مدل سازی ریاضی دوهدفه برای شبکه حمل ونقل سبز جهت ارسال محصول به آخرین مشتری با تأکید بر نقش صندوق های قفل دار خودکار

الموضوعات :

امیرحسین زاهدی انارکی ¹ , رضا توکلی مقدم ² , رامین صادقیان ³

1 - گروه مهندسی صنایع، دانشگاه پیام نور، تهران، ایران
2 - گروه مهندسی صنایع، پردیس دانشکده‌های فنی، دانشگاه تهران، تهران، ایران
3 - گروه مهندسی صنایع، دانشگاه پیام نور، تهران، ایران

تاريخ الإرسال : 05 الأحد , شعبان, 1441 تاريخ التأكيد : 25 الإثنين , ذو القعدة, 1442 تاريخ الإصدار : 17 الإثنين , ربيع الثاني, 1443

الکلمات المفتاحية: Green Two-echelon Location-Routing, Variable Neighborhood Search, Last-Mile Transportation, Automated Parcel Locker, Bender Decomposition Algorithm,

ملخص المقالة :

هدف از ارائه این مقاله، معرفی رویکردی یکپارچه و تخصصی‌تر برای مواجه شدن با مسئله‌ای چالش ‌برانگیز معروف به «شبکه توزیع آخرین گام از جابجایی فیزیکی محصول » و ارائه ساختاری مفهومی-ریاضی جهت ایجاد ارتباط و هم‌افزایی بین مفاهیم تئوری این حوزه با مسائل بهینه سازی کلاسیک لجستیک شهری است. این مسئله یک شبکه دو سطحی مسیریابی‌-مکان‌یابی متشکل از یک انبار شهری (یا توزیع-کننده)، مشتریان و مکان‌های بالقوه جهت استقرار دو نوع تسهیل (صندوق قفل‌دار خودکار و میکرو توزیع‌کننده) است و مشتریان قادرند محصول خود را پس از سفارش بر اساس مطلوبیت خود در درب منزل و یا از صندوق‌های قفل‌دار خودکار بصورت 24 ساعته با کسب تخفیف دریافت نمایند. برای حل مدل پیشنهادی از الگوریتم تجزیه بندرز اصلاح شده که توسط استراتژی‌های گردکردن مقدار متغییرهای مسئله اصلی و جستجوی محلی تقویت شده استفاده شده است. جهت اثبات کارآیی، به مقایسه خصوصیات دست‌یافته از الگوریتم پیشنهادی با جواب‌های حاصله از روش اپسیلون-محدودیت در محیط نرم افزار نرم افزار پایتون، کتابخانه سیپلکس و نرم افزار آی‌بی‌ام سپلکس پرداختیم که نتایج گواه برتری مطلق این روش درمسائلی با ابعاد بزرگ است. نتایج کسب شده از تحلیل حساسیت نقش صندوق‌های قفل‌دار خودکار بر هزینه و میزان آلایندگی تولید شده در شبکه بیان‌گر کارآمدی و صحّه مدل می‌باشد.

المصادر:

1. Goodman. Whatever you call it, just don’t think of last-mile logistics, last. Global Logistics & Supply Chain Strategies 9:46–51(2005).

 

1. Habitat, and H.C.WHO. Unmasking and overcoming health inequities in urban settings. WHO, Geneva (2010).

 

 Unknown. Micro distribution in emerging markets– key issues to consider, Available: https://www.inclusivebusiness.net/ ib-voices/ micro-distribution-emerging-markets-key-issues-consider (2018).

 

 M.Li, K. Loscher, A. Banny Nagi, and A. Sheerazi. GOING THE LAST MILE: Best practices of urban freight movement, Columbia University, New York (2017).

 

McKinsey & Company. Global management consulting’, Available: https://www.mckinsey.com (2019).

 

]6[ م. یوسفی خوشبخت. یک روش رقابت استعماری و یک مدل برنامه‌ریزی صحیح-آمیخته برای مسئله مسیریابی وسیله نقلیه ظرفیت‌دار. مجله پژوهش­های نوین در ریاضی، 9(3): 53-70 (1395) .

 

]7[ ع. محمودی‌راد، ص. نیرومند، م، صانعی و ع. ساجدی نژاد. روش آزاد سازی لاگرانژ برای مسئله حمل و نقل با هزینه ثابت مرحله‌ای. پژوهش­های نوین در ریاضی، 10(3): 19-30 (1396) .

 

 M.Dror, M. Ball, and B. Golden. A computational comparison of algorithms for the inventory routing problem. Annals of Operations Research 4:1–23 (1985).

