ترجمه فارسی مقاله رویه حافظه تطبیقی ​​برای حل مشکل مسیریابی خودرو در دنیای واقعی

چکیده

Logistics and transport are core of many industrial and business processes. One of the most promising segments in the field is optimisation of vehicle routes. Scientific effort is focused primarily on algorithms developed in simplified environment and cover a fraction of real industrial application due to complex combinatorial algorithms required to be promptly executed. In this paper, a real-world case study in all its complexity is observed and formulated as a real-world vehicle routing problem (VRP). To be able to computationally cope with the complexity, we propose a new procedure based on adaptive memory metaheuristic combined with local search. The initial solution is obtained with Clarke-Wright algorithm extended here by introducing a dropout factor to include a required stochastic attribute. The procedure and corresponding algorithms are tested on the existing benchmarks and further on the real industrial case study, which considers capacities, time windows, soft time windows, heterogeneous vehicles, dynamic fuel consumption, multi-trip delivery, crew skills, split delivery and, finally, time-dependent routes as the most significant factor. In comparison with the current state-of-the-art algorithms for vehicle routing problem with a large number of constraints, we obtain an average savings of 2.03% in delivery time and 20.98% in total delivery costs.

چکیده به فارسی (ترجمه ماشینی)

تدارکات و حمل و نقل اصلی بسیاری از فرآیندهای صنعتی و تجاری است.یکی از امیدوار کننده ترین بخش های این زمینه بهینه سازی مسیرهای وسیله نقلیه است.تلاش علمی در درجه اول روی الگوریتم های توسعه یافته در محیط ساده متمرکز شده و بخشی از کاربردهای صنعتی واقعی را به دلیل الگوریتم های پیچیده ترکیبی مورد نیاز برای اجرای سریع انجام می دهد.در این مقاله ، یک مطالعه موردی در دنیای واقعی در تمام پیچیدگی های آن مشاهده و به عنوان یک مشکل مسیریابی وسایل نقلیه در دنیای واقعی (VRP) تدوین و فرموله شده است.برای اینکه بتوانیم از لحاظ محاسباتی با پیچیدگی کنار بیاییم ، ما یک روش جدید را بر اساس حافظه تطبیقی متهوریستی همراه با جستجوی محلی پیشنهاد می کنیم.راه حل اولیه با الگوریتم Clarke-Wright که در اینجا با معرفی یک عامل ترک تحصیل گسترش یافته است ، به دست می آید تا یک ویژگی تصادفی مورد نیاز را شامل شود.این روش و الگوریتم های مربوطه بر روی معیارهای موجود و بیشتر در مورد مطالعه موردی صنعتی مورد آزمایش قرار می گیرند ، که ظرفیت ها ، ویندوزهای زمان ، پنجره های زمان نرم ، وسایل نقلیه ناهمگن ، مصرف سوخت پویا ، تحویل چند قدم ، مهارت های خدمه ، تحویل تقسیم و ، را در نظر می گیرد.سرانجام ، مسیرهای وابسته به زمان به عنوان مهمترین عامل.در مقایسه با الگوریتم های فعلی پیشرفته برای مشکل مسیریابی وسیله نقلیه با تعداد زیادی محدودیت ، ما به طور متوسط پس انداز 2.03 ٪ در زمان تحویل و 20.98 ٪ در کل هزینه های تحویل را بدست می آوریم.