Σχεδιασμός και Ανάπτυξη Υβριδικού Μεταευρετικού Αλγορίθμου Βελτιστοποίησης Προβλήματος Δρομολόγησης Οχημάτων με Παράθυρα Χρόνου

Βάθης, Μιχάλης; Vathis, Michalis; Vathis, Michail

dc.contributor.author	Βάθης, Μιχάλης	el
dc.contributor.author	Vathis, Michalis	en
dc.contributor.author	Vathis, Michail	en
dc.date.accessioned	2015-08-26T10:04:14Z
dc.date.available	2016-08-26T02:00:23Z
dc.date.issued	2015-08-26
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/41109
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.9710
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Δρομολόγηση οχημάτων	el
dc.subject	Αλγόριθμοι βελτιστοποίησης	el
dc.subject	Heuristics	en
dc.subject	Metaheuristics	en
dc.subject	Ant colony optimization	en
dc.subject	Particle swarm optimization	en
dc.subject	Hybrid algorithm	el
dc.subject	ACO	en
dc.subject	PSO	en
dc.subject	Vehicle routing problem	en
dc.subject	VRP	en
dc.subject	VRPTW	en
dc.subject	Time windows	en
dc.subject	Επιστήμη υπολογιστών	el
dc.subject	Αποικία μυρμηγκιών	el
dc.subject	Σμήνος σωματιδίων	el
dc.subject	Αλγόριθμος βελτιστοποίησης	el
dc.subject	Logistics	en
dc.subject	Supply chain management	en
dc.subject	Βάθης	el
dc.subject	Vathis	en
dc.subject	PRV	en
dc.subject	Vehicle fleet	en
dc.title	Σχεδιασμός και Ανάπτυξη Υβριδικού Μεταευρετικού Αλγορίθμου Βελτιστοποίησης Προβλήματος Δρομολόγησης Οχημάτων με Παράθυρα Χρόνου	el
dc.title	Design and Implementation of a Hybrid Metaheuristic Algorithm for Optimizing the Vehicle Routing Problem with Time Windows	en
heal.type	bachelorThesis
heal.classification	Βελτιστοποίηση	el
heal.classification	Επιχειρησιακή Έρευνα	el
heal.classification	Computer Science	en
heal.classification	Optimization	en
heal.classification	Vehicle scheduling	en
heal.classification	Transportation science	en
heal.classification	Algorithm	en
heal.classification	Supply chain optimization	en
heal.classification	Business logistics	en
heal.classification	Transport logistics	en
heal.classification	Επιστήμη μεταφορών	el
heal.classification	Βελτιστοποίηση εφοδιαστικής αλυσίδας	el
heal.classification	Ακέραιος προγραμματισμός	el
heal.classification	Integer programming	en
heal.classification	Metaheuristics	en
heal.classification	Heuristic algorithms	en
heal.classification	Operations research	en
heal.classificationURI	http://zbw.eu/stw/descriptor/15518-0
heal.classificationURI	http://id.loc.gov/authorities/subjects/sh85067085
heal.classificationURI	http://id.loc.gov/authorities/subjects/sh2009010989
heal.classificationURI	http://zbw.eu/stw/descriptor/15483-0
heal.language	el
heal.access	free	el
heal.recordProvider	ntua	el
heal.publicationDate	2015-03-18
heal.abstract	Στην παρούσα εργασία παρουσιάζεται ένας υβριδικός μεταευρετικός αλγόριθμος για την επίλυση του προβλήματος δρομολόγησης οχημάτων με παράθυρα χρόνου, βασισμένο στον συνδυασμό του αλγορίθμου βελτιστοποίησης αποικίας μυρμηγκιών και του αλγορίθμου βελτιστοποίησης σμήνους σωματιδίων. Το πρόβλημα αποτελείται από ένα σύνολο οχημάτων, μία κεντρική αποθήκη και ένα σύνολο πελατών προς εξυπηρέτηση. Τα οχήματα έχουν περιορισμένη χωρητικότητα και ο κάθε πελάτης χαρακτηρίζεται από προκαθορισμένη ζήτηση, συντεταγμένες αλλά και ένα παράθυρο χρόνου στο οποίο επιτρέπεται η εξυπηρέτησή του από κάποιο όχημα. Ο κάθε πελάτης πρέπει να εξυπηρετηθεί από ένα και μόνο όχημα. Το κάθε όχημα ξεκινά το δρομολόγιό του από την κεντρική αποθήκη και αφού εξυπηρετήσει τους πελάτες που του αντιστοιχούν ανάλογα με το πλάνο δρομολόγησης, πρέπει