به منظور نگهداشت تولید نفت در مناطق دریایی، شرکت ملی نفت ایران با به کارگیری شناورهای پشتیبان و شناورهای سرچاهی متحرک، به صورت دوره یی خدمات عمومی و خدمات چاه ها را به تجهیزات مستقر در سکوهای سرچاهی نفت ارایه می کند. اما در این میان، شناورهای سرچاهی متحرک، خود نیازمند دریافت خدمات از شناورهای پشتیبان در دوره های مشخص و پنجره های زمانی معین هستند. شناورها در مقایسه با نیاز خدماتی تعداد کمی دارند؛ اما دارای هزینه ی جابه جایی بالایی هستند. به منظور مسیریابی دوره یی شناورهای خدماتی، یک مدل برنامه ریزی عدد صحیح مختلط با هدف کمینه سازی هزینه های جابه جایی و کمبود خدمات معرفی شده است. همچنین یک الگوریتم ابتکاری برای حل مسیله معرفی شده و عملکرد آن با اعمال روی داده های واقعی ارزیابی شده است. نتایج عددی حاکی از سرعت عمل الگوریتم در دست یابی به جواب های مناسب در زمان بسیار کم در مقایسه با الگوریتم های موجود است.

در این تحقیق الگوی زمانی و مکانی تصادفات رانندگی بزرگراه کرج - قزوین بر حسب پارامترهای مختلف بررسی شده است. تغییر الگوی زمانی و مکانی تصادفات با توجه به زمان، عامل انسانی، نوع برخورد و نوع تصادف مورد بررسی قرار گرفته است. تحلیل زمانی تصادفات با استفاده از نمودار عنکبوتی انجام شده است. برای بررسی الگوی توزیع مکانی تصادفات ابتدا داده های تصادفات به اعداد فازی تبدیل، و سپس با استفاده از تراکم پنجره ای فازی الگوی مکانی توزیع تصادفات بر حسب پارامترهای مختلف بررسی شده است. نتایج تحقیق نشان میدهند که عوامل مختلف همچون ساعت، نوع برخورد، نوع تصادف، نقش عامل انسانی، روز های هفته و وضعیت جوی الگوی مکانی مشخصی دارند و با بررسی آنها میتوان علت الگو های مختلف را کشف کرد. با استفاده از نتایج این تحقیق، مناطق بحرانی بر اساس عاملهای مختلف مشخص شده اند و پیشنهادهایی برای کاهش وقوع تصادفات ارائه شده است.

در این نوشتار، مسئله ی طراحی سفر گروهی گردشگران با توجه به اماکن خوشه بندی شده و خستگی گردشگران مورد مطالعه قرار می گیرد. برای جابه جایی بین اماکن، وسایل نقلیه ی متفاوتی وجود دارد. هر مکان گردشگری در پنجره ی زمانی مشخصی بازدید می شود. نوآوری این پژوهش عبارت است از تقسیم فعالیت گردشگران به سه خوشه ی: جاذبه های گردشگری، فروشگاه ها و رستوران ها با هدف کاهش خستگی آنان. گردشگران باید دست کم یک مکان از هر خوشه را ملاقات کنند. ضرورت پژوهش، ارائه ی مدلی ریاضی برای اعمال عنصر خستگی به برنامه ی سفر گردشگران است. یک مدل ریاضی خطی عدد صحیح مختلط دو هدفه برای طراحی سفر بهینه ی گردشگران ارائه شده که ترکیبی از سلیقه و وضعیت مالی گردشگران را بر اساس اولویتشان، در برنامه ی سفر اعمال می کند. همچنین برای بررسی تأثیر برخی پارامترها ازجمله هزینه ی بازدید از اماکن و پنجره ی زمانی، روی هریک از توابع هدف تحلیل حساسیت انجام گرفته است.

