مهندسی سیستم و بهره‌وری

مهندسی سیستم و بهره‌وری

مسئله مسیریابی وسایل نقلیه با مشتری متحرک: مدل‌سازی با در نظر گرفتن عدم‌قطعیت مکان مشتری در یک ناحیه جغرافیایی

نوع مقاله : پژوهشی

نویسندگان
ابوالفضل شفائی 1
حسین شمس شمیرانی 2
محمدرضا اکبری جوکار 3
مجید رفیعی 4
1 نویسنده مسئول: استادیار، گروه مهندسی صنایع، دانشکده فنی مهندسی گلپایگان، دانشگاه صنعتی اصفهان، گلپایگان، ایران
2 استادیار، گروه مهندسی صنایع، دانشکده فنی مهندسی گلپایگان، دانشگاه صنعتی اصفهان، گلپایگان، ایران
3 استاد، دانشکده مهندسی صنایع، دانشگاه صنعتی شریف، تهران، ایران
4 دانشیار، دانشکده مهندسی صنایع، دانشگاه صنعتی شریف، تهران، ایران
10.22034/sep.2026.2088282.1486
چکیده
مسئله مسیریابی وسایل نقلیه با مکان‌های متحرک و تصادفی مشتریان (VRPMSCL) دیدگاه جدیدی را برای مدل‌سازی مسائل مسیریابی وسیله نقلیه معرفی می‌کند. در عمل، پس از اینکه مشتری سفارشی ثبت می‌کند و ارائه‌دهنده خدمات شروع به برنامه‌ریزی مسیرهای تحویل می‌کند، مشتریان لزوماً در مکان‌های اولیه خود باقی نمی‌مانند. در عوض، ممکن است در یک منطقه جغرافیایی حرکت کنند و مکان‌های دقیق آنها از عدم قطعیت برخوردار باشد. در مسئله مسیریابی وسایل نقلیه کلاسیک (VRP)، فرض می‌شود که مکان‌های مشتریان از قبل ثابت و شناخته شده هستند و مسیرهای تحویل بر این اساس برنامه‌ریزی می‌شوند. بنابراین، اجازه دادن به مشتریان برای حرکت در یک منطقه جغرافیایی پس از ثبت سفارش، اساساً مفهوم سنتی مکان ثابت مشتری در VRP کلاسیک را به چالش می‌کشد و عدم قطعیت را در فرآیند مسیریابی بوجود می‌آورد. اگرچه این رویکرد می‌تواند راحتی و رضایت مشتری را افزایش دهد، اما پیچیدگی برنامه‌ریزی برای تحویل را نیز افزایش می‌دهد زیرا ارائه‌دهنده خدمات باید با عدم قطعیت در مکان های مشتریان مقابله کند. این مقاله یک چارچوب مدل‌سازی ریاضی برای مدل VRPMSCL ارائه می‌دهد تا مسیریابی وسایل نقلیه را تحت عدم قطعیت در مکانهای مشتریان در یک منطقه جغرافیایی، بررسی کند.

تازه های تحقیق

  • مکان مشتری به جای یک نقطه ثابت، با یک منطقه جغرافیایی نشان داده می‌شود.
  • مشتریان می‌توانند در هر نقطه‌ای از منطقه جغرافیایی مشخص‌شده خود تردد کنند.
  • مدل پیشنهادی به طور همزمان مکان بهینه تحویل و مسیر وسیله نقلیه را تعیین می‌کند.
  • مکان مشتری درون منطقه جغرافیایی مشخص‌شده، از یک توزیع احتمال پیروی می‌کند.

کلیدواژه‌ها
مشتری متحرک
مسئله مسیریابی وسایل نقلیه
عدم‌قطعیت
مدل‌های غیرخطی
مدل‌های تصادفی
موضوعات

عنوان مقاله English

Vehicle Routing Problem with Mobile Customers: Modeling Considering Uncertainty in Customer Location within a Geographical Area

نویسندگان English

Abolfazl Shafaei 1
Hossein Shams Shemirani 2
Mohammad Reza Akbari Jokar 3
Majid Rafiee 4
1 Corresponding author: Assistant Professor, Industrial Engineering Group, Golpayegan College of Engineering, Isfahan University of Technology, Golpayegan, Iran
2 Assistant Professor, Industrial Engineering Group, Golpayegan College of Engineering, Isfahan University of Technology, Golpayegan, Iran
3 Professor, Faculty of Industrial Engineering, Sharif University of Technology, Tehran, Iran
4 Associate Professor, Faculty of Industrial Engineering, Sharif University of Technology, Tehran, Iran
چکیده English

