A Metaheuristic Solution for the Capacitated Vehicle Routing Problem: Empirical Evaluation of Flexible Capacity Constraints via Ant Colony Optimisation
यह अध्ययन प्रदर्शित करता है कि लचीली क्षमता बाधाओं को शामिल करने वाला एक एंट कॉलोनी ऑप्टिमाइज़ेशन दृष्टिकोण एक वास्तविक दुनिया के कोलंबियाई इनबाउंड लॉजिस्टिक्स नेटवर्क में एक भौगोलिक क्लस्टरिंग बेसलाइन की तुलना में काफी बेहतर प्रदर्शन करता है, जो वाहन उपयोगिता को अधिकतम करते हुए बेड़े के आकार, यात्रा दूरी और परिचालन लागतों में पर्याप्त कमी प्राप्त करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप कोलंबिया में एक डिलीवरी कंपनी के मैनेजर हैं। आपका एक केंद्रीय गोदाम 'गुआडालाजारा डी बुगा' नामक शहर में है, और आपको देश भर में फैले 30 अलग-अलग स्थानों से पैकेज उठाने हैं—तटीय बंदरगाहों से लेकर पहाड़ी शहरों तक। आपके पास 10 एक जैसे ट्रकों का बेड़ा है, और आधिकारिक तौर पर प्रत्येक ट्रक की क्षमता 150 पैकेज उठाने की है।
हालाँकि, आपकी कंपनी का एक स्मार्ट नियम है: यदि गणित पूरी तरह से काम करता है, तो एक ट्रक थोड़ा अतिरिक्त भार ले सकता है—लगभग 5% अधिक (लगभग 157 पैकेज)—बिना कानून या ट्रक को नुकसान पहुँचाए। यह आपकी "लचीली क्षमता" (flexible capacity) है।
समस्या यह है कि आपका वर्तमान रूट प्लानिंग सिस्टम, जिसे "रूट नाउ" (Rout Now) कहा जाता है, थोड़ा कठोर है। यह एक शिक्षक की तरह काम करता है जो छात्रों को उनके बैठने की निकटता के आधार पर समूहों में विभाजित करता है (एक सीधी रेखा वाले मानचित्र का उपयोग करके)। एक बार जब समूह बन जाते हैं, तो यह एक ट्रक भेजता है ताकि उन्हें उठाया जा सके। क्योंकि यह लोगों को वास्तविक सड़कों के बजाय "सीधी रेखाओं" के आधार पर समूहित करता है, इसलिए अक्सर कुछ ट्रक आधे खाली और कुछ ओवरलोड हो जाते हैं, जिससे आपको 10 ट्रक इस्तेमाल करने पड़ते हैं, भले ही आपको केवल 8 की आवश्यकता हो।
नया समाधान: "चींटी कॉलोनी" (Ant Colony) दृष्टिकोण
लेखक, जोसेफ जेवियर सांचेज़ अकुना ने चींटियों द्वारा भोजन खोजने के तरीके से प्रेरित एक कंप्यूटर प्रोग्राम का उपयोग करके इस नए तरीके का परीक्षण किया है। इसे एंट कॉलोनी ऑप्टिमाइज़ेशन (ACO) कहा जाता है।
यहाँ पेपर सरल अवधारणाओं का उपयोग करके अंतर को समझाता है:
1. "सीधी रेखा" बनाम "वास्तविक सड़क"
- पुराना तरीका (रूट नाउ): कल्पना कीजिए कि आप कागज पर सीधी रेखाएं खींचकर एक रोड ट्रिप की योजना बना रहे हैं। आप सोच सकते हैं कि दो शहर पास हैं क्योंकि वे मानचित्र पर एक-दूसरे के बगल में हैं। लेकिन वास्तव में, उन तक पहुँचने के लिए आपको एक बड़े पहाड़ के ऊपर से गुजरना पड़ सकता है या एक लंबा चक्कर लगाना पड़ सकता है। पुराना सिस्टम वास्तविक सड़कों को नजरअंदाज करता है और केवल एक सपाट मानचित्र पर स्थान के आधार पर स्टॉप को समूहित करता है।
- नया तरीका (चींटियाँ): नया सिस्टम वास्तविक सड़क नेटवर्क (OpenStreetMap नामक डिजिटल मैप का उपयोग करके) को देखता है। यह जानता है कि कभी-कभी मानचित्र पर "निकटतम" शहर वास्तव में सड़क मार्ग से पहुँचने के लिए सबसे कठिन होता है।
2. "पैकिंग" की उपमा
- पुराना तरीका: पुराना सिस्टम निकटतम पड़ोसियों को पहले पकड़कर ट्रकों को भरने की कोशिश करता है। यह एक सूटकेस पैक करने जैसा है जैसे बिना देखे पास की वस्तुओं को उसमें फेंक देना। अंत में खाली जगह और बर्बाद स्थान बच जाता है, इसलिए आपको दूसरा सूटकेस (दूसरा ट्रक) खोलना पड़ता है, भले ही पहले में जगह हो।
- नया तरीका: एंट एल्गोरिदम एक मास्टर पैकर की तरह है। यह केवल निकटतम वस्तु को नहीं पकड़ता; यह पूरे सूटकेस को देखता है। यह पूछता है, "यदि मैं इस भारी बॉक्स को यहाँ रखता हूँ, तो क्या मैं उस हल्के बॉक्स को वहाँ फिट कर सकता हूँ?" यह अपनी "लचीली क्षमता" (5% अतिरिक्त जगह) का बहुत सावधानी से उपयोग करता है। यह एक बार में एक स्टॉप के साथ रूट बनाता है, और लगातार जाँच करता रहता है कि क्या ट्रक बहुत भर रहा है। यदि एक ट्रक लगभग भर गया है लेकिन उसमें एक और स्टॉप के लिए पर्याप्त जगह है, तो चींटी उसे ले लेती है। यदि नहीं, तो वह उस ट्रक को बंद कर देती है और एक नया शुरू करती है।
3. परिणाम: अधिक कुशलता से पैकिंग करना
लेखक ने वास्तविक डेटा का उपयोग करके 10 अलग-अलग व्यस्त दिनों के विरुद्ध इस नए सिस्टम का परीक्षण किया। यहाँ बताया गया है कि क्या हुआ, विशेष रूप से सबसे व्यस्त दिन (परिदृश्य S-3) पर:
- कम ट्रक: पुराने सिस्टम ने सभी 10 ट्रकों का उपयोग किया। नए एंट सिस्टम को केवल 8 ट्रकों की आवश्यकता थी। यह आवश्यक बेