مدیریت زنجیره تأمین (Feb 2024)
مدل‌سازی چندهدفه مسیریابی سبز با استفاده از الگوریتم ترکیبی یادگیری ماشین حداکثری و برنامه‌ریزی ژنتیک
Abstract
حمل‌و‌نقل بخش قابل‌توجهی از تولید ناخالص ملی و مصرف محصولات نفتی هر کشوری را به خود اختصاص می‌دهد. در کشور ما با توجه به تحریم‌های سال‌های اخیر و عدم توسعه‌ی سامانه‌های حمل‌و‌نقل ریلی، هوایی و دریایی، استفاده از حمل‌و‌نقل جاده‌ای بیشتر شده است. حمل‌و‌نقل جاده‌ای بیشترین نقش را در تولید گازهای گلخانه‌ای نظیر کربن‌دی‌اکسید دارد. بااین‌حال حمل‌و‌نقل یکی از عناصر اصلی لجستیک بوده و مسئله‌ی مسیریابی وسایل نقلیه با درنظر گرفتن آلودگی از جمله مهم‌ترین مسائل در این حوزه است. بنابراین در این مقاله با درنظر گرفتن عواملی چون بار وسیله نقلیه، سرعت وسیله نقلیه، پارامترهای آلایندگی وسیله نقلیه نظیر ضریب بهره‌وری سوخت و موتور، شیب مسیر، تراکم رفت‌وآمد، سرعت و جهت باد، دمای هوا و جنس آسفالت به بهینه‌سازی هزینه‌های ناشی از مصرف سوخت و دستمزد راننده پرداخته شده است. همچنین با درنظر گرفتن تقاضا به صورت احتمالی و سامانه توزیع با جمع‌آوری و تحویل کالا، یک مدل ریاضی احتمالی عددصحیح آمیخته خطی به منظور کمینه‌سازی مجموع هزینه‌های ذکر شده ارائه گردیده است. استفاده از این مدل موجب تخمین دقیق‌تر هزینه‌های سامانه شده و منجر به تحلیل و برنامه‌ریزی بهتر برای سازمان‌ها می‌شود. باتوجه به اینکه مسئله‌ی مطرح شده از نوع مسائل با درجه سختی بالا می‌باشد، مسئله در ابعاد بزرگ با ترکیب دو الگوریتم فراابتکاری یادگیری ماشین حداکثری و برنامه‌ریزی ژنتیک حل شده است. با توجه به نتایج حاصل شده از محاسبات، الگوریتم ترکیبی توسعه یافته قابلیت تخمین جواب با دقت مناسبی را دارد و از سرعت عمل بالایی نسبت به الگوریتم‌های مشابه برخوردار است.