The Vehicle Routing Problem with Mobile and Stochastic Customer Locations (VRPMSCL) introduces a new perspective for modeling vehicle routing problems. In practice, after a customer place an order and the service provider begins planning the delivery route, customers do not necessarily remain at their initial locations. Instead, they may move within a geographical area, making their exact locations uncertain. In the classical Vehicle Routing Problem (VRP), customer locations are assumed to be fixed and known in advance, and delivery routes are planned accordingly. However, allowing customers to move within a geographical area after placing an order fundamentally challenges the traditional concept of fixed customer locations in the classical VRP and introduces uncertainty into the routing process. Although this approach can enhance customer convenience and satisfaction, it also increases the complexity of delivery planning because the service provider must deal with uncertainty in customer locations. This paper presents a mathematical modeling framework for the proposed VRPMSCL to address vehicle routing under customer location uncertainty within a geographical area.

کلیدواژه‌ها English

Mobile customer
Vehicle Routing Problems
Uncertainty
Nonlinear Models
Stochastic Models

Copyright © Abolfazl Shafaei, Hossein Shams Shemirani, Mohammad Reza Akbari Jokar, Majid Rafiee

  

License

This article is released under the Creative Commons Attribution (CC BY 4.0) license. Anyone is free to copy, share, translate, and adapt this article for any purpose, whether commercial or non-commercial, as long as proper citation is given to the authors and original publication.