να επιστρέψει στην κεντρική αποθήκη μέχρι κάποιο προκαθορισμένο χρονικό όριο. Η κατάστρωση του βέλτιστου δρομολογίου για την εξυπηρέτηση των πελατών γίνεται με κεντρικό άξονα πρώτον την ελαχιστοποίηση των χρησιμοποιούμενων οχημάτων και δεύτερον την ελαχιστοποίηση της απόστασης που διανύουν αθροιστικά τα οχήματα κατά την εκτέλεση του δρομολογίου τους, συνεπώς, λύσεις του προβλήματος με λιγότερα οχήματα είναι βέλτιστες ανεξαρτήτου μήκους διαδρομής που αυτά διανύουν. Η μέθοδος που προτείνεται για την επίλυση του προβλήματος αποτελείται από έναν αλγόριθμο βελτιστοποίησης αποικίας μυρμηγκιών ο οποίος σε κάθε του επανάληψη, μετά την κατασκευή της λύσης που αναπαριστά το κάθε μυρμήγκι, τις βελτιστοποιεί χρησιμοποιώντας έναν αλγόριθμο βελτιστοποίησης σμήνους σωματιδίων. Η αποδοτικότητα και η αποτελεσματικότητα του προτεινόμενου αλγορίθμου εξετάστηκε ενδελεχώς χρησιμοποιώντας πρότυπα προβλήματα αναφοράς από τη βιβλιογραφία. Τα αποτελέσματα είναι ενθαρρυντικά για την περεταίρω έρευνα προς την κατεύθυνση του συνδυασμού των δύο αλγορίθμων και της παραμετροποίησης του αλγορίθμου για τα εκάστοτε προβλήματα.	el
heal.abstract	In the current thesis a hybrid meta-heuristic algorithm is presented based on particle swarm and ant colony optimization, for solving a variant of one of the most popular supply chain management problems, the vehicle routing problem with time windows. The problem consists of a vehicle fleet, a central depot and a set of customers to be served. Each vehicle has the same capacity and each customer is characterized by predetermined demand, coordinates and a time window in which he is to be served. Each customer must be served by one vehicle and no customer's demand is larger than the vehicle's capacity. Each vehicle starts its route from the main depot and must return to the main depot in a predefined time limit. The construction of the best solution for the service of the customers is conducted, firstly, with the objective of minimizing the vehicles used and, secondly, with the objective of minimizing the total distance traveled by the vehicle fleet. It is implied that the cost of using an additional vehicle is far superior to the variable cost of transportation, so that solutions that use fewer vehicles are preferred regardless of the distance travelled by the vehicles. The proposed algorithm for the solution of the vehicle routing problem consists of an ant colony optimization algorithm in which in each iteration after the construction of the solutions, each ant is encoded into a vector that represents the starting position of a particle and the whole swarm is processed by a particle swarm optimization algorithm with a path relinking strategy. Afterwards, the pheromone evaporation and update are executed and the iterations of the ant colony optimization algorithm continue. The efficiency and effectiveness of the proposed algorithm were thoroughly tested using test cases taken from the literature with very promising preliminary results. Further research has to be done on fine tuning the algorithm for special cases.	en
heal.advisorName	Πόνης, Σταύρος	el
heal.committeeMemberName	Τόλης, Αθανάσιος	el
heal.committeeMemberName	Παναγιώτου, Νικόλαος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Μηχανολόγων Μηχανικών. Τομέας Βιομηχανικής Διοίκησης και Επιχειρησιακής Έρευνας. Εργαστήριο Οργάνωσης Παραγωγής	el
heal.academicPublisherID	ntua
heal.numberOfPages	117 σ.
heal.fullTextAvailability	true