پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,230 |
| تعداد مقالات | 67,757 |
| تعداد مشاهده مقاله | 115,114,872 |
| تعداد دریافت فایل اصل مقاله | 89,881,390 |
A Dynamic Multi-objective Rail-car Fleet Sizing Problem Solved by Non-dominated Sorting Genetic Algorithm-II | ||
| Advances in Industrial Engineering | ||
| مقاله 8، دوره 50، شماره 1، تیر 2016، صفحه 95-107 اصل مقاله (444.04 K) | ||
| نوع مقاله: Research Paper | ||
| شناسه دیجیتال (DOI): 10.22059/jieng.2016.59435 | ||
| نویسندگان | ||
| Zahra Mafakheri؛ Ali Husseinzadeh Kashan* ؛ Majid Skeikhmohammadi | ||
| M.Sc. Graduate, Department of Industrial and Systems Engineering, Tarbiat Modarres University, Tehran, Iran | ||
| چکیده | ||
| The aim of this paper is to present an efficient method for a rail freight car fleet sizing problem. This problem is modeled mathematically as a multi-period, dynamic and multi-objective, in which the rail freight wagons are assumed to be heterogeneous. Demands for different wagons and all travel times are assumed deterministic. In order to increase the utilization of the available wagons in the network and to reduce the fleet ownership costs, assignment of empty wagons becomes important. Moreover, constraints on line capacity, vehicle capacity and vehicle formation are considered. The model includes determining the optimal number of freight wagons of various types, the optimal amount of unfulfilled demand and the optimal number of full and empty freight wagons. To find the Pareto-optimal front of the problem, a heuristic method based on the Non-dominated Sorting Genetic Algorithm-II is proposed that uses heuristic procedures to generate new solutions. The performance of the proposed algorithm is evaluated in comparison with a simulated annealing algorithm, in which the results demonstrate the good quality of solutions achieved in a reasonable computation time. To do comparisons, the parameters of test problem instances are in accordance with the current state of the Railways of Islamic republic of Iran. | ||
| کلیدواژه‌ها | ||
| Multi-objective fleet sizing optimization؛ Multi-objective simulated annealing؛ Non-dominated sorting genetic algorithm | ||
| عنوان مقاله [English] | ||
| حل مسئلة تعیین اندازة واگن‌های باری در حالت پویا و چندهدفه با استفاده از الگوریتم ژنتیک با رتبه‌بندی نامغلوب-2 | ||
| نویسندگان [English] | ||
| زهرا مفاخری؛ علی حسین زاده کاشان؛ مجید شیخ محمدی | ||
| کارشناس ارشد مهندسی صنایع، دانشگاه تربیت مدرس | ||
| چکیده [English] | ||
| هدف این پژوهش ارائة روشی اثربخش برای حل مسئلة تعیین اندازة واگن‌های باری در شبکة راه‌آهن است. مدل ریاضی مسئله به‌صورت چندپریودی، پویا و چندهدفه است که در آن ناهمگونی در واگن‌های باری مد نظر قرار گرفته است. همچنین، تقاضای انواع مختلف واگن باری و زمان سیر به‌صورت قطعی است. تخصیص واگن‌های خالی برای افزایش بهره‌برداری از واگن‌های موجود در شبکه به‌منظور کاهش حجم زیادی از هزینه‌های تملک ناوگان و نگهداری مورد توجه بوده است. از ویژگی‌های مسئلۀ اعمال محدودیت‌های ظرفیت خط و ظرفیت وسیلة نقلیه و محدودیت در تشکیل قطارهای باری است. همچنین، مدل متغیرهایی نظیر نوع و تعداد واگن‌های مستقر در هر ایستگاه، نوع و میزان تقاضاهای بی‌پاسخ و نوع و تعداد واگن‌های پر و خالی درحال سیر را تعیین می‌کند. برای اولین‌بار در این پژوهش برای حل مسائل تعیین ناوگان ریلی در حالت چندهدفه، از روش‌هایی مبتنی بر الگوریتم‌های حل مسائل چندهدفه استفاده و مجموعة جواب‌های بهینه پارتو محاسبه می‌شود. درنتیجه، دو روش حل مبتنی بر الگوریتم ژنتیک با رتبه‌بندی نامغلوب-2 و الگوریتم تبرید شبیه‌سازی‌شدۀ چندهدفه طراحی و اجرا شدند. همچنین، اطلاعات مسائل مورد بررسی مطابق با اطلاعات سیستم حمل‌ونقل ریلی باری جمهوری اسلامی ایران است. | ||