موضوع جمع آوری پسماند یک چالش بزرگ برای جوامع مدرن می باشد حدود 80% از کل هزینه مدیریت پسماند را شامل می شود. بنابراین برنامه ریزی صحیح جمع آوری پسماند جهت به کارگیری اصولی منابع، می تواند از ایجاد هزینه های اضافی جلوگیری نماید و موجب بالا رفتن اثربخشی و درنهایت بهره وری مدیریت پسماند گردد. هدف از این تحقیق، یافتن مسیری های مناسب جمع آوری پسماند شهری با استفاده از داده های مکان مبنا طوری که زمان مجموع سفرهای وسایل نقلیه کمینه کردن شود. از طرفی محدودیت های حداکثر زمان مسافرت، حداکثر کل فاصله ی طی شده، حداکثر تعداد سطل زباله بررسی شده رعایت شود. در این تحقیق از تلفیق مسیله مسیریابی وسیله نقلیه (VRP) با سیستم اطلاعات جغرافیایی (GIS) استفاده می شود. سناریوهای تحقیق بر پایه یک ناوگان ثابت غیریکنواخت با تعداد ثابتی از هر نوع ماشین با هزینه و ظرفیت های محدود و متفاوت می باشد. مسیله سازگار شده تحقیق با توجه به ویژگی های جمع آوری پسماند، مسیله مسیریابی وسایل نقلیه با ظرفیت دار نا متقارن و پنجره زمانی نرم [1] (ACVRPTWS) می باشد. در ادامه به منظور اجرای یک نمونه کاربردی از مسیله مورد نظر برروی مسیله جمع آوری پسماند در یک پایلوت از شهر تهران موردبررسی قرار گرفت. در ادامه نتایج حاصل از ACVRPTWS با واقعیت مقایسه شده و نشان از کاهش 14 و 24 درصدی زمان مسافرت و زمان کل مسافرت می دهد. در واقع با استفاده از این روش می توان شبکه ای طراحی کرد که به کمک آن کاهش قابل توجهی در هزینه های جمع آوری پسماند داشته باشد به عبارت دیگر الگوریتم پیشنهادی توانسته است یک تناسب منطقی بین تعداد سطل های زباله مورد بررسی، حجم پسماند جمع آوری شده، مسافت پیموده شده و مدت زمان سرویس دهی هر وسلیه نقلیه برقرار کند. لازم به ذکر است که الگوریتم پیشنهادی در 5 دقیقه اجرا شده است.

پلاتونینگ به معنای حرکت کامیونها در یک دنباله در جاده است. در این روش یک ردیف گروهی از وسایل نقلیه با خیال راحت و با سرعت زیاد می توانند با هم بصورت یک ریسمان حرکت کنند که می تواند باعث صرفه جویی در مصرف سوخت، کاهش انتشار گازهای گلخانه ای و استفاده کارآمدتر از ظرفیت جاده شود. این به این دلیل است که کامیونی که جلوتر از کامیون(های) دیگر حرکت می کند، باعث کاهش نیروی کشش هوا می شود و نیروی مقاومتی کمتری به وسایل نقلیه عقب وارد می شود. از آنجایی که در یک پلاتون، فاصله بین خودروها کوتاه است و وسایل نقلیه با سرعت بالا حرکت می کنند، برای جلوگیری از برخورد و اطمینان از ایمنی، یک سیستم کروز کنترل تطبیقی و برنامه ریزی مناسب مورد نیاز است. استقرار و توسعه پلاتونینگ در سیستم های حمل و نقل با وسایل نقلیه سنگین سودآور و مفید است زیرا هزینه سوخت و همچنین میزان انتشار کربن توسط این وسایل نقلیه را کاهش می دهد. در این تحقیق به دنبال ارائه یک مدل بهینه سازی چند هدفه برای مسئله پلاتونینگ کامیون با در نظر گرفتن چندین هدف هستیم. همچنین در نظر داریم که از الگوریتمهای فراابتکاری مبتنی بر آرشیو پارتو برای حل مدل استفاده نمائیم. در مقاله حاضر، ابتدا یک مدل ریاضی دو هدفه برای مسئله مورد مطالعه ارائه شده و سپس از الگوریتمهای انبوه ذرات چندهدفه، NSGA-II و رویکرد محدودیت اپسیلون برای حل مدل استفاده شد. مدل برای مسائل نمونه مختلف حل گردید و نتایج نشان داد، الگوریتم انبوه ذرات پیشنهادی در همه موارد توانایی بالاتری برای تولید جوابهای باکیفیت تر و پراکندگی بالاتر نسبت به الگوریتم NSGA-II دارد. همچنین، الگوریتم NSGA-II جوابهایی با یکنواختی بالاتری را در زمان کمتری نسبت به الگوریتم PSO تولید می کند.

