Multi-Objective Path Optimization for Truck–Drone Collaborative Delivery Based on Subspace Contribution-Driven Adaptive Resource Allocation
تقترح هذه الورقة خوارزمية RC-NSGA-II، وهي خوارزمية تحسين متعددة الأهداف مبتكرة تدمج تخصيص الموارد القائم على مساهمة الفضاء الجزئي المستند إلى K-means، والترميز بالمفتاح العشوائي، والبحث المحلي التكيفي لحل مشكلة تسليم الشاحنات والطائرات بدون طيار التعاونية ثلاثية الأهداف المعقدة بفعالية، مما يظهر أداءً فائقاً في جودة الحل وكفاءته عبر مختلف نماذج الاختبار المرجعية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في الشرايين الصاخبة للمدن الحديثة، غالبًا ما تكون المرحلة الأخيرة من رحلة التوصيل — "الميل الأخير" — هي الجزء الأكثر تكلفة وتعقيدًا في سلسلة اللوجستيات بأكملها. إنها المسافة التي تنتقل فيها الطرد من مستودع محلي إلى عتبة الباب، وهي مرحلة يمكن أن تستهلك ما يقرب من نصف جميع تكاليف الشحن. لعقود من الزمن، اعتمدت هذه المهمة بشكل شبه كامل على الشاحنات، التي تتميز بالموثوقية ولكنها غالبًا ما تكون بطيئة في التنقل عبر حركة المرال وتفتقر إلى الكفاءة عند القيام بالعديد من التوقفات الصغيرة. وقد ظهرت فكرة جديدة لحل هذه المعضلة: الجمع بين شاحنة ثقيلة وأسطول من الطائرات بدون طيار (الدرونز) الصغيرة والرشيقة. في هذا النظام، تعمل الشاحنة كقاعدة معسكر متنقلة، حيث تسير على طول مسار رئيسي بينما تطلق الطائرات بدون طيار لتندفع مباشرة إلى عملاء محددين ثم تعود إلى الشاحنة لإعادة شحن سريعة أو تسليم سريع. وبينما تعد هذه الفكرة بخفض التكاليف وتسريع عمليات التوصيل، فإن رياضيات تنسيقها صعبة للغاية. إذ يجب أن تتحرك الشاحنة والطائرات بدون طيار في تزامن تام، مع احترام النوافذ الزمنية الصارمة للتسليم، وحدود البطارية، والقيود المادية للمركبات، كل ذلك أثناء محاولة تقليل التكلفة والوقت وإحباط العملاء في آن واحد.
لقد تصدى الباحثون في جامعة هيباي للتكنولوجيا لهذه المعضلة المعقدة في التنسيق من خلال تطوير طريقة حاسوبية جديدة لإيجاد أفضل خطط التوصيل الممكنة. لقد أنشأوا نموذجًا رياضيًا يعامل المشكلة كعملية توازن ثلاثية الأبعاد: الحفاظ على انخفاض التكاليف، وإنهاء جميع عمليات التوصيل في أسرع وقت ممكن، وضمان استلام العملاء لطرودهم في وقت يناسبهم. ولأنه لا توجد إجابة واحدة "مثالية" تفوز في الجوانب الثلاثة معًا، كان هدفهم هو توليد مجموعة متنوعة من الخيارات عالية الجودة، مما يوضح بدقة مدى سرعة عملية التوصيل إذا كانت الشركة مستعدة لإنفاق المزيد من المال، أو مدى إمكانية خفض التكلفة إذا قبل العميل بوصول الطرد في وقت لاحق قليلاً.
