مدل سازی چندهدفه مسیریابی سبز با استفاده از الگوریتم ترکیبی یادگیری ماشین حداکثری و برنامه ریزی ژنتیک

حمل و نقل بخش قابل توجهی از تولید ناخالص ملی و مصرف محصولات نفتی هر کشوری را به خود اختصاص می دهد. در کشور ما با توجه به تحریم های سال های اخیر و عدم توسعه ی سامانه های حمل و نقل ریلی، هوایی و دریایی، استفاده از حمل و نقل جاده ای بیشتر شده است. حمل و نقل جاده ای بیشترین نقش را در تولید گازهای گلخانه ای نظیر کربن دی اکسید دارد. بااین حال حمل و نقل یکی از عناصر اصلی لجستیک بوده و مسیله ی مسیریابی وسایل نقلیه با در نظر گرفتن آلودگی از جمله مهم ترین مسایل در این حوزه است. بنابراین در این مقاله با درنظر گرفتن عواملی چون بار وسیله نقلیه، سرعت وسیله نقلیه، پارامترهای آلایندگی وسیله نقلیه نظیر ضریب بهره وری سوخت و موتور، شیب مسیر، تراکم رفت وآمد، سرعت و جهت باد، دمای هوا و جنس آسفالت به بهینه سازی هزینه های ناشی از مصرف سوخت و دستمزد راننده پرداخته شده است. همچنین با درنظر گرفتن تقاضا به صورت احتمالی و سامانه توزیع با جمع آوری و تحویل کالا، یک مدل ریاضی احتمالی عددصحیح آمیخته خطی به منظور کمینه سازی مجموع هزینه های ذکر شده ارایه گردیده است. استفاده از این مدل موجب تخمین دقیق تر هزینه های سامانه شده و منجر به تحلیل و برنامه ریزی بهتر برای سازمان ها می شود. باتوجه به اینکه مسیله ی مطرح شده از نوع مسایل با درجه سختی بالا می باشد، مسیله در ابعاد بزرگ با ترکیب دو الگوریتم فراابتکاری یادگیری ماشین حداکثری و برنامه ریزی ژنتیک حل شده است. با توجه به نتایج حاصل شده از محاسبات، الگوریتم ترکیبی توسعه یافته قابلیت تخمین جواب با دقت مناسبی را دارد و از سرعت عمل بالایی نسبت به الگوریتم های مشابه برخوردار است.