یکی از چالش های اساسی تولیدکنندگان در سیستم های تولید بر اساس سفارش، برقراری توازن بین سفارش های ورودی و منابع محدود است. از این رو آنها باید برخی سفارش ها را انتخاب و بعضی را رد کنند. علاوه بر این، در پذیرش سفارش ها باید زمان بندی کارهای جاری در نظر گرفته شود. در تحقیق پیش رو در مورد مساله زمان بندی و پذیرش سفارش در سیستم تولیدی خط جریان منعطف بدون وقفه بحث شده است. سفارش هایی که امکان تحویل در موعد مقرر را نداشته باشند، رد می شوند. بیشتر تحقیقات صورت گرفته مبتنی بر بهینه سازی تک هدفه اند، در صورتی که در شرایط واقعی باید اهداف مختلف را در تصمیم گیری مدنظر قرار داد. به همین دلیل مدل دو هدفه ای با اهداف حداکثر سازی سود و حداقل سازی میزان انحراف ها از موعد تحویل، ارائه شده است. به دلیل پیچیدگی زیاد مدل، روش های دقیق جواب بهینه ای را تولید نمی کنند، بنابر این دو الگوریتم فراابتکاری NSGA II و MOSA برای این مساله توسعه داده شده و عملکرد آنها در سه دسته مختلف مسائل از طریق شاخص های کمی مقایسه شد.

مساله مسیریابی وسایل نقلیه به همراه پنجره های زمانی، در زمره مسایل NP-Complete می باشد، بگونه ای که حتی یافتن یک جواب بهینه برای ابعاد کوچک آن بسیار دشوار و زمانبر است. هدف این مساله بکارگرفتن ناوگانی از وسایل نقلیه با ظرفیت های معین جهت خدمت دهی به تعداد معینی از مشتریان با تقاضاهای متفاوت و محدودیت های زمانی متفاوت می باشد، بگونه ای که هزینه کمینه شده و ظرفیت ها و نیز پنجره زمانی نقض نگردند. این مساله تاکنون توسط بسیاری از روشهای حل ابتکاری و فراابتکاری مورد حل واقع شده و جوابهای بهینه یا نزدیک به جواب بهینه حاصل شده است. در این مقاله نوع اصلاح شده الگوریتم کلونی مورچگان پیشنهاد گردیده و در آن سعی شده تا حد ممکن از پیچیدگی های محاسباتی اجتناب و سهولت روش حل فراهم گردد؛ البته در نظر گرفتن چنین قابلیتی منجر به از دست دادن مقدار کمی از دقت محاسباتی شده است. با این حال اجرای الگوریتم پیشنهادی بر روی تعدادی از نمونه مسایل Solomon، آشکار نمود که این الگوریتم توانایی تولید جواب های نسبتا خوب را دارا می باشد.

در لجستیک سبز، وسایل نقلیه دوستدار محیط زیست به شدت به عنوان یک انتخاب برای حمل و نقل توصیه می شود. وسیله نقلیه الکتریکی، یکی از وسایل نقلیه لجستیک سبز می باشد که راه حلی برای کاهش میزان انتشار گاز های گلخانه ای می باشد. در این مقاله به مسئله مکانیابی-مسیریابی وسائل نقلیه الکتریکی با در نظر گرفتن چندین دپو و پنجره زمانی سخت و نرم در شرایط عدم قطعیت پرداخته شده است. ما ﯾﮏ ﻣﺪل ﺑﺮﻧﺎﻣﻪ رﯾﺰی رﯾﺎﺿﯽ فازی و دو هدفه ﺑﺮای وﺳﺎﯾﻞ ﻧﻘﻠﯿﻪ اﻟﮑﺘﺮﯾﮑﯽ ﺑﺎ ﻣﺤﺪودﯾﺖ اﯾﺴﺘﮕﺎه ﻫﺎی ﺷﺎرژ و واﺑﺴﺘﻪ ﺑﻮدن ﻣﺼﺮف اﻧﺮژی ﺑﻪ ﻣﯿﺰان ﺑﺎر وﺳﯿﻠﻪ ﻧﻘﻠﯿﻪ و تحویل و دریافت همزمان ارائه داده ایم و از الگوریتمهای فراابتکاری انبوه ذرات چندهدفه برپایه آرشیو پارتو و الگوریتم NSGA-II برای حل مدل استفاده کرده ایم. جهت ارزیابی اعتبار مدل و الگوریتمهای پیشنهادی، مسائل نمونه EVRPTW انتخاب گردیده و با استفاده از نرم افزار گمز و الگوریتمهای فراابتکاری پیشنهادی حل شده اند. نتایج بررسی اعتبار مدل و الگوریتم نشان داد، مدل معتبر بوده و داری ناحیه شدنی می باشد و الگوریتمهای حل، قادر به حل مدل بصورت کارا بوده و به سمت جواب بهینه همگرا می باشند. نتایج مقایسه عملکرد دو الگوریتم حل نشان داد، الگوریتم MOPSO در همه موارد توانایی بالاتری برای تولید جوابهای باکیفیت تر و پراکنده تر نسبت به الگوریتم NSGA-II دارد.