلف تولید شده‌اند. درنهایت، مقایسه‌ای بین نتایج روش پیشنهادی و حل‌کننده سیپلکس انجام شده است تا عملکرد رویکرد پیشنهادی ارزیابی شود. نتایج نشان می‌دهند که الگوریتم ارائه‌شده قادر به دستیابی به جواب‌هایی با فاصله تا بهینگی کمتر از 10% است، درحالی‌که حل‌گر سیپلکس نمی‌تواند پاسخ‌هایی با اختلاف کمتر از 60% ارائه دهد.
کلیدواژه‌ها
مسیریابی وسایل؛ سیستم تحویل خودکار؛ تولید ستون؛ برنامه‌ریزی پویا؛ تاثیر باد

مراجع
Coppola, D. J. S. R. F., (2022). Annual retail e-commerce sales growth worldwide from 2017 to 2025, 22, 2022. https://www.statista.com/statistics/534123/e-commerce-share-of-retail-sales-worldwide/ حضرتی، ا.، مصلحی، ق.، رئیسی نافچی، م.، (2021). مسأله‌ یکپارچه‌ی دریافت، تحویل و بازگشت وسایل‌نقلیه با محدودیت‌های بارگذاری سه‌بعدی و پنجره‌ی زمانی نشریه پژوهش‌های مهندسی صنایع در سیستم‌های تولید، 8، 321-345. 10.22084/ier.2021.3926 Boysen, N., Fedtke, S., Schwerdfeger, S. J. O. S., (2021). Last-mile delivery concepts: a survey from an operational research perspective, 43, 1-58. نوروزی، ن.، صادق عمل نیک، م.، توکلی مقدم، ر.، (2017). کاهش انرژی مصرفی و زمان سفر در مساله مسیریابی وسائط نقلیه با در نظر گرفتن سرعت‌های سفر وابسته به زمان توسط الگوریتم رقابت استعماری %J نشریه پژوهش‌های مهندسی صنایع در سیستم‌های تولید، 4، 213-219. 10.22084/ier.2021.3926 Dablanc, L., Diziain, D., Levifve, H. J. E. t. r. r., (2011). Urban freight consultations in the Paris region, 3, 47-57. https://doi.org/10.1007/s12544-011-0049-2 Jiang, L., Mahmassani, H. S. J. T. R. R., (2014). City logistics: Freight distribution management with time-dependent travel times and disruptive events, 2410, 85-95. https://doi.org/10.3141/2410-10 Fan, W., Xu, H., Xu, X. J. C.-T. i. j. f. c., electrical, m. i., engineering, e., (2009). Simulation on vehicle routing problems in logistics distribution, 28, 1516-1531. 10.1016/j.trpro.2014.10.026 Murray, C. C., Chu, A. G., (2015). The flying sidekick traveling salesman problem: Optimization of drone-assisted parcel delivery, Transportation Research Part C: Emerging Technologies, 54, 86-109. https://doi.org/10.1016/j.trc.2015.03.005 Macrina, G., Di Puglia Pugliese, L., Guerriero, F., Laporte, G., (2020). Drone-aided routing: A literature review, Transportation Research Part C: Emerging Technologies, https://doi.org/10.1016/j.trc.2020.102762 Salama, M., Srinivas, S. J. T. R. P. C. E. T., (2020). Joint optimization of customer location clustering and drone-based routing for last-mile deliveries, Transportation Research Part C: Emerging Technologies, 114, 620-642. https://doi.org/10.1016/j.trc.2020.01.019 Moshref-Javadi, M., Lee, S., Winkenbach, M. J. T. R. P. E. L., Review, T., (2020). Design and evaluation of a multi-trip delivery model with truck and drones, Transportation Research Part E: Logistics and Transportation Review, 136, 101887. https://doi.org/10.1016/j.tre.2020.101887 Lei, D., Chen, X., (2022/09/01/ 2022). An improved variable neighborhood search for parallel drone scheduling traveling salesman problem, Applied Soft Computing, 127, 109416. https://doi.org/10.1016/j.asoc.2022.109416 Chang, Y. S., Lee, H. J., (2018/08/15/ 2018). Optimal delivery routing with wider drone-delivery areas along a shorter truck-route, Expert Systems with Applications, 104, 307-317. https://doi.org/10.1016/j.eswa.2018.03.032 Dorling, K., Heinrichs, J., Messier, G. G., Magierowski, S., (2017). Vehicle Routing Problems for Drone Delivery, IEEE Transactions on Systems, Man, and Cybernetics: Systems, 47, 70-85. 10.1109/TSMC.2016.2582745 Cheng, C., Adulyasak, Y., Rousseau, L.