Multicriteria vehicle routing problem solved by artificial immune system

• Autorzy: Mrówczyńska B.

Warianty tytułu

PL

Wielokryterialny problem marszrutyzacji rozwiązywany metodą sztucznego systemu immunologicznego

• Języki publikacji: EN

Abstrakty

EN

Vehicles route planning in large transportation companies, where drivers are workers, usually takes place on the basis of experience or intuition of the employees. Because of the cost and environmental protection, it is important to save fuel, thus planning routes in an optimal way. In this article an example of the problem is presented solving delivery vans route planning taking into account the distance and travel time within the constraints of vehicle capacities, restrictions on working time of drivers and having varying degrees of movement. An artificial immune system was used for the calculations.

PL

Planowanie tras samochodów dostawczych w dużych firmach transportowych, w których kierowcy są pracownikami najemnymi, najczęściej odbywa się na podstawie doświadczeń lub intuicji pracowników. Ze względu na koszty i na ochronę środowiska ważne jest oszczędzanie paliwa, a więc układanie tras w sposób optymalny. W artykule rozwiązano przykładowy problem planowania trasy samochodów dostawczych ze względu na długość drogi i czas przejazdu przy ograniczeniach ładowności pojazdów, ograniczeniach czasu pracy kierowców i przy uwzględnieniu zmiennego natężenia ruchu. W obliczeniach zastosowano sztuczny system immunologiczny.

Słowa kluczowe

EN

vehicle routing problem; multi-vehicle; artificial intelligence; artificial immune system; clonal selection

PL

problem marszrutyzacji; sztuczna inteligencja; system immunologiczny sztuczny; selekcja klonalna

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Transport Problems
• Rocznik: 2015
• Tom: T. 10, z. 3
• Strony: 141--152
• Opis fizyczny: Bibliogr. 11 poz., rys., tab.

Twórcy

autor

Mrówczyńska B.

• Silesian University of Technology, Faculty of Transport, Krasińskiego 8, 40-019 Katowice, Poland

Bibliografia

• 1. Wilson, R.J. Introduction to graph theory. London: Longmann Group Limited. 1979.
• 2. Deo, N. Graph theory with applications to engineering and computer science. New Jersey, USA: Prentice – Hall, Inc. Englewood Cliffs. 1974.
• 3. Michalewicz, Z. Genetic Algorithms + data Structures = Evolutionary Programs. Berlin: Springer-Verlag. 1996.
• 4. Wierzchoń, S.T. Sztuczne systemy immunologiczne. Teoria i zastosowania. EXIT. 2001 [In Polish: Artificial Immune Systems. Theory and Applications. EXIT. 2001].
• 5. Castro, L.N. & Zuben, F.J. Artificial Immune Systems. Part I – Basic Theory and Applications. Technical Report. TR – DCA 01/99. December, 1999.
• 6. Castro, L.N. & Zuben, F.J. Artificial Immune Systems. Part II – A Survey of Applications. Technical Report. TR – DCA 02/00, February, 2000.
• 7. Fang Jingfang, F. & Ying, W. & Chunlia, L. & Rui-chenga, F. The Way of Solving Traveling Salesman Problem the Research on Scheduling in AS/RS. Procedia Engineering. 2001. Vol. 16. P. 601-607.
• 8. Kytöjoki, J. & Nuortio, T. & Bräysy, O. & Gendreau, M. An efficient variable neighborhood search heuristic for very large scale vehicle routing problems. Computers & Operations Research. 2007. Vol. 34. P. 2743-2757.
• 9. Little, J.D.C. & Murty, K.G. & Sweeney, D.W. & Karel, C. An algorithm for the traveling salesman problem. Operations Research. 1963. Vol. 11(6). P. 972-989.
• 10. Mrówczyńska, B. Optimal routes scheduling for municipal waste disposal garbage trucks using evolutionary algorithm and artificial immune system. Transport Problems. 2011. Vol. 6. No. 4. P. 5-12.
• 11. Lessnau, A. Klasteryzacja. Available at: https://subversion.assembla.com/svn/klasteryzacja/materialy/02Klasteryzacja.pdf.