Araç rotalama problemine genetik algoritma yaklaşımı ve örnek bir uygulama

Abstract

Günümüzün rekabetçi ortamında var olan ve gelecekte de var olmak isteyen işletmeler her geçen gün kendilerinden ve rakiplerinden daha iyi olmaya çalışmaktadırlar. İşletmelerin dağıtım ağı süreçlerini en iyilemek ve etkin bir şekilde yönetmek amacıyla özellikle ulaştırma, taşıma ve dağıtım konularında çeşitli kararlar alması gerekmektedir. Bu kararlardan birisi de tesislerden müşterilere gerçekleştirilecek olan rotalama kararlarıdır. Dağıtım, planlama, lojistik gibi alanlar başta olmak üzere birçok sektörde geniş uygulama alanlarına sahip olan araç rotalama problemi, optimizasyon alanında araştırmacı ve akademisyenler tarafından üzerinde uzun yıllardır yoğun olarak çalışılan popüler, çözümü zor (NP-hard) bir problemdir. Ayrıca, gerçek hayatta, sistemler için modellemede kullanılan önemli bir dağıtım problemidir.Kombinatoryal optimizasyon problemlerine uygulanabilen genetik algoritmalar (GA), doğal genetik seçim ve rastsal arama tekniklerini kullanarak çözüm bulmaya çalışan bir yöntem olarak eldeki çözümlerden hareketle daha iyi çözümler üreterek optimum veya optimuma yakın çözümlere ulaşmaya çalışır. Genetik algoritmalar kendi arama proseslerini oluşturması bakımından pek çok avantaja sahiptir. GA, en çok sıralama, çizelgeleme, atama, dağıtım, planlama problemlerinin çözümünde kullanılmaktadırlar.Bu çalışmada; meta sezgisel bir yöntem olan genetik algoritmalar yardımı ile araç rotalama problemine çözüm aranmış ve geliştirilen algoritma gerçek bir problem olan Türkiye illeri üzerinde uygulanmaktadır. Kullanılabilecek çoklu rotalar zorluk derecesi aşamalı olarak arttırılarak ve rasgele seçilerek oluşturulmaktadır. Bu rotalar, geliştirilen algoritma ile optimize edilerek çıkan sonuçlar sayısal ve görsel olarak verilmektedir. Geliştirilen algoritmanın etkinliğini ve performansını ölçmek için aynı rotalar Excel - Solver (Evolutionary) Genetik Algoritmalar Programı ve En Yakın Komşu Algoritması ile de optimize edilmektedir. Alınan sonuçlar, mesafe ve süre bakımından karşılaştırmalı olarak sunulmaktadır. Bu sonuçlara göre, geliştirilen algoritma sonuçları diğer yöntemlere göre daha başarılıdır.

The corporations, which are existing in the competitive world of our time and which aim to be existing also in future, are trying to be better than themselves and their rivals day by day. The corporations should give various decisions especially in transportation, transfer and distribution in order to make their distribution net the most superior and manage it effectively. One of these decisions is the rotation decisions that will take place between the facilities and the customers. Vehicle rotation problem, which has a large application area like distribution, planning and logistics, is a popular and difficult to solve (NP-hard) problem that has been by studied for years by research specialists in optimization and academists. In addition, it is an important distribution problem that can be used to model many real-life systems.Genetic algorithms (GA), which can be applied to combinatorial optimization problems with random search techniques and natural genetic selection, aims to reach optimum or almost optimum solutions by creating better solutions considering the existing results. Genetic algorithms has many advantages about setting up its search processes. GA is mostly used in solving the problems of sorting, scheduling, assingment, distribution and planning.In this study, a solution has been searched for vehicle rotation problems with the help of GA that is a metaheuristic method and the developed algorithm has been applied on cities in Turkey that constitutes a real problem. The multi routes that can be used have been formed by its level of difficulty being increased progressively and by being chosen randomly. Once these routes have been optimized with the developed algorithm, the results have been submitted numerically and visually. The same routes are optimized with Excel-Solver (Evolutionary) genetics algorithm program and Nearest Neighborhood Algorithm to measure the effectiveness and performance of the developed algorithm. The results have been presented comparatively with a view to distance and time. According to these results, the results of the developed algorithm are more successful than the other methods.