-M., (2020). Drone routing with energy function: Formulation and exact algorithm, Transportation Research Part B: Methodological, 139, 364-387. https://doi.org/10.1016/j.trb.2020.06.011 Rabta, B., Wankmüller, C., Reiner, G., (2018). A drone fleet model for last-mile distribution in disaster relief operations, International Journal of Disaster Risk Reduction, 28, 107-112. https://doi.org/10.1016/j.ijdrr.2018.02.020 Chowdhury, S., Shahvari, O., Marufuzzaman, M., Li, X., Bian, L., (2021). Drone routing and optimization for post-disaster inspection, Computers & Industrial Engineering, https://doi.org/10.1016/j.cie.2021.107495 Liu, Y., (2019). An optimization-driven dynamic vehicle routing algorithm for on-demand meal delivery using drones, Computers & Operations Research, 111, 1-20. https://doi.org/10.1016/j.cor.2019.05.024 Sajid, M., Mittal, H., Pare, S., Prasad, M., (2022/09/01/ 2022). Routing and scheduling optimization for UAV assisted delivery system: A hybrid approach, Applied Soft Computing, 126, 109225. https://doi.org/10.1016/j.asoc.2022.109225 Liu, C., Chen, H., Li, X., Liu, Z., (2021/04/01/ 2021). A scheduling decision support model for minimizing the number of drones with dynamic package arrivals and personalized deadlines, Expert Systems with Applications, 167, 114157. https://doi.org/10.1016/j.eswa.2020.114157 Boysen, N., Briskorn, D., Fedtke, S., Schwerdfeger, S. J. N., (2018). Drone delivery from trucks: Drone scheduling for given truck routes, Networks, 72, 506-527. https://doi.org/10.1002/net.21847 Karak, A., Abdelghany, K., (2019). The hybrid vehicle-drone routing problem for pick-up and delivery services, Transportation Research Part C: Emerging Technologies, 102, 427-449. https://doi.org/10.1016/j.trc.2019.03.021 Poikonen, S., Golden, B. J. I. J. o. C., (2020). The mothership and drone routing problem, INFORMS Journal on Computing, 32, 249-262. https://doi.org/10.1287/ijoc.2018.0879 Poikonen, S., Golden, B. J. C., Research, O., (2020). Multi-visit drone routing problem, Computers & Operations Research, 113, 104802. https://doi.org/10.1016/j.cor.2019.104802 Coelho, B. N. et al., (2017). A multi-objective green UAV routing problem, Computers & Operations Research, 88, 306-315. https://doi.org/10.1016/j.cor.2017.04.011 Cokyasar, T. J. P. C. S., (2021). Delivery drone route planning over a battery swapping network, 184, 10-16. https://doi.org/10.1016/j.procs.2021.03.013 Choi, Y., Schonfeld, P. M., "Optimization of multi-package drone deliveries considering battery capacity," in Proceedings of the 96th Annual Meeting of the Transportation Research Board, Washington, DC, USA, 2017, pp. 8-12. https://trid.trb.org/View/1439294 Dhein, G., Zanetti, M. S., de Araújo, O. C. B., Cardoso Jr, G., (2019). Minimizing dispersion in multiple drone routing, Computers & Operations Research, 109, 28-42. https://doi.org/10.1016/j.cor.2019.04.022 Shen, Y., Xu, X., Zou, B., Wang, H., (2020). Operating policies in multi-warehouse drone delivery systems, International Journal of Production Research, 59, 2140-2156. https://doi.org/10.1080/00207543.2020.1756509 Nishira, M., Ito, S., Nishikawa, H., Kong, X., Tomiyama, H., (2023). An Integer Programming Based Approach to Delivery Drone Routing under Load-Dependent Flight Speed, Drones, https://doi.org/10.3390/drones7050320 Radzki, G., Nielsen, I., Golińska-Dawson, P., Bocewicz, G., Banaszak, Z., (2021). Reactive UAV Fleet’s Mission Planning in Highly Dynamic and Unpredictable Environments, Sustainability, 13, 5228. https://doi.org/10.3390/su13095228 Radzki, G., Bocewicz, G., Wikarek, J., Nielsen, P., Banaszak, Z., "Multi Depot UAVs Routing Subject to Changing Weather and Time Windows Variation," in Conference on Automation, 2022, pp. 64-74: Springer. https://doi.org/10.1007/978-3-031-03502-9_7
آمار تعداد مشاهده مقاله: 28 تعداد دریافت فایل اصل مقاله: 14

سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب

پیوندهای مفید

اخبار و اعلانات

آمار

ارائه مدل ریاضی و رویکرد حل ابتکاری مبتنی‌بر الگوریتم تولید ستون برای یک سیستم تحویل خودکار با درنظر گرفتن تأثیر باد