| کلیدواژه‌ها [English] | ||
| الگوریتم تبرید شبیه‌سازی‌شدۀ چندهدفه, الگوریتم ژنتیک با رتبه‌بندی نامغلوب-2, بهینه‌سازی اندازة ناوگان, چندهدفه | ||
| مراجع | ||
|
1-Mafakheri, Z. (1392). "Development model to determine the optimal number of freight cars in iran rail transportation network." MA thesis management and efficiency, Faculty of Engineering, Department of Industrial Engineering, Tarbiat Modarres University.
2- Beaujon, G. J. and Turnquist, M. A. (1991). "A model for fleet sizing and vehicle allocation." Transportation Science, Vol. 25, No. 1, PP. 19-45.
3- Bojovic, N. (2002). "A general system theory approach to rail freight car fleet sizing." European Journal of Operational Research, Vol. 136, No. 1, PP. 136-172.
4- List, G. F., Wood, B., Nozick, L. K., Turnquist, M.A., Jones, D.A., Kjeldgaard, E.A. and Lawton, C. R. (2003). "Robust optimization for fleet planning under uncertainty." Research Transportation, Part E, Vol. 39, No. 3, PP. 209-227.
5- Sayarshad, H. R. and Ghoseiri, K. (2009). "A simulated annealing approach for multi-periodic rail-car fleet sizing problem." Computers and Operations Research, Vol. 36, No. 6, PP. 1789-1799.
6- Sayarshad, H. R. and Tavakkoli-Moghaddam, R. (2010). "Solving a multi periodic stochastic model of the rail–car fleet sizing by two-stage optimization formulation." Applied Mathematical Modeling, Vol. 34, No. 5, PP. 1164-1174.
7- Yaghini, M. and Khandaghabadi, Z. (2013). "A hybrid metaheuristic algorithm for dynamic rail car fleet sizing problem." Applied Mathematical Modelling, Vol. 37, PP. 4127-4138.
8- Mafakheri, Z. and Masihi, E. (1393). " Modeling and solving the rail-car fleet sizing problem with multi-objective and heterogeny in the fleet." Quarterly Journal of Transportation Engineering, 2550. 9- Deb, K., Agrawal, S., Pratap, A. and Meyarivan, T. (2002). "A fast and elitist multi-objective ge- netic algorithm: NSGA-II." IEEE Transactions on Evolutionary Computation, 6(2), 182–197.
10- Kirkpatrick, S., Gelatt, C. D. and Vecchi, M. P. (1983). "Optimization by simulated annealing." Science, 220, PP. 671–680.
11- Ulungu, E.L., Teghem, J., Fortemps, P.H. and Tuyttens, D. (1999). "MOSA method: a tool for solving multiobjective combinatorial optimization problems." J. Multi-Crit. Decis. Anal., 8: 221–236. doi: 10.1002/(SICI)1099-1360.
12- Husseinzadeh Kashan, A., Karimi, B. and Jolai, F. (2010). "An effective hybrid multi-objective genetic algorithm for bi-criteria scheduling on a single batch processing machine with non-identical job sizes." Engineering Applications of Artificial Intelligence, Vol. 10. | ||
|
آمار تعداد مشاهده مقاله: 1,506 تعداد دریافت فایل اصل مقاله: 856 |
||