A modified adaptive large neighbourhood search for a vehicle routing problem with flexible time windows

Abstract

Задачі з маршрутизацією транспортних засобів широко доступні в сучасних застосунках. У цій статті розв’язано конкретний варіант цієї задачі, який в літературі називається задачею маршрутизації транспортних засобів з гнучкими тимчасовими вікнами (VRPFlextW), коли розв’язок має задовольняти декілька додаткових обмежень, таких як врахування подорожі, сервісу та часу очікування з обмеженнями часових вікон. Запропоновано дві модифіковані версії багатоцільового адаптивного пошуку великого околу (MOALNS), описано підходи MOALNS та його компоненти, проведено обчислювальне порівняння між версіями MOALNS та Optimiser Colony (ACO) для деяких випадків VRPFlexTW.
Vehicle routing problems are widely available in real world application. In this paper, we tackle the resolution of a specific variant of the problem called in the literature vehicle routing problem with flexible time windows (VRPFlexTW), when the solution has to obey several other constraints, such as the consideration of travel, service, and waiting time together with time-window restrictions. There are proposed two modified versions of the Multi-objective Adaptive Large Neighbourhood Search (MOALNS). The MOALNS approach and its different components are described. Also it is listed a computational comparison between the MOALNS versions and the Ant colony optimiser (ACO) on a few instances of the VRPFlexTW.

Description

Keywords

задача маршрутизації, гнучкі часові вікна, дослідження операцій, чисельне моделювання, адаптивний пошук великого околу, мета-евристичні алгоритми, vehicle routing problem, flexible time window, operation research, numerical simulation, adaptive large neighbourhood search, meta-heuristic algorithm

Citation

A modified adaptive large neighbourhood search for a vehicle routing problem with flexible time windows / F. Labdiad, M. Nasri, I. Hafidi, H. Khalfi // Mathematical Modeling and Computing. — Lviv : Lviv Politechnic Publishing House, 2021. — Vol 8. — No 4. — P. 716–725.

Endorsement

Review

Supplemented By

Referenced By