The vehicle routing problem with time windows and simultaneous pick-ups and deliveries (VRPTWSPD) is one of the main distribution planning problems. VRPTWSPD aims to find the best distribution plan that minimizes the number of vehicle used and the total travelled distance. Due to the NP-Hard nature of the VRPTWSPD, practical large-scale instances cannot be solved to optimality within acceptable computational times. Therefore, it is necessary to develop approximation algorithms to tackle the VRPTWSPD as effectively as possible, as we try to do within the context of this study. Accordingly, a Grey Wolf Optimizer (GWO) algorithm is designed to solve the VRPTWSPD. The designed algorithm starts its search with a group of solutions constructed through the K-means algorithm. Additionally, the algorithm has been enhanced by incorporating the Variable Neighbourhood Search (VNS) algorithm as a local search algorithm. The performance evaluation tests of the developed GWO algorithm was done on the standard benchmark sets which is taken from the related literature. Computational results indicate that the proposed GWO algorithm has a satisfactory performance in solving VRPTWSPD instances.
Vehicle routing problem with pick-ups and deliveries and time windows Grey Wolf Optimizer algorithm K-means algorithm Variable Neighbourhood Search algorithm
Zaman pencereli ve toplamalı ve dağıtımlı araç rotalama problemi (ZPTDARP) ana dağıtım planlama problemlerinden biridir. ZPTDARP, kullanılan araç sayısını ve toplam seyahat mesafesini en aza indiren en iyi dağıtım planını bulmayı amaçlar. ZPTDARP’nin NP-Zor doğası nedeniyle, pratik büyük ölçekli örnekler, kabul edilebilir hesaplama süreleri içinde optimal olarak çözülemezler. Bu nedenle, bu çalışma kapsamında yapmaya çalıştığımız gibi, ZPTDARP’yi mümkün olduğunca etkin bir şekilde çözmek için yaklaşım algoritmaları geliştirmek gerekmektedir. Buna göre, ZPTDARP’yi çözmek için bir Gri Kurt Optimizasyon (GKO) algoritması tasarlanmıştır. Tasarlanan algoritma, aramaya K-ortalamalar algoritması aracılığıyla oluşturulan bir grup çözümle başlar. Ayrıca, yerel bir arama algoritması olarak Değişken Komşuluk Arama (DKAS) algoritması dahil edilerek algoritma geliştirilmiştir. Geliştirilen Gri Kurt Optimizasyon algoritmasının performans değerlendirme testleri, ilgili literatürden alınan standart kıyaslama setleri üzerinde yapılmıştır. Hesaplamalı sonuçlar, önerilen GKO algoritmasının ZPTDARP örneklerini çözmede tatmin edici bir performansa sahip olduğunu göstermektedir.
Zaman pencereli ve toplamalı ve dağıtımlı araç rotalama problemi gri kurt optimizasyon algoritması k-ortalamalar algoritması değişken komşuluk arama algoritması
Primary Language | English |
---|---|
Subjects | Industrial Engineering |
Journal Section | Research Articles |
Authors | |
Early Pub Date | August 11, 2023 |
Publication Date | August 31, 2023 |
Acceptance Date | May 1, 2023 |
Published in Issue | Year 2023 Volume: 34 Issue: 2 |