وللتنقل عبر العدد الهائل من الاحتمالات، صمم الفريق خوارزمية بحث ذكية تسمى RC-NSGA-II. تخيل البحث عن المسار الأفضل كاستكشاف لمشهد طبيعي شاسع ومظلم حيث الهدف هو العثور على أعلى القمم. غالبًا ما تتجول طرق البحث القياسية بلا هدف أو تعلق في تلال صغيرة، مما يؤدي إلى تفويت الجبال الحقيقية. تعمل هذه الخوارزمية الجديدة من خلال تقسيم المشهد إلى مناطق متميزة والاحتفاظ بذاكرة للمناطق التي أنتجت مؤخرًا أفضل النتائج. ثم توجه طاقتها الحسابية نحو تلك المناطق الواعدة، تمامًا مثل المتنزه الذي، بعد العثًو على بعض المناظر الجملة، يقرر تركيز بحثه على ذلك الوادي المحدد مع الاستمرار في مراقبة بقية الخريطة لضمان عدم تفويت أي شيء. يسمح هذا "التخصيص التكيفي للموارد" للنظام بالتعلم أثناء العمل، مما يؤدي إلى تحسين بحثه للعثور على حلول أفضل بشكل أسرع من الطرق السابقة.
اختبر الباحثون طريقتهم في أربعة سيناريوهات مختلفة، تتراوح من عمليات توصيل صغيرة لعشرين عميلًا إلى عمليات واسعة النطاق لثمانين عميلًا. وفي هذه الاختبارات، تفوقت خوارزميتهم الجديدة باستمرار على ست طرق أخرى معترف بها في هذا المجال. فقد وجدت حلولاً ليست فقط أفضل بشكل عام، بل وصلت أيضًا إلى تلك النتائج عالية الجودة بشكل أسرع. فعلى سبيل المثال، في أكبر حالات الاختبار، أنتجت خطط توصيل متفوقة في أقل من نصف الوقت المطلوب من قبل طريقة متقدمة منافسة. كما تضمنت الدراسة تحليل "ماذا لو" لمساعدة المديرين البشريين على اتخاذ القرارات النهائية. فمن خلال تعديل الأولويات، يمكن للنظام التوصية بمسار محدد لشركة تركز على توفير المال، وآخر لشركة تركز على السرعة، وثالث لشركة تركز على أقصى قدر من رضا العملاء.
أظهرت النتائج مقايضات واضحة في العمليات الواقعية. فعندما كانت الأولوية للتكلفة الصارمة، أوصى النظام بخطة تستخدم أربع رحلات فقط للطائرات بدون طيار، مع الاعتماد بشكل أساسي على الشاحنة، مما حافظ على انخفاض النفقات ولكنه استغرق وقتًا أطول. وعندما كان الهدف هو السرعة، استخدم النظام جميع الطائرات المتاحة لعشر رحلات منفصلة، مما قلل إجمالي وقت التوصيل بشكل كبير ولكنه زاد من التكلفة. وعندما كان التركيز على رضا العملاء، استخدم النظام أيضًا عشر رحلات ولكن تم ترتيبها لضمان وصول الطرود ضمن النوافذ الزمنية المفضلة، مما يقلل من عقوبة الوصول المبكر جدًا أو المتأخر جدًا. تؤكد الدراسة أنه بينما تكون الرياضيات وراء هذه القرارات معقدة، فإن النتيجة هي مجموعة أدوات مرنة يمكن أن تتكيف مع احتياجات العمل المختلفة.
يقر الباحثون بأن نموذجهم الحالي هو محاكاة قائمة على افتراضات محددة، مثل استخدام المسافات المستقيمة للطائرات بدون طيار والمسافات المبسطة للطرق للشاحنات، بدلاً من الواقع الفوضوي لحركة المرور في المدن والشوارق المتعرجة. كما أشاروا إلى أن اختباراتهم تضمنت شاحنة واحدة وعددًا ثابتًا من الطائرات بدون طيار، مما يترك تحدي إدارة شاحنات متعددة للعمل المستقبلي. ومع ذلك، تظل النتيجة الأساسية قوية: من خلال توجيه جهد البحث بذكاء نحو المناطق الأكثر وعودًا في المشكلة، من الممكن توليد مجموعة غنية من خطط التوصيل المحسنة التي توازن بين التكلفة والوقت وجودة الخدمة بشكل أفضل بكثير مما سبق. يوفر هذا النهج مسارًا عمليًا لشركات اللوجستيات التي تتطلع إلى دمج الطائرات بدون طيار في أساطيلها دون الضياع في تعقيد التنسيق المطلوب.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.