Solving the Capacitated Vehicle Routing Problem with maximum traveling distance and service time requirements: An approach based on Monte Carlo simulation

O Problema de Roteamento de Veículos (Vehicle Routing Problem, VRP) é um dos problemas de Otimização Combinatória mais estudados dentro da Computação e de grande relevância para as áreas de logística e transporte. Este trabalho apresenta um novo algoritmo para resolução do Problema de Roteamento de Veículos Capacitados (Capacitated Vehicle Routing Problem, CVRP), utilizando Métodos de Monte Carlo. Métodos de Monte Carlo são métodos estatísticos que utilizam amostragem aleatória para resolver problemas probabilísticos e determinísticos. O algoritmo proposto foi desenvolvido baseado em Simulações de Monte Carlo e na heurística de Clarke e Wright Savings e demonstrou resultados comparáveis aos melhores algoritmos existentes na literatura, superando trabalhos anteriores com Métodos de Monte Carlo. A comparação, análise e avaliação do algoritmo foram feitas com base em benchmarks de problemas existentes na literatura.

Download Full-text

Sistema para roteamento de veículos capacitados aplicando Métodos de Monte Carlo

iSys - Brazilian Journal of Information Systems ◽

10.5753/isys.2015.290 ◽

2015 ◽

Vol 8 (3) ◽

pp. 42-63

Author(s):

Rômulo Augusto De Carvalho Oliveira ◽

Karina Valdivia Delgado ◽

Daniel Augusto Moreira

Keyword(s):

Monte Carlo ◽

Vehicle Routing ◽

Vehicle Routing Problem ◽

Routing Problem ◽

Capacitated Vehicle Routing Problem ◽

Capacitated Vehicle

O Problema de Roteamento de Veículos (Vehicle Routing Problem, VRP) é um dos problemas de Otimização Combinatória mais estudados dentro da Computação e de grande relevância para as áreas de logística e transporte. Este trabalho apresenta um novo algoritmo para resolução do Problema de Roteamento de Veículos Capacitados (Capacitated Vehicle Routing Problem, CVRP). O algoritmo proposto foi desenvolvido baseado em Simulações de Monte Carlo e na heurística de Clarke & Wright Savings e demonstrou resultados comparáveis aos melhores algoritmos existentes na literatura, superando trabalhos anteriores com Métodos de Monte Carlo. A comparação, análise e avaliação do algoritmo foram feitas com base em benchmarks de problemas existentes na literatura.

Download Full-text

A hybrid GA-BFO algorithm for the profit-maximizing capacitated vehicle routing problem under uncertain paradigm

Journal of Intelligent & Fuzzy Systems ◽

10.3233/jifs-192134 ◽

2021 ◽

pp. 1-17

Author(s):

Partha Sarathi Barma ◽

Joydeep Dutta ◽

Anupam Mukherjee ◽

Samarjit Kar

Keyword(s):

Vehicle Routing ◽

Service Time ◽

Vehicle Routing Problem ◽

Sensitivity Analyses ◽

Optimum Number ◽

Routing Problem ◽

Capacitated Vehicle Routing Problem ◽

Proposed Model ◽

New Variant ◽

Capacitated Vehicle

This study designs a new variant of the capacitated vehicle routing problem (CVRP) under a fuzzy environment. In CVRP, several vehicles start their journey from a central depot to provide services to different cities and finally return to the depot. This paper introduces an additional time beyond the service time at each city to fulfill the pre-ordered demands. The need for this excess service time is to provide the services to new customers who are not enlisted at the start of the process. It is a market enhancement step. The proposed model’s main objective is to find the maximum time-dependent profit by using the optimum number of vehicles in an appropriate route and spending optimum excess service time in each city. The model considers travel time and travel cost as fuzzy numbers. An expected value model (EVM) is formulated using the credibility approach on fuzzy variables. A hybrid meta-heuristic method combining a genetic algorithm (GA) and bacteria foraging optimization algorithm (BFOA) is designed to solve the proposed model. The proposed model is explained with the help of some numerical examples. Sensitivity analyses based on different independent parameters of the algorithms are also conducted.

Download Full-text