Планирование маршрутизации по доставке товаров в городе на основе оптимизации муравьиного алгоритма

Для любой компании, которая реализует продукцию в сетях городских магазинов, актуальным вопросом является оптимальная доставка своих товаров. При маршрутизации необходимо учитывать множество факторов, связанных с конкретными условиями движения транспорта в городе: количество и характер грузов, сроки доставки, структуру парка и его наличие, согласование графика работы предприятия и пунктов погрузки-разгрузки, длительность рабочего времени, грузоподъемность, загруженность дорог и т. д. В настоящее время эффективная ручная маршрутизация затруднена из-за ряда ограничений и большого количества точек доставки, когда практически невозможно учесть загруженность дорог на конкретных маршрутах. Современные компании все больше заинтересованы в аутсорсинге. Одним из вариантов планирования маршрутов для предприятий является использование специальных программных продуктов, которые позволяют задавать оптимальные маршруты в соответствии с выбранными критериями и в конкретных условиях. В статье проанализирован процесс формирования маршрутов с использованием сервиса Ant Logistics на основе оптимизации муравьиного алгоритма. При сравнении двух вариантов формирования маршрутов для обслуживания одной из крупнейших розничных сетей в Харькове с помощью Ant Logistics установлено, что применение муравьиного алгоритма более оптимально, чем алгоритма Кларка-Райта, что основано на полученных показателях работы транспортных средств на маршрутах.

1. Best Route Planning Software (2019). Available at: https://tech.co/fleet-management/best-route-planning-soft ware.

2. Hosseini H. (2009) The Intelligent Water Drops Algorithm: a Nature-Inspired Swarm-Based Optimization Algorithm. International Journal of Bio-Inspired Computation, 1 (1/2), 71. https://doi.org/10.1504/ijbic.2009.022775.

3. Abduljabbar R., Dia H., Liyanage S., Bagloee S. (2019) Applications of Artificial Intelligence in Transport: an Overview. Sustainability, 11 (1), 189. https://doi.org/10.3390/su11010189.

4. Kazharov A., Kureichik V. (2010) Ant Colony Optimization Algorithms for Solving Transportation Problems. Journal of Computer and Systems Sciences International, 49 (1), 30–43. https://doi.org/10.1134/s1064230710010053.

5. Katona G., Lenart B., Juhasz J. (2019) Parallel Ant Colony Algorithm for Shortest Path Problem. Periodica Polytechnica Civil Engineering. https://doi.org/10.3311/ppci.12813.

6. Clark G., Wright J. W. (1964) Scheduling of Vehicles from Central Depot to a Number Delivery Points. Operations Research, 12 (4), 568–581. https://doi.org/10.1287/opre.12.4.568.

7. Pichpibul T., Kawtummachai R. (2013) A Heuristic Approach Based on Clarke-Wright Algorithm for Open Vehicle Routing Problem. The Scientific World Journal, 1 (11). https://doi.org/10.1155/2013/874349.

8. Giyasov N. (2019) Calculation of Delivery Routes – Compare Online Systems. Logist.fm. Available at: https://logist.fm/publications/raschet-marshrutov-dostavki-sravnivaemonlayn-sistemy (in Russian).

9. Ant Logistics (2019) Available at: https://ant-logistics.com/index.html.

10. Kush E. I. (2017) Development of Algorithm of Formation of Freight Routes in Logistic System. Vіsnik Skhіdnoukraїns'kogo Natsіonal'nogo Unіversitetu іmenі Volodimira Dalya = Visnik of the Volodymyr Dahl East Ukrainian National University, 4 (234), 128–133 (in Russian).