Επίλυση πολυαντικειμενικών προβλημάτων δρομολόγησης οχημάτων και παραλλαγών τους με χρήση εξελικτικών αλγορίθμων

Abstract

In this Ph.D. thesis four new multiobjective energy vehicle routing problems were presented and solved. The first objective function of all problems has always as goal the minimization of the time needed for moving between the customers or the customers and the depot. The main innovation of these problems is in the second objective function (which concerns the calculation of the fuel consumption) where besides the distance and the weight of the cargo, some additional real life parameters of the routes are taken into account (slope of the road, direction and wind power as well as rpms of the engine of the vehicle). For the first two problems, the Multiobjective Symmetric Delivery Route based Fuel Consumption Vehicle Routing Problem and the Multiobjective Asymmetric Delivery Route based Fuel Consumption Vehicle Routing Problem, the second objective function is used for the minimization of the fuel consumption in a delivery problem. In the first problem, we assume there are no route parameters while in the second problem we assume that the conditions are not perfect thus, an asymmetric problem is produced. For the last two problems, the Multiobjective Symmetric Pick-up Route based Fuel Consumption Vehicle Routing Problem and the Multiobjective Asymmetric Pick-up Route based Fuel Consumption Vehicle Routing Problem, the second objective function is used for the minimization of the fuel consumption in a pick-up problem. In the first problem, we assume there are no route parameters while in the second problem we assume that the conditions are not perfect thus, an asymmetric problem is produced. The proposed problems were solved using Evolutionary Algorithms (Genetic Algorithms, Nature Inspired Algorithms and Artificial Immune Systems). The common characteristics of all algorithms that are the main innovative features of this Ph.D. thesis are referred to the creation of the initial population, to the local search method and to the parallel multi-start method. More innovations that are presented in the proposed algorithms are the addition of more steps and the modification of the main functions of the algorithms so that their efficiency to be improved. In order to estimate the efficiency of the algorithms four different evaluation measures are used. In the last chapter of this Ph.D. thesis a new method based on the utility theory was presented in order to classify the solutions of the Pareto front.

Σε αυτή τη διδακτορική διατριβή παρουσιάστηκαν και επιλύθηκαν τέσσερα νέα πολυαντικειμενικά ενεργειακά προβλήματα δρομολόγησης οχημάτων. Η πρώτη αντικειμενική συνάρτηση και των τεσσάρων προβλημάτων έχει πάντα στόχο την ελαχιστοποίηση της χρονικής διάρκειας του δρομολογίου. Η καινοτομία αυτών των προβλημάτων έγκειται στο γεγονός ότι στη δεύτερη αντικειμενική συνάρτηση, που αφορά τον υπολογισμό της κατανάλωσης καυσίμου, εκτός από τη διανυόμενη απόσταση και το βάρος του φορτίου που μεταφέρεται λαμβάνονται υπόψη και επιπλέον παράμετροι της διαδρομής όπως η κλίση του οδοστρώματος, η κατεύθυνση και η δύναμη του ανέμου καθώς επίσης και οι στροφές ανά λεπτό του κινητήρα του οχήματος. Για τα δύο πρώτα προβλήματα, το Πολυαντικειμενικό Συμμετρικό Πρόβλημα Ελαχιστοποίησης της Κατανάλωσης Καυσίμου για Δρομολόγια Διανομής με Παραμέτρους Διαδρομής και το Πολυαντικειμενικό Μη-Συμμετρικό Πρόβλημα Ελαχιστοποίησης της Κατανάλωσης Καυσίμου για Δρομολόγια Διανομής με Παραμέτρους Διαδρομής, η δεύτερη αντικειμενική συνάρτηση έχει στόχο την ελαχιστοποίηση της κατανάλωσης καυσίμου όταν όλοι οι πελάτες έχουν ζήτηση. Στο πρώτο πρόβλημα θεωρούμε ότι οι συνθήκες διαδρομής είναι τέλειες ενώ στο δεύτερο πρόβλημα οι συνθήκες δεν είναι τέλειες, γεγονός που μετατρέπει το πρόβλημα σε μη-συμμετρικό. Για τα δύο επόμενα προβλήματα, το Πολυαντικειμενικό Συμμετρικό Πρόβλημα Ελαχιστοποίησης της Κατανάλωσης Καυσίμου για Δρομολόγια Συλλογής με Παραμέτρους Διαδρομής και το Πολυαντικειμενικό Μη-Συμμετρικό Πρόβλημα Ελαχιστοποίησης της Κατανάλωσης Καυσίμου για Δρομολόγια Συλλογής με Παραμέτρους Διαδρομής, η δεύτερη αντικειμενική συνάρτηση έχει στόχο την ελαχιστοποίηση της κατανάλωσης καυσίμου όταν όλοι οι πελάτες έχουν ποσότητα που πρέπει να συλλέξει το όχημα. Αντίστοιχα, στο πρώτο πρόβλημα θεωρούμε ότι οι συνθήκες διαδρομής είναι τέλειες ενώ στο δεύτερο πρόβλημα οι συνθήκες δεν είναι τέλειες, γεγονός που μετατρέπει το πρόβλημα σε μη-συμμετρικό.Τα προτεινόμενα προβλήματα επιλύθηκαν με Εξελικτικούς αλγορίθμους που υλοποιήθηκαν και καλύπτουν τέσσερις βασικές κατηγορίες αλγορίθμων (Γενετικούς, Εξελικτικούς, Εμπνευσμένους από τη φύση και αλγορίθμους Τεχνητών Ανοσοποιητικών Συστημάτων). Τα κοινά χαρακτηριστικά τους, τα οποία και αποτελούν καινοτομίες της παρούσας διδακτορικής διατριβής αναφέρονται, αρχικά, στον τρόπο δημιουργίας του αρχικού πληθυσμού λύσεων, στη μέθοδο τοπικής αναζήτησης που υλοποιήθηκε και στη χρήση της προτεινόμενης Παράλληλης Πολυεναρκτήριας Μεθόδου. Επιπλέον καινοτομίες που παρουσιάζονται στους προτεινόμενους πολυαντικειμενικούς αλγορίθμους αποτελούν η προσθήκη επιπλέον βημάτων και η τροποποίηση των βασικών τους συναρτήσεων έτσι ώστε να βελτιωθεί η απόδοσή τους στην επίλυση των πολυαντικειμενικών προβλημάτων.Τα αποτελέσματα των αλγορίθμων αξιολογήθηκαν με τέσσερα διαφορετικά μέτρα απόδοσης και ικανοποίησαν τους στόχους που είχαν τεθεί. Στο τελευταίο κεφάλαιο αυτής της διδακτορικής διατριβής παρουσιάστηκε μια μέθοδος με την βοήθεια της οποίας θα μπορούμε να επιλέγουμε μια από τις μη-κυριαρχούμενες στρατηγικές ενός Pareto Μετώπου ως «βέλτιστη» ανάλογα με τις προτιμήσεις του χρήστη της εφαρμογής.