چکیده:
در این پژوهش، مدل ریاضی مسئله مسیریابی وسایل نقلیه برای پشتیبانی از یگانهای نظامی، ارائه و حل میشود. برای ارائه این مدل، ابتدا معیارهای مختلف از پیشینه پژوهش مسائل مسیریابی وسایل نقلیه در حوزه نظامی، جنگ و بحران بررسی خواهد شد؛ سپس معیارهایی که برای پشتیبانی از یگانهای نظامی مورد مطالعه مهم هستند، معرفی و مدل ریاضی مسئله بر پایه این معیارها ارائه میشود. از ویژگیهای برجسته پژوهش جاری نسبت به پژوهشهای مشابه، ملاحظه همزمان پنج معیار مؤثر در پشتیبانی از یگانهای این سازمان است که شامل «پنجره زمانی تحویل کالا به یگانها، قابلیت برداشت و تحویل کالا در مسیر حملونقل جادهای، ناهمگنبودن ناوگان وسایل نقلیه جادهای، ضرورت ارسال کالا از چندین قرارگاه پشتیبانی و ضرورت حمل چند نوع کالا» است. ازآنجاکه این مسئله جزو مسائل بهینهسازی در خانوادۀ مسائل NP-hard محسوب میشود، برای حل مدل از الگوریتمهای GA، PSO و SA استفاده شد. بهمنظور اعتبارسنجی نیز نتایج این الگوریتمها با نتایج حل دقیق با نرمافزار گمز مقایسه شدند که با مقایسه جوابها و زمان حل، عملکرد مناسب الگوریتم ژنتیک پیشنهادی نشان داده شد؛ همچنین با تحلیل حساسیت پارامتر هزینه حملونقل و پارامتر تقاضای یگانها میزان تأثیر آنها در جواب نهایی بررسی شد.
In this research, a mathematical model of the vehicle routing problem to support military units is presented and solved. To present this model, first, various criteria extracted from the literature review of vehicle routing issues in the field of military, war and crisis are investigated. Then, the criteria that are important for supporting the military units under study are introduced and the mathematical model of the problem based on these criteria is presented. One of the salient features of the current research compared to similar researches is the simultaneous consideration of five effective criteria in supporting the units of this organization, which include "time window for delivery of goods to units", "ability to pick-up and deliver goods on the road transport route", "the heterogeneity of the fleet of road vehicles", "the need to send goods from multi-depot" and "the need to transport several types of goods". Since this is one of the optimization problems in the family of NP-hard problems, GA, PSO and SA algorithms were used to solve the model. In order to validate, the results of these algorithms have been compared with the exact solution results with GAMS software, which shows the proper performance of the proposed genetic algorithm.