الگوریتم فرا ابتکاری و برنامه ریزی محدودیت

دانلود پایان نامه
  • لارنت و ها [24]، در مقاله خود برنامه ریزی همزمان وسایل حمل و نقل و رانندگان را برای یک شرکت اجاره ماشین های لیموزین در نظر گرفتند. هدف برنامه ریزی جابه جایی ها برای سوار و پیاده کردن مشتریان در یک پنجره زمانی داده شده میباشد. نویسندگان از یک رویه حل دو مرحله برای تعیین جواب های شدنی تخصیص زوج راننده و ماشین به هر سفر ، استفاده کردند .
    زاپل و بول [25]، یک مدل کاربردی از توزیع نامه به صورت محلی را رد نظر گرفتند. برنامه ریزی برای هم وسایل و هم رانندگان با در نظر گرفتن قوانین اتحادیه اروپا، انجام میشود. مسأله به صورت ابتکاری با تجزیه کردن آن به یک مسأله کلی VRP با پنجره زمانی، حل شده است .
    هولیس و همکاران [26]، در تحقیق خود یک مسأله برنامه ریزی و مسیریابی همزمان وسایل حمل و نقل و کارکنان را برای یک اداره پست شهری در نظر میگیرند. آنها در مدلشان چند مرکز پخش را در نظر میگیرند که در آنها رانندگان و ماشین ها میتوانند جابه جا یا مستقر شوند.آنها از یک رویکرد دو مرحله ایی برای حل مدلشان استفاده نمودند.
    درکس و همکاران [27]، یک مسأله مسیریابی و برنامه ریزی همزمان ماشین ها و کارکنان را در یک شبکه انتقال کلی و جزئی با مسافت های طولانی را معرفی میکنند. درخواست های تحویل و برداشت باید در یک افق زمانی چند دوره ایی توسط دسته ایی از ماشین ها و رانندگان انجام شود. یک الگوریتم ابتکاری دو مرحله ایی برای حل مسأله پیشنهاد شده است .
    هو و لونگ در سال 2010 یک مسأله مسیریابی وسایل حمل و نقل و نیروی انسانی در یک سیستم خدمت دهی در فرودگاه را با استفاده از الگوریتم فرا ابتکاری حل نمودند. آنها پنجره ی زمانی و همین طور محدودیت تطابق مهارت کارکنان با هر کار را در نظر گرفتند. هدف در مدل آنها، ترکیب و تخصیص تیم ها به کار مشتریان درچهارچوب پنجره زمانی هر مشتری به گونه ایی است که بیشترین تعداد ممکن خدمت دهی انجام شود. آنها برای حل مدلشان از الگوریتم جست و جوی ممنوع و شبیه سازی تبرید استفاده کردند[28] .
    روش های بهینه سازی برای برنامه ریزی نیروی انسانی، به خصوص در زمینه خدمات فرودگاهی در ادبیات موضوعی بسیار مورد توجه قرار گرفته است، در حالی که حوزه خدمات مراقبت های خانگی کمتر مورد توجه قرار گرفته است.
    تامسون این نوع مسأله را به صورت یک مسأله VRP با پنجره زمانی وملاقات های مشترک در نظر گرفت و از یک رویکرد ابتکاری برای تولید جواب های اولیه ی الگوریتم جست و جوی ممنوع استفاده کرد[29] .
    لسل [30]، یک رویه دو مرحله ایی را اتخاذ میکند که در مرحله اول ملاقات ها بر اساس موقعیت جغرافیایی، ترجیه و توانایی دسته بندی می شوند و سپس در مرحله دوم هر دسته به صورت یک مسأله TSP در نظر گرفته می شود .
    برتلز و فاهل در سال 2006 از یک رویکرد ترکیبی برنامه ریزی خطی، برنامه ریزی محدودیتی و الگوریتم فرا ابتکاری برای حل مسأله اشان که آنرا در حوزه مراقبت های خانگی معرفی میکنند، استفاده نموده اند [31].
    دهن و همکاران [32]، مفاهیم ارتباطات موقتی را در قالب یک مسأله مسیریابی وسایل حمل و نقل با پنجره زمانی، فرمول بندی میکند و کارایی رویه های حل متفاوت را بررسی میکنند.
    راس موسن و همکاران در سال 2012 یک مسأله برنامه ریزی کارکنان مراقبت های خانگی را تحت شرایط اولویت های ملاقاتی و دسته بندی های مرتبط، معرفی کردند. آنها مسأله اشان را به صورت یک مسأله ترکیبی پوشش و مسیریابی، مدل کرده اند به طوری که هدف تخصیص ملاقات ها به کارکنان به گونه ایی است که سطح کلی خدمت دهی حداکثر شود. آنها از یک رویه دسته بندی ملاقات ها برای حل مسأله اشان استفاده نموده اند[33] .

