HEAL DSpace

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

DSpace/Manakin Repository

Show simple item record

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 http://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


Files in this item

The following license files are associated with this item:

This item appears in the following Collection(s)

Show simple item record

Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα Except where otherwise noted, this item's license is described as Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα