ZAMAN PENCERELİ ARAÇ ROTALAMA PROBLEMLERİ İÇİN KÜMELEME TEMELLİ KLONAL SEÇİM ALGORİTMASI

Abstract

Günümüzde doğal felaketlerin sayısı artmakta, daha sık yaşanmakta ve bu afetler, insan hayatını derinden etkilemektedir. Depremler, sel olayları ve salgınlar gibi doğal felaketlerin yol açtığı tahribatla başa çıkmak oldukça zordur. Türkiye'de gerçekleşen 6 Şubat depremi 11 ili etkileyerek yaklaşık 14 milyon insanı mağdur etmiştir. Deprem sonrası yol, köprü, tünel ve demiryolu gibi ulaşım altyapıları işlevsiz hale gelebilmekte ve alternatif rotaların hızla belirlenmesi zorlaşabilmektedir. Deprem sonrası yardım dağıtım faaliyetlerinde, araç rotalama problemleri (ARP) ile çözüm üretilebilir. ARP, çok sayıda müşteriye hizmet vermek amacıyla bir araç filosunu optimize eden kombinatoryal bir optimizasyon ve tam sayılı programlama problemidir. Zaman pencereli araç rotalama problemi (ZP-ARP) belirli zaman ve kapasite kısıtları altında en düşük maliyetle rotaların belirlenmesini amaçlar. Bu çalışmada, ZP-ARP için Kümeleme Temelli Klonal Seçim Algoritması (KSA) önerilmektedir. Kortalama ve K-ortalama++ algoritmaları kullanılarak algoritmanın başlangıç çözüm kümesi iyileştirilmiş ve ardından KSA ile ZR-ARP için sonuçlar elde edilmiştir. Deneyler, ARP algoritmalarının sınanmasında literatürde sıklıkla kullanılan Solomon C1 ve R1 veri setleri üzerinde gerçekleştirilmiş olup, çeşitli problemler için sonuçları alınmıştır. Deney sonuçlarına göre, kümeleme algoritması ile başlangıç çözümü elde edilmesi, KSA’nın sonuçlarını iyileştirdiği ve KSA’ nın yerel optimuma takılmasını önlediği görülmüştür.

Today, the number of natural disasters is increasing and occurring more frequently, and these disasters deeply affect human life. Dealing with the devastation caused by natural disasters such as earthquakes, floods, and pandemics is quite challenging. The earthquake in Turkey on February 6 affected 11 provinces and affecting approximately 14 million people. After earthquakes, transportation infrastructure like roads, bridges, tunnels, and railways can become non-functional, making it challenging to quickly determine alternative routes. Vehicle routing problems (VRP) approaches can offer solutions for post-earthquake relief distribution activities. VRP is a combinatorial optimization and integer programming problem that optimizes a vehicle fleet to serve many customers. The Vehicle Routing Problem with Time Window (VRPTW) aims to determine routes with the lowest cost under specific time and capacity constraints. In this study, a Clustering-Based Clonal Selection Algorithm (CSA) is proposed for VRPTW. The initial solution set of the algorithm has been improved using K-means and K-means++ algorithms, and then results for VRPTW have been obtained with CSA. Experiments were conducted on the Solomon C1 and R1 datasets frequently used in the literature for testing VRP algorithms, and results were obtained for various problems. According to the experimental results, obtaining an initial solution with the clustering algorithm improved the results of the CSA and prevented the CSA from getting stuck in a local optimum.