مدل تطبیقی مسئله مسیریابی ماشینی برای جمع آوری زمانبندی شده زباله های جامد و بهینه سازی مسیر با استفاده از الگوریتم PSO

قیمت: 45,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

مدل تطبیقی مسئله مسیریابی ماشینی برای جمع آوری زمانبندی شده زباله های جامد و بهینه سازی مسیر با استفاده از الگوریتم PSO

عنوان لاتین

Capacitated vehicle-routing problem model for scheduled solid waste collection and route optimization using PSO algorithm

جمع آوری زباله به طور گسترده ای به مشکل بهینه سازی مسیر بستگی دارد که هزینه های زیادی را از لحاظ سرمایه، نیروی کار و هزینه های عملیاتی متغیر شامل می شود. بنابراین، اگر بیشتر مسیر جمع آوری زباله بهینه شود، کاهش بیشتری در هزینه های مختلف و تأثیر محیطی خواهد داشت. این مطالعه یک الگوریتم بهینه سازی توده اصلاح شده ذرات (PSO) را در یک مدل مسئله تطبیقی مسیریابی ماشینی (CVRP) پیشنهاد می دهد تا بهترین راه حل های جمع آوری زباله و راه حل های بهینه سازی مسیر تعیین شود. در این مطالعه، حد آستانه آلودگی (TWL) و مفاهیم زمانبندی در مدل CVRP مبتنی بر PSO تحت مجموعه داده های مختلف اعمال می شود. نتایج به دست آمده از مجموعه داده های مختلف نشان می دهد که مدل الگوریتم پیشنهادشده CVRP بهترین جمع آوری زباله و بهینه سازی مسیر را از لحاظ فاصله سفر، کل زباله، کارایی جمع آوری زباله و محدودیت 70-75٪ TWL ارائه می دهد. نتایج به دست آمده برای 1 هفته زمانبندی نشان می دهد که 70٪ از TWL بهتر از تمام دشواری رسیدگی در مورد ضایعات جمع آوری شده، فاصله، محدودیت، کارایی، مصرف سوخت، و هزینه انجام می شود. مدل پیشنهادی بهینه شده می تواند به عنوان یک ابزار ارزشمند برای جمع آوری زباله و بهینه سازی مسیر در جهت کاهش اثرات اجتماعی - اقتصادی و محیط زیست باشد.

Waste collection widely depends on the route optimization problem that involves a large amount of expenditure in terms of capital, labor, and variable operational costs. Thus, the more waste collection route is optimized, the more reduction in different costs and environmental effect will be. This study proposes a modified particle swarm optimization (PSO) algorithm in a capacitated vehicle-routing problem (CVRP) model to determine the best waste collection and route optimization solutions. In this study, threshold waste level (TWL) and scheduling concepts are applied in the PSO-based CVRP model under different datasets. The obtained results from different datasets show that the proposed algorithmic CVRP model provides the best waste collection and route optimization in terms of travel distance, total waste, waste collection efficiency, and tightness at 70–75% of TWL. The obtained results for 1 week scheduling show that 70% of TWL performs better than all node consideration in terms of collected waste, distance, tightness, efficiency, fuel consumption, and cost. The proposed optimized model can serve as a valuable tool for waste collection and route optimization toward reducing socioeconomic and environmental impacts.