      مقاله رایگان درباره اطلاعات حسابداری مدیریت و برنامه ریزی استراتژیک

    فصل سوم مدل ریاضی و الگوریتم ژنتیک پیشنهادی
    3-1. مقدمه
    در این فصل مدل پیشنهادی CMVRP توضیح و ارائه داده می شود. همانطور که در فصل قبل بیان شد، مدل ترکیبی نیروی انسانی-وسایل حمل و نقل، به برنامه ریزی همزمان نیروهای انسانی و همینطور وسایل حمل و نقل موجود در سیستم میپردازد که باید به مشتریانی خدمتدهی کنند که در موقعیتهای جغرافیایی مشخص و معلومی قرار دارند و هرکدام به ارائه خدمت مخصوص به نیاز دارند و در عین حال برای هر یک از این مشتریان، یک موعد زمانی برای ارائه خدمت و همینطور یک جریمه دیرکرد معینی تعریف شده است.
    نیروهای انسانی موجود در سیستم را میتوان در قالب تیمهایی از انواع متفاوتی فرض نمود که هر کدام از آنها دارای تواناییهای گوناگونی میباشند که برای انجام کارهای دستهایی از مشتریان، دارای مهارت بیشتر و مناسبتری هستند. مهارت در مدل پیشنهادی در مدت زمان ارائه خدمت به هر مشتری تاثیرگذار فرض شده است و در عین حال هر یک از انواع تیمها دست مزدهای متفاوتی را به ازای واحد زمانی ارائه خدمت دریافت می کنند. داشتن تیم هایی از انواع متفاوت که هر یک در انجام کارهای دستهایی از مشتریان درای مهارت و خبرگی بیشتری هستند، موجب افزایش انعطاف پذیری انتخابهای مدیریت جهت تخصیص این تیمها به هر یک از مشتریان میشود.
    وسایل حمل و نقل موجود در سیستم نیز از جهت سرعت حمل و نقل، هزینه به ازای واحد زمانی حرکت و توانایی آنها جهت سفر به مکان مشتریان، با هم متفاوت هستند. هر یک از وسایل حمل و نقل در هر واحد زمانی تنها قادر به جابجایی یک نوع تیم هستند و جهت تعویض تیمها باید به مبدا بازگردند. تابع هدف مدل پیشنهادی با تخصیص بهینه تیمهای کاری به مشتریان و همینطور تعیین مسیرهای بهینه برای هر وسیله، به دنبال کمینهسازی هزینههای جابجایی، خدمت دهی و دیرکرد میباشد. در ادامه پس از توصیف مدل، به توضیح الگوریتم ژنتیک و نحوه حل مدل توسط این الگوریتم پرداخته میشود.
    3-2. مدل پیشنهادی CMVRP
    3-2-1. فرضهای مدل
    موقعیت جغرافیایی مرکز و مشتریها مشخص و معلوم است و فواصل به صورت مستقیم محاسبه میشوند.
    هر یک از مشتریان به ارائه یک خدمت نیاز دارند و برای هر یک از آنها یک موعد تحویل و جریمه دیرکرد در نظر گرفته شده است.

    این نوشته در مقالات و پایان نامه ها ارسال شده است. افزودن پیوند یکتا به علاقه‌مندی‌ها.