1دانشیار مهندسی صنایع، دانشکدة مهندسی صنایع، دانشگاه آزاد اسلامی واحد فیروزکوه
2دانشجوی دکتری مهندسی صنایع، دانشکدة مهندسی صنایع، دانشگاه آزاد اسلامی واحد تهران جنوب
چکیده
در کشور ما مسیر حرکت سرویسهای مدارس بهصورت تجربی و بدون درنظرگرفتن مسیر و مکان بهینة علمی تعیین میشود. همواره طی شدن مسیرهای اضافی توسط این سرویسها موجب افزایش جابهجایی و افزایش مصرف سوخت و صرف هزینههای اقتصادی هنگفت میشود. از اینرو، پژوهش حاضر حرکت سرویسهای مدارس را در تهران با درنظرگرفتن دانشآموزان خاص بررسی میکند. درنهایت، مدلی ارائه میشود که حرکات را تا حد ممکن به حداقل میرساند و از عبورهای تکراری از ایستگاهها جلوگیری میکند. مدل ارائهشده نیز از طریق نرمافزار گمز حل میشود. با توجه به NP-Hard بودن مدل، برای حل مسئله در ابعاد بزرگ از الگوریتم ژنتیک استفاده شده است.نوآوری عمدة تحقیق درنظرگرفتن تفکیک جنسیتی در اتوبوسها و مدارس است. برای حل این مسئله یک مدل برنامهریزی اعداد صحیح خطی توسعه داده شده است. نتایج پژوهش بیانگر کاهش زمان حملونقل دانشآموزان مدارس است.
Houda, D., Bassem, J., Saïd, H. and Habib, C. (2012). “Genetic algorithm with iterated local search for solving a location-routing problem”, Journal of Expert Systems with Applications, Vol. 39, No. 3, PP. 2865– 2871.
Norouzi, N., Tavakkoli-Moghaddam, R., Ghazanfari, M., Alinaghian, M. and Salamatbakhsh, A. (2012). “A new multiobjective competitive open vehicle routing problem solved by particle swarm optimization”, Networks and Spatial Economics, Vol. 14, No.4, PP. 603– 633.
Fügenschuh, A. (2009). “Solving a school bus scheduling problem with integer programming”, European Journal of Operational Research, Vol. 193, No. 3, PP. 867- 884.
Newton, R. M. and Thomas, W. H. (1969). “Design of school bus routes by computer”, Socio-Economic Planning Sciences, Vol. 3, No. 1, PP. 75- 85.
Banos, R., Ortega, J., Gil, C., Marquez, A. L. and Toro, F. D. (2013). “A hybrid meta-heuristic for multi-objective vehicle routing problems with time windows”, Comput. Ind. Eng, Vol. 65, No.2, PP. 286- 296.
Nahum, O. E., Hadas, Y. and Spiegel, U. (2014). “Multi-objective vehicle routing problems with time windows: A vector evaluated artificial bee colony approach”, Int. J. Comput. Inf. Technol, Vol. 3, No. 1, PP. 41- 47.
Park, J., Tae, H., Kim. and B. I. (2012). “A post-improvement procedure for the mixed load school bus routing problem”, European Journal of Operational Research, Vol. 217, No.1, PP. 204- 213.
Park, J., and Kim, B. I. (2010). “The school bus routing problem: A review”, European Journal of Operational Research, Vol. 202, No.2, PP. 311- 319.
Naseri, A. and Mansouri, E. (2012). “Two-stage algorithm for the taxi in dynamic mode”, Journal of Transportation, Vol. 9, No. 2, PP. 137- 152.
Chen, X., Kong, Y., Dang, L., Yane, H. and Xinyue, Y. (2015). “Exact and metaheuristic approaches for a bi-objective school bus scheduling problem”, Vol. 11, No. 4, PP. 1-2.
Kang, M., Kim, S., Felan, T., Choi, H. and Cho, M. (2015). “Development of a genetic algorithm for the school bus routing problem”, International Journal of Software Engineering and Its Applications, Vol. 9, No. 5, PP. 107- 126
William, A., Ellegood, F. and Campbell, J. (2015). “Continuous approximation models for mixed load school bus routing”, Transportation Research Part B, Vol. 77, No. 3, PP. 182– 198.