ابزار پشتیبانی از تصمیم برای برنامه ریزی حمل و نقل
ترجمه نشده

ابزار پشتیبانی از تصمیم برای برنامه ریزی حمل و نقل

عنوان فارسی مقاله: یک ابزار پشتیبانی از تصمیم برای برنامه ریزی حمل و نقل باری شهری بر اساس یک الگوریتم تکاملی چند منظوره
عنوان انگلیسی مقاله: A Decision Support Tool for Urban Freight Transport Planning Based on a Multi-Objective Evolutionary Algorithm
مجله/کنفرانس: دسترسی – IEEE Access
رشته های تحصیلی مرتبط: مهندسی کامپیوتر، مهندسی عمران
گرایش های تحصیلی مرتبط: مهندسی الگوریتم و محاسبات، برنامه ریزی حمل و نقل
کلمات کلیدی فارسی: تصمیم گیری، سیستم های پشتیبانی از تصمیم، محاسبات تکاملی، الگوریتم های ژنتیک، تدارکات، بهینه سازی پارتو، حمل و نقل جاده ای، نواحی شهری
کلمات کلیدی انگلیسی: Decision making, decision support systems, evolutionary computation, genetic algorithms, logistics, Pareto optimization, road transportation, urban areas
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
نمایه: Scopus – Master Journals List – JCR
شناسه دیجیتال (DOI): https://doi.org/10.1109/ACCESS.2019.2949948
دانشگاه: Universidad Nacional de Río Negro, Sede Alto Valle y Valle Medio, 8336 Villa Regina, Argentina
ناشر: آی تریپل ای - IEEE
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2019
ایمپکت فاکتور: 4.641 در سال 2018
شاخص H_index: 56 در سال 2019
شاخص SJR: 0.609 در سال 2018
شناسه ISSN: 2169-3536
شاخص Quartile (چارک): Q2 در سال 2018
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 15
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: بله
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: دارد
کد محصول: E13939
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست انگلیسی مطالب

Abstract


I. Introduction


II. Literature Review


III. Characterization of the Problem


IV. The Model


V. Solution Method


Authors


Figures


References

نمونه متن انگلیسی مقاله

Abstract


We present an optimization procedure based on a hybrid version of an evolutionary multiobjective decision-making algorithm for its application in urban freight transportation planning problems. This tool is intended to solve the planning problems of a merchandise distribution firm that dispatches small volume fractional loads of fresh foods on daily schedules. The firm owns a network of distribution centers supplying a large number of small businesses in Buenos Aires and its surroundings. The recombination operator of the evolutionary algorithm used here has been designed specifically for this problem. It is intended to embody a strategy that takes into account constraints like temporary closeness, closeness time window and connectivity in order to improve its performance in the clustering phase. The representation allows incorporating specific information about the actual instances of the problem and uses adaptive control of the parameters in the calibration stage. The performance of the proposed optimizer was tested against the results obtained by two evolutionary algorithms, NSGA II and SPEA 2, widely used in similar problems. We use hypervolume as a measure of convergence and dispersion of Pareto fronts. The statistical analysis of the results obtained with the three algorithms uses the Wilcoxon rank sum test, which yields evidence that our procedure provides good results.


Introduction


Decision-making tools based on bio-inspired algorithms have been successfully used in logistics during the last decades. They have been continuously improved in the context of urban freight transport (UFT). The goal has always been increasing the efficiency and competitiveness of the firms, an objective usually hampered by the atomization of the sector and the complexity of logistic management at this stage of supply chains. A frequent issue involves taking into account in the decision-making process the needs of third parties since externalities over the relations with other agents may lead to quality and competitiveness losses in merchandise deliverance. We seek here to overcome those limitations by changing to a multi-objective cooperative objective approach, taking into account the interests of all the parties involved in the process, ranging from managers of distribution centers to the final customers. We proceed by developing a hybrid version of an evolutionary multi-objective algorithm addressing the problem of a firm delivering perishable fresh goods from several distribution centers, carrying relatively small fractional volumes to a large number of grocery stores in Buenos Aires

  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

ابزار پشتیبانی از تصمیم برای برنامه ریزی حمل و نقل
نوشته های مرتبط
مقالات جدید
نماد اعتماد الکترونیکی
پیوندها