پژوهشنامه حمل و نقل

پژوهشنامه حمل و نقل

مدل بهینه مکان یابی قطب در شبکه های حمل و نقل با استفاده از الگوریتم های فراابتکاری

نوع مقاله : مقاله پژوهشی

نویسندگان
شهریار افندی زاده 1
حسام شعبانی صمغ آبادی 2
حمید بیگدلی راد 3
1 استاد، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران
2 دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد تهران جنوب، تهران، ایران
3 دانشجوی دکتری، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران
10.22034/tri.2023.402570.3167
چکیده
در این پژوهش یک مدل ریاضی دو هدفه شامل حداقل کردن هزینه ها و حداقل کردن زمان حمل و نقل بین هر جفت گره ارائه گردید و با استفاده از دو الگوریتم چند هدفه ژنتیک و جستوجوی هارمونی مورد ارزیابی قرار گرفت. از طرفی با توجه به این که هدف اعمال شرایط غیر قطعی می باشد، پارامترهای تقاضا، هزینه های عملیاتی و هزینه های ایجاد ظرفیت اضافی نیز به صورت غیر قطعی در نظر گرفته شدند که پارامتر های غیر قطعی به صورت اعداد فازی ذوزنقه ای در نظر گرفته شدند. نتایج نشان دهنده عملکرد بالای الگوریتم ژنتیک نسبت به جستجوی هارمونی بوده است. به منظور مقایسه، مشخص شد که در مدل با ابعاد کوچک، الگوریتم چند هدفه ژنتیک به میزان 8.7 درصد در کل هزینه های موجود در سیستم بهبودی ایجاد کرده و توانسته به میزان 9 درصد سریعتر از الگوریتم جسنوجوی هارمونی به پاسخ برسد. همچنین، با توجه به حل مدل در ابعاد متوسط، الگوریتم چند هدفه ژنتیک به میزان 6 درصد نسبت به الگوریتم جستوجوی هارمونی در راستای تعیین هزینه کل شبکه بهبودی ایجاد نموده است. در زمان سرویس دهی نیز الگوریتم ژنتیک به میزان 1.5 درصد سریعتر از الگوریتم جستجوی هارمونی بوده است. در نهایت، با بررسی مدل در ابعاد بزرگ مشخص شد که الگوریتم چند هدفه ژنتیک با بهبودی 2درصد نسبت به الگوریتم جستوجوی هارمونی سبب کاهش هزینه های بیشتر شبکه حمل و نقل شده و به میزان 2 درصد زمان کمتر، مدل را نسبت به الگوریتم جستوجوی هارمونی به نتیجه رسانده است.
کلیدواژه‌ها
مکان یابی قطب
شبکه‌های حمل و نقل
الگوریتم‌های فرا ابتکاری
جستجوی هارمونی

موضوعات

عنوان مقاله English

Optimal Pole Location Model in Transportation Networks Using Meta-Heuristic Algorithms

نویسندگان English

Shahriar Afandizadeh 1
Hesam Shabani Samgh Abadi 2
Hamid Bigdeli Rad 3
1 Professor, School of Civil Engineering, Iran University of Science and Technology, Tehran, Iran.
2 M.Sc., Student, Islamic Azad University, South Tehran Branch, Tehran, Iran.
3 Ph.D., Candidate, School of Civil Engineering, Iran University of Science and Technology, Tehran, Iran.
چکیده English

In this study, a two-objective mathematical model including minimizing costs and minimizing the transport time between each pair of nodes was presented and evaluated using two multi-objective genetic algorithms and harmonic search. On the other hand, due to the fact that the purpose is to apply uncertain conditions, the demand parameters, operating costs and additional capacity building costs were also considered as uncertain, and the uncertain parameters were considered as trapezoidal fuzzy numbers. The results obtained from solving problems with different dimensions based on two criteria of cost and time of movement between nodes showed the high performance of the genetic algorithm compared to the search for harmony. In order to compare the numerical results, it was found that in the small-scale model, the multi-objective genetic algorithm improved by 8.7 percent of the total costs in the system and was able to respond 9% faster than the harmonic search algorithm. Also, due to the solution of the model in medium dimensions, the multi-objective genetic algorithm has improved by 6% compared to the harmonic search algorithm in order to determine the cost of the entire network. At the time of network service, the genetic algorithm was 1.5% faster than the harmonic search algorithm. Finally, by examining the large-scale model, it was found that the multi-objective genetic algorithm with 2 percent improvement over the harmonic search algorithm reduced the transportation network costs more and by 2 percent less time.