Birge, J. R., & Louveaux, F. (1997). Introduction to stochastic programming. New York, NY: Springer New York. https://doi.org/10.1007/0-387-22618-4_3
Dumez, D., Lehuédé, F., & Péton, O. (2021). A large neighborhood search approach to the vehicle routing problem with delivery options. Transportation Research Part B: Methodological, 144, 103-132. https://doi.org/10.1016/j.trb.2020.11.012
Gambella, C., Naoum-Sawaya, J., & Ghaddar, B. (2018). The vehicle routing problem with floating targets: Formulation and solution approaches. INFORMS Journal on Computing, 30(3), 554-569. https://doi.org/10.1287/ijoc.2017.0800
Gendreau, M., Laporte, G., & Séguin, R. (1996). Stochastic vehicle routing. European journal of operational research, 88(1), 3-12. https://doi.org/10.1016/0377-2217(95)00050-X
Grabenschweiger, J., Doerner, K. F., Hartl, R. F., & Savelsbergh, M. W. (2021). The vehicle routing problem with heterogeneous locker boxes. Central European Journal of Operations Research, 29(1), 113-142. https://doi.org/10.1007/s10100-020-00725-2
He, Y., Qi, M., Zhou, F., & Su, J. (2020). An effective metaheuristic for the last mile delivery with roaming delivery locations and stochastic travel times. Computers & Industrial Engineering, 145, 106513. https://doi.org/10.1016/j.cie.2020.106513
Hvattum, L. M., Løkketangen, A., & Laporte, G. (2006). Solving a dynamic and stochastic vehicle routing problem with a sample scenario hedging heuristic. Transportation Science, 40(4), 421-438. https://doi.org/10.1287/trsc.1060.0166
Jaillet, P. (1985). Probabilistic traveling salesman problems (Doctoral dissertation, Massachusetts Institute of Technology).
Laporte, G. (2009). Fifty years of vehicle routing. Transportation science, 43(4), 408-416. https://doi.org/10.1287/trsc.1090.0301
Laporte, G., Chapleau, S., Landry, P. E., & Mercure, H. (1989). An algorithm for the design of mailbox collection routes in urban areas. Transportation Research Part B: Methodological, 23(4), 271-280.
Lombard, A., Tamayo-Giraldo, S., & Fontane, F. (2018). Vehicle routing problem with roaming delivery locations and stochastic travel times (VRPRDL-S). Transportation research procedia, 30, 167-177. https://doi.org/10.1016/j.trpro.2018.09.019
Mardešić, N., Erdelić, T., Carić, T., & Đurasević, M. (2023). Review of stochastic dynamic vehicle routing in the evolving urban logistics environment. Mathematics, 12(1), 28. https://doi.org/10.3390/math12010028
Mendoza, J. E., Castanier, B., Guéret, C., Medaglia, A. L., & Velasco, N. (2011). Constructive heuristics for the multicompartment vehicle routing problem with stochastic demands. Transportation science, 45(3), 346-363. https://doi.org/10.1287/trsc.1100.0353
Moccia, L., Cordeau, J. F., & Laporte, G. (2012). An incremental tabu search heuristic for the generalized vehicle routing problem with time windows. Journal of the Operational Research Society, 63(2), 232-244. https://doi.org/10.1057/jors.2011.25
Murray, C. C., & Chu, A. G. (2015). The flying sidekick traveling salesman problem: Optimization of drone-assisted parcel delivery. Transportation Research Part C: Emerging Technologies, 54, 86-109. https://doi.org/10.1016/j.trc.2015.03.005
Özarık, S. S., Veelenturf, L. P., Van Woensel, T., & Laporte, G. (2021). Optimizing e-commerce last-mile vehicle routing and scheduling under uncertain customer presence. Transportation Research Part E: Logistics and Transportation Review, 148, 102263. https://doi.org/10.1016/j.tre.2021.102263
Ozbaygin, G., & Savelsbergh, M. (2019). An iterative re-optimization framework for the dynamic vehicle routing problem with roaming delivery locations. Transportation Research Part B: Methodological, 128, 207-235. https://doi.org/10.1016/j.trb.2019.08.004
Ozbaygin, G., Karasan, O. E., Savelsbergh, M., & Yaman, H. (2017). A branch-and-price algorithm for the vehicle routing problem with roaming delivery locations. Transportation Research Part B: Methodological, 100, 115-137. https://doi.org/10.1016/j.trb.2019.08.004
Pham, Q. A., Hà, M. H., Vu, D. M., & Nguyen, H. H. (2022, June). A hybrid genetic algorithm for the vehicle routing problem with roaming delivery locations. In Proceedings of the International Conference on Automated Planning and Scheduling (Vol. 32, pp. 297-306). https://doi.org/10.1609/icaps.v32i1.19813
Rastegar-Moghadam, H., Shafaei, A., & Jokar, M. R. A. (2019). Modeling the vehicle routing problem with simultaneous pickup and delivery (VRPSPD) considering non-stationary customer locations within different time windows. Proceedings of the 16th National Conference on Industrial Engineering. https://en.civilica.com/doc/1034895/
Reyes, D., Savelsbergh, M., & Toriello, A. (2017). Vehicle routing with roaming delivery locations. Transportation Research Part C: Emerging Technologies, 80, 71-91. https://doi.org/10.1016/j.trc.2017.04.003
Rezvanian, S., Kashan, A. H., Rezvanian, A., & Sabzevari, A. (2025). Intelligent vehicle routing for stochastic service times: a grouping evolution strategy approach. International Journal of Transportation Science and Technology. https://doi.org/10.1016/j.ijtst.2025.04.009
Shafaei, A., Jokar, M. R. A., Rafiee, M., & Hemmati, A. (2021). Using the stochastic programming for the vehicle routing problems with the probability of customer absentee - a case study in a roadside assistance company. Proceedings of the 16th National Conference on Industrial Engineering. https://en.civilica.com/doc/1034895/
Shafaei, A., Jokar, M. R. A., Rafiee, M., & Hemmati, A. (2025). Using the route planning for supplying spare parts to reduce distribution costs: a case study in a roadside assistance company. International Journal of Shipping and Transport Logistics, 20(1), 131-158. https://doi.org/10.1504/IJSTL.2025.144995
Tilk, C., Olkis, K., & Irnich, S. (2021). The last-mile vehicle routing problem with delivery options. Or Spectrum, 43(4), 877-904. https://doi.org/10.1007/s00291-021-00633-0
Wang, X., & Zhao, J. (2025). Distributionally robust optimization of the vehicle routing problem with uncertain customers. Journal of Industrial and Management Optimization, 21(3), 1983-2006. https://doi.org/10.3934/jimo.2024159
Yuan, Y., Cattaruzza, D., Ogier, M., Semet, F., & Vigo, D. (2021). A column generation based heuristic for the generalized vehicle routing problem with time windows. Transportation Research Part E: Logistics and Transportation Review, 152, 102391. https://doi.org/10.1016/j.tre.2021.102391

  • تاریخ دریافت 10 اردیبهشت 1405
  • تاریخ بازنگری 21 خرداد 1405
  • تاریخ پذیرش 01 تیر 1405
  • تاریخ اولین انتشار 01 تیر 1405
  • تاریخ انتشار 01 اسفند 1405