روش های هدف کامپوزیتی برای بهینه سازی شبکه حمل و نقل

چکیده 

کلید واژه ها

1 – مقدمه 

2- محتوی و انگیزه ها 

3- بهینه سازی شبکه حمل و نقل 

جدول 1 : اهداف بررسی شده و راهبرد های بکار رفته برای حل مشکلات بهینه سازی چند هدفی در حوزه تحقیق عملیات ها 

4- روش های هدف ترکیبی 

شکل 1 : خلاصه راهبرد های چند هدفی که در جدول یک برای حل مشکلات بهینه سازی شبکه حمل و نقل چند هدفی ارایه شده است 

4-1 یکی سازی – Δ (DU ) 

4-3 انطباق تکراری 

4-4 حل افزایشی از طریق میزان سازی (IT) 

4-5 حل افزایشی از طریق حفظ (IR) 

4-6 رویکرد مبتنی بر QLF  تاگوچی 

4-7 روش چند هدفی خاص ACO 

5- آزمایشات 

جدول 2 : مجموعه سیستم کبونی مورچه برای کل موارد مسئله تست شده. 

جدول 3 : تفاوت درصد بین مشکلات تک هدفی و عملکرد های روش های هدف ترکیبی 

جدول 4 : رتبه بندی روش های هدف ترکیبی 

شکل 2 : نمایش بصری تفاوت درصد بین مشکلات تک هدفی و عملکرد های روش های هدف ترکیبی برای مشکل اصلی 

شکل 3 : نمایش بصری تفاوت درصد بین مشکلات تک هدفی و عملکرد های روش های هدف ترکیبی. مشکل به طور تصادفی مطابق با توزیع نرمال با انحراف میانه و استاندارد همانند مجموعه داده اصلی 

شکل 4 : نمایش بصری تفاوت بین مشکلات تک هدفی و عملکرد های روش های هدف ترکیبی. مشکل به طور تصادفی در جایی تولید می گردد که مشخصه ها در فواصل بین 0 و حد بالایی هستند که افزایش تصادفی بر روی حداکثر مقدار در داده اصلی می باشد. 

6-تحقیق آینده و بحث ها 

شکل 5 : ماتریس اطلاعات قیاسی برای مسئله حداقل سازی هزینه حمل  و نقل برای کل مسیر های احتمالی از منابع برای مقاصد. مقیاس رنگی از سبز به عنوان سوداور ترین مسیر تا قرمز به عنوان کم سود ترین مسیر می باشد. مسیر های خاکستری مسیر های غیر متصل هستند. 

شکل 6 : ماتریس اطلاعات قیاسی برای مسئله حداقل سازی زمان طی شده برای کل مسیر های احتمالی از منابع تا مقاصد. مقیاس رنگی از سبز به عنوان سوداور ترین مسیر تا قرمز به عنوان کم سود ترین مسیر می باشد. مسیر های خاکستری مسیر های غیر متصل هستند.

شکل 7 : طرح توزیع برای مسئله حداقل رسانی هزینه حمل و نقل. مقیاس رنگ از سبز به عنوان مسیر با یک ماشین ارسال شده ازطریق قرمز برای مسیر های بی نهایت استفاده شده. مسیر های خاکستری استفاده نمی شوند. 

شکل 8 : طرح توزیع برای مسئله حداقل سازی زمان طی شده. مقیاس رنگ از سبز به عنوان مسیر با تنها یک ماشین ارسال شده تا رنگ قرمز برای مسیر های بی نهایت استفاده شده 

شکل 9 : درصد میانه مسیر های بکار رفته در برابر کل مسیر های در دسترس برای کل مجموعه های داده و برای کل مسایل تک هدفی. داده ها از طریق دوره 12 ماهه میانگین گیری میش وند که هر ماه معرفی تقاضا فروشنده متفاوت است

7 – نتیجه گیری 

موضوع بهینه سازی شبکه حمل و نقل چند منظوره به تازگی در ادبیات تحقیق مورد توجه زیادی قرار گرفته است. استفاده از بهینه سازی شبکه حمل و نقل چند منظوره به یک راه حل دقیق و واقعی تر در مقایسه با سناریویی هایی منجر شده است که یک هدف در این سناریو ها در نظر گرفته شده است. هدف مقاله حاضر شناسایی نوید بخش ترین تکنیک بهینه سازی چند منظوره برای استفاده در حل مسائل بهینه سازی شبكه حمل و نقل در دنیای واقعی است. ما با بررسی جدید ترین تکنولوژی در بهینه سازی چند منظوره و شناسایی چهار استراتژی عمومی شروع می کنیم که ترکیب هدف، انطباق، حل افزایشی و اکتشاف نامیده شده اند. سپس هفت نمونه از این چهار استراتژی را اجرا کرده و تست می کنیم. رویکرد مرجح بر اساس ادبیات تحقیق در ترکیبی از اهداف در یک مدل بهینه سازی واحد قرار دارد (ترکیب هدف( a.k.a.. نتایج تجربی علی رغم محبوبیت اش به عنوان یک روش بهینه سازی چند منظوره و در زمینه حوزه مشکل که از طریق روش بدست امده اند به راه حل های کیفیت ضعیف در زمانی مقایسه با راهبرد های دیگر منجر شده اند . این امر به ویژه در مورد روش انطباق قابل توجه است که به طور قابل ملاحظه ای بهتر از ترکیب هدف عمل کرده اند.

