KaydedilenlerDerginizi ekleyin

Dergiler / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2024 / Cilt: 39 Sayı: 2

Kapasiteli araç rotalama problemi için makine öğrenmesi ve matematiksel programlama temelli hibrid bir çözüm önerisi

Özgür SANLI
Zühal KARTAL
Sayfa
741–756
Yayın Tarihi
2023-11-30
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Sonuç olarak önerilen hibrid yaklaşımın test problemlerinin çoğunda KARP'ın matematiksel modelinin çözümüne göre daha iyi sonuçlar verdiği gösterilmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada, kapasiteli araç rotalama probleminin (KARP) çözümü için makine öğrenmesi teknikleri ile matematiksel programlama formülasyonlarını hibridleştiren iki aşamalı bir yaklaşım önerilmiştir.
📊
Temel Bulgular & Veri:Önerilen yaklaşım için, farklı araç sayıları ile literatürden farklı veri setleri kullanılarak duyarlılık analizleri gerçekleştirilmiştir.
💡
Sonuç & Katkı:Sonuç olarak önerilen hibrid yaklaşımın test problemlerinin çoğunda KARP'ın matematiksel modelinin çözümüne göre daha iyi sonuçlar verdiği gösterilmiştir.
🔬Tür:Literatür & Derleme Çalışması
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Kapasiteli Araç Rotalama Problemi · Makine Öğrenmesi ve Matematiksel Modelleme Hibrid Yaklaşım · Lojistik Regresyon

Özet

Bu çalışmada, kapasiteli araç rotalama probleminin (KARP) çözümü için makine öğrenmesi teknikleri ile matematiksel programlama formülasyonlarını hibridleştiren iki aşamalı bir yaklaşım önerilmiştir. KARP'ın çözümü için ilk aşamada makine öğrenmesi algoritmaları ile düğümlerin hangi araçlara atanacağına karar verildikten sonra ortaya çıkan kümelerin toplam talep miktarının her bir aracın kapasitesini aşmaması kapasite dengeleme algoritması adı verilen bir metot tarafından garantilenmiştir. İkinci aşamada ise, her bir araç depodan tur oluşturmak için başlar ve gezgin satıcı problemi (GSP) matematiksel modelini kullanarak en kısa kat edilen mesafeyi bulmak için atanan tüm düğümleri ziyaret eder. KARP 'ın nihai çözümü, tüm TSP rotalarının birleştirilmesiyle oluşturulmuştur. Bu çalışmada kullanılan makine öğrenmesi algoritmaları denetimli öğrenme kategorisi altında; K-En yakın Komşuluk algoritması (K-NN) ve lojistik regresyon (LR) algoritmalarıyken; denetimsiz öğrenme kategorisi için, K-Ortalamalar (K-Means) algoritmasıdır. Önerilen yaklaşım için, farklı araç sayıları ile literatürden farklı veri setleri kullanılarak duyarlılık analizleri gerçekleştirilmiştir. Sonuç olarak önerilen hibrid yaklaşımın test problemlerinin çoğunda KARP'ın matematiksel modelinin çözümüne göre daha iyi sonuçlar verdiği gösterilmiştir.

🔖

Bu Makaleye Atıf Yap

SANLI, Ö., KARTAL, Z. (2023). Kapasiteli araç rotalama problemi için makine öğrenmesi ve matematiksel programlama temelli hibrid bir çözüm önerisi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 39 Sayı: 2, 741–756. https://ajindex.com/articles/1020153

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (2)

  1. Prescient&Strategic Intelligence, On-Demand Logistics Market Report: By Vehicle Type (Light Commercial Vehicle, Medium/Heavy Commercial Vehicle), End Use (B2B, B2C), Application (E-Commerce, Industrial, Moving and Shifting, P2P Delivery) – Latest Trends, Recent Developments, and Demand Forecast Through 2030, https://www.psmarketresearch.com/market-analysis/on-demand-logistics-market, Ocak 2020. 2.Ö.B. Tek, E. Ozgul, Modern Pazarlama İlkeleri: Uygulamalı Yönetimsel Yaklaşım, Birleşik Matbaacılık, 3. Baskı, İzmir, 2010. 3. Toth P., Vigo D., The Vehicle Routing Problem, SIAM, 2000. 4. Dantzig G.B. ve Ramser J.H., Source: Management Science, Vol. 6, No. 1, 80-91, 1959. 5. Clarke G. & Wright, J.W. Scheduling of Vehicles From a Depot to a Number of Delivery Points, Operations Research, 12, 568-581. 1964. 6. Laporte G.& Osman H.İ, Routing Problems: A bibliography, Annals of Operations Research, 227-262,1995. 7. Toth P.& Vigo D., Vehicle Routing Problems, Methods and Applications, SIAM, 2014. 8. Gendreau M., Laporte G, Musaraganyi C., Taillard E.D, A tabu search heuristic for the heterogeneous fleet vehicle routing problem, Computers& Operations Research Volume 26, 1153-1173, 1999. 9. Oropeza A., Cruz-Chávez M., Cruz-Rosal Martín H., Bernal P., Abarca J.C., Unsupervised Clustering Method for the Capacited Vehicle Routing Problem, Ninth Electronics, Robotics and Automotive Mechanics Conference, Mexico, 2012. 10. Solomon M., Algorithms for the Vehicle Routing and Scheduling Problems with Time Window Constraints, Operation Research Volume 35, 254-265, 1987. 11. Sujoy R., Andrei S., Jean B., Mourad D., The multi-depot split-delivery vehicle routing problem: Model and solution algorithm, Knowlegde-Based Systems Volume 71, 238-265, 2014. 12. Christofides N., Mingozzi A. ve Toth P., State-space relaxation procedures for the computation of bounds to routing problems, Networks, 11,145-164, 1981. 13. Agarwal Y., Mathur K., ve Salkin H.M., A set-partitioning-based exact algorithm for the vehicle routing problem, Networks, 19:731-749, 1989. 14. Osman I.H., Metastrategy simulated annealing and tabu search algorithms for the vehicle routing problem. Annals of Operations Research, 41:421-451, 1993. 15. Glover F. ve Laguna M., Tabu search. In C.R. Reeves, editor, Modern Heuristic Techniques for Combinatorial Problems, 70-150,
  2. Blackwell, Oxford, UK, 1993. 16. Barbarosoglu G. ve Ozgur D., A tabu search algorithm for the vehicle routing problem, Computers and Operations Research