 

1. Absi, C. Archetti, S. Dauzère-Pérès, and D. Feillet. A two-phase iterative heuristic approach for the production routing problem. Transportation Science 49:784–795(2014).

 

1. Breunig, U., V. Schmid, R.F.
   
   

Hartl, and T. Vidal. A large neighborhood based heuristic for two-echelon routing problems. Computers & Operations Research 76:208–225 (2016).

 

 L.Zhou, D. Baldacci, Vigo, and X. Wang. A Multi-Depot Two-Echelon Vehicle Routing Problem with Delivery Options Arising in the Last Mile Distribution. European Journal of Operational Research 265:765–778 (2018).

 

1. Anderluh, V.C. Hemmelmayr, and P.C. Nolz. Synchronizing vans and cargo bikes in a city distribution network. Central European Journal of Operations Research 25:345–376 (2017).

 

 C.Chao, T. Zhihui, and Y. Baozhen. Optimization of two-stage location–routing–inventory problem with time-windows in food distribution network. Annals of Operations Research 273:111–134 (2019).

 

 A.G. Dragomir, D. Nicola, A. Soriano, and M. Gansterer. Multi depot pickup and delivery problems in multiple regions: a typology and integrated model. International Transactions in Operational Research 25:569–597 (2018).

 

1. Schneider, M., A. Stenge, and D. Goeke. The electric vehicle-routing problem with time windows and recharging stations. Transportation Science 48:500–520 (2014).

 

1. Jie, J. Yang, M. Zhang, and Y. Huang. The two-echelon capacitated electric vehicle routing problem with battery swapping stations: Formulation and efficient methodology. European Journal of Operational Research 272:879–904 (2019).

 

1. Soysal, M., J.M. Bloemhof-Ruwaard, and T. Bektaş. The time-dependent two-echelon capacitated vehicle routing problem with environmental considerations. International Journal of Production Economics 164:366–378 (2015).

 

1. Pichka, A.H. Bajgiran, M.E. Petering, J. Jang, and X. Yue. The two echelon open location routing problem: Mathematical model and hybrid heuristic. Computers & Industrial Engineering 121:97–112 (2018).

 

1. Sun, L.P. Veelenturf, M. Hewitt, and T. Van Woensel. The time-dependent pickup and delivery problem with time windows. Transportation Research Part B: Methodological 116:1–24 (2018).

 

1. eutsch, and B. Golany. A parcel locker network as a solution to the logistics last mile problem. International Journal of Production Research 56:251–261 (2018).

 

1. Feillet, P. Dejax, and M. Gendreau. Traveling salesman problems with profits. Transportation Science 39:188–205 (2005).

 

1. Tricoire, A. Graf, and W.J. Gutjahr. The bi-objective stochastic covering tour problem. Computers & Operations Research 39:1582–1592 (2012).

 

M.Strehler, S. Merting, and C. Schwan. Energy-efficient shortest routes for electric and hybrid vehicles. Transportation Research Part B: Methodological 103:111–135 (2017).

 

1. Dukkanci, B.Y. Kara, and T. Bektaş. The green location-routing problem. Computers & Operations Research 105: 187–202 (2019).

 

M.Bashiri, M. Rezanezhad, R. Tavakkoli-Moghaddam, and H. Hasanzadeh. Mathematical modeling for a p-mobile hub location problem in a dynamic environment by a genetic algorithm. Applied Mathematical Modelling 54:151–169 (2018).

 

 J.F. Benders. Partitioning procedures for solving mixed-variables programming problems. Numerische Mathematik 4:238–252 (1962).

 

1. McDaniel, and M. Devine. A modified Benders’ partitioning algorithm for mixed integer programming. Management Science 24:312–319 (1977).

 

1. Bansal, A. Gupta, J. Li, J. Mestre, V. Nagarajan, and A. Rudra.When LP is the cure for your matching woes: Improved bounds for stochastic matchings. Algorithmica 63: 733–762 (2012).

 

1. Byrka, A. Srinivasan, and C. Swamy. Fault-tolerant facility location: a randomized dependent LP-rounding algorithm. In: Proceedings of the International Conference on Integer Programming and Combinatorial Optimization, (Springer), 244–257(2010).

 

 P.N. Thanh, N. Bostel, and O. Péton. A DC programming heuristic applied to the logistics network design problem. International Journal of Production Economics 135: 94–105 (2012).

 

1. Mladenović and P. Hansen. Variable neighborhood search. Computers & Operations Research 24: 1097–1100 (1997).

 

1. Mavrotas and K. Florios. An improved version of the augmented ε-constraint method (AUGMECON2) for finding the exact Pareto set in multi-objective integer programming problems. Applied Mathematics and Computation 219:9652–9669 (2013).