وقتی شبکه های حمل و نقل بهینه می شوند چندین معیار را می توان به عنوان هدف بهینه سازی استفاده نمود که این معیار هاعبارتند از حداقل هزینه سفر، کوتاه ترین مسافت طی شده حداقل فهرست موجودی و بالاترین انعطاف پذیری شبکه. اغلب در مورد برنامه های کاربردی مبتنی بر صنعت مفید است که به طور خاص چندین هدف را با توجه به مدل در حال توسعه مورد توجه قرار دهیم که عملیات کسب و کار واقعی را دقیق تر نمایش می دهد. تعریف یک مدل ریاضی که چشم اندازی بیش از یک معیار را به خود اختصاص می دهد یک کار ساده نیست و اغلب شامل تعریف مدل های غیر خطی پیچیده است. علاوه بر این، اهداف چنین معیارها ممکن است به طور متقابل منحصر به فرد و نتیجه تعریف یک مدل چند هدف است که در عمل عمل نمی کند و یا همیشه نمی تواند به دست آید. روش غلطکی که از سنتز هدف به طور قابل توجهی بهتر است. ساخت یک تابع هدف کامپوزیتی می تواند روش ساده برای رسیدگی به مسئله بهینه سازی چند منظوره باشد که مجموع وزن دهی اهداف متضاد است( اسلام و ان جی 2010). این تکنیک در ادبیات تحقیق نیز به عنوان استراتژی مبتنی بر اولویت شناخته می شود و رویکردی است که اغلب از طریق مطالعات علمی پذیرفته شده اند. استراتژی مبتنی بر ترجیح یک مبادله است که رویکرد چند منظوره را به یک مشکل بهینه سازی هدف منفرد کاهش می دهد. با این حال، این مبادله به عنوان یک راه حل ثابت شده کرده است که به ترجیحات نسبی تخصیص یافته به اهداف بسیار حساس است (اسلام و ان جی 2010) و در عمل مبادله برای اصحاب مربوطه دشوار است حتی کسانی که با موضوع مسئله به طور دقیق آشنا هستند و با دقت چنین وزن هایی را انتخاب کنید (کوناک، کوئیت و اسمیت 2006). روش های جایگزین اصلی را به عنوان بخشی از این کار برای استفاده در بهینه سازی چند منظوره در هنگام حل مسائل بهینه سازی شبکه های حمل و نقل در دنیای واقعی شناسایی می کنیم. کار ی که در اینجا گزارش شده است در واقع کار قبلی ولسک و همکارانش (2014) می باشد. مدل های مسئله و مجموعه داده ها در همکاری با تولید کننده های پیشرو جهان در زمینه ساختمان سازی و تجهیرات معدن تعریف شده است و نشان دهنده یک تصویر کلی از پیچیدگی های روزمره و چالش های عملیاتی کسب و کار شرکای صنعتی ما است. هدف کار حاضر این است ان دسته از بهینه سازی های چند منظوره را شناسایی و تست نماید که پیچیدگی های این قبیل محیط های عملیاتی را بهتر رسیدگی می کند. ما در بخش های زیر چهار استراتژی عمومی را برای بهینه سازی سناریوهای چندگانه ای بهینه سازی شده استفاده می کنیم و هفت پیاده سازی این استراتژی ها را به طور رسمی ارائه می کنیم. روش هایی که با توجه به حل مشکل بهینه سازی شبکه حمل و نقل طراحی و پیاده سازی شده اند در کار ولسک و همکارانش(2014) گزارش شده اند. ما در بخش های دوم و سوم پیشینه های کار حاضر را معرفی می کنیم و کار قبلی در مورد بهینه سازی چند منظوره را ارایه می نماییم. ما در بخش چهارم به طور رسمی روش هایی را برای ترکیب مشکلات بهینه سازی تک هدف توصیف می کنیم. ما در بخش پنجم نتیجه آزمایش های عددی را معرفی می کنیم که برای تایید و تست اثربخشی روش های پیشنهادی برعهده گرفته ایم.