کلیدواژه‌ها English

Pole Location
Transportation Networks
Meta-Heuristic Algorithms
Harmony Search
-Abdi, A., Mosadeq, Z., & Bigdeli Rad, H. (2020). Prioritizing Factors Affecting Road Safety Using Fuzzy Hierarchical Analysis. Journal of Transportation Research, 17(3), 33-44.
-Afandizadeh Zargari, S., Bigdeli Rad, H., & Shaker, H. (2019). Using optimization and metaheuristic method to reduce the bus headway (Case study: Qazvin Bus Routes). Quarterly Journal of Transportation Engineering, 10(4), 833-849.
-Afandizadeh, S., & Bigdeli Rad, H. (2021). Developing a model to determine the number of vehicles lane changing on freeways by Brownian motion method. Nonlinear Engineering, 10(1), 450-460.
-Afandizadeh, S., Aziz Jalali, D., & Bigdeli Rad, H. (2023). Optimal routing for shared autonomous vehicles feeder services in urban networks. Journal of Transportation Research.
-Alumur, S. A., Campbell, J. F., Contreras, I., Kara, B. Y., Marianov, V., & O’Kelly, M. E. (2021). Perspectives on modeling hub location problems. European Journal of Operational Research, 291(1), 1-17.
-Al-Zuheri, A., & Vlachos, I. (2023). A genetic algorithm-based optimisation model for designing an efficient, sustainable supply chain network under disruption risks. International Journal of Manufacturing Technology and Management, 37(1), 1-23.
-Ameri, A., Bigdeli Rad, H., Shaker, H., & Ameri, M. (2021). Cellular Transmission and Optimization Model Development to Determine the Distances between Variable Message Signs. Journal of Transportation Infrastructure Engineering, 7(1),
1-16.
-Atay, M., Eroglu, Y., & Seckıner, S. U. (2023). Domestic flight network hub location problem under traffic disruption with sustainability provision. Case Studies on Transport Policy, 12, 101011.
-Fahmy, S. A., Zaki, A. M., & Gaber, Y. H. (2023). Optimal locations and flow allocations for aggregation hubs in supply chain networks of perishable products. Socio-Economic Planning Sciences, 86, 101500.
-Hajisoleimani, M. M., Abdi, A., & Bigdeli Rad, H. (2021). Intermodal Non-Motorized Transportation Mode Choice; Case Study: Qazvin City. Space Ontology International Journal, 10(3), 31-46.
-Khaleghi, A., & Eydi, A. (2022). Hybrid solution methods for a continuous-time multi-period hub location problem with time-dependent demand and sustainability considerations. Journal of Ambient Intelligence and Humanized Computing, 1-41.
-Kreutzberger, E., & Konings, R. (2016). The challenge of appropriate hub terminal and hub-and-spoke network development for seaports and intermodal rail transport in Europe. Research In Transportation Business & Management, 19, 83-96.
-Lambora, A., Gupta, K., & Chopra, K. (2019). Genetic algorithm-A literature review. In 2019 international conference on machine learning, big data, cloud and parallel computing (COMITCon), IEEE, 380-384.
-Maleki, M., Majlesinasab, N., & Sinha, A. K. (2023). An efficient model for the multiple allocation hub maximal covering problem. Optimization Methods and Software, 1-22.
-Musavi, M., & Bozorgi-Amiri, A. (2017). A multi-objective sustainable hub location-scheduling problem for perishable food supply chain. Computers & Industrial Engineering, 113, 766-778.
-Neamatian Monemi, R., Gelareh, S., Hanafi, S., & Maculan, N. (2017). A co-opetitive framework for the hub location problems in transportation networks. Optimization, 66(12), 2089-2106.
-Rad, V. B., Najafpour, H., Shieh, E., & Rad, H. B. (2019). Questionnaire design: relation of physical activity and safety. Int. J. Architect. Eng. Urban Plan, 29(1), 113-123.
-Shen, H., Liang, Y., & Shen, Z. J. M. (2019). Reliable Hub Location Model for Air Transportation Networks under Random Disruptions. Manufacturing & Service Operations Management, Forthcoming.
-Yildiz, B., Yaman Paternotte, H., & Karasan, O. E. (2019). Hub location and route dimensioning: strategic and tactical intermodal transportation hub network design (No. 639284). KU Leuven, Faculty of Economics and Business (FEB), Department of Decision Sciences and Information Management, Leuven.
-Zheng, Y., Ji, Y., Shen, Y., Liu, B., & Du, Y. (2022). Hub location problem considering spoke links with incentive-dependent capacities. Computers & Operations Research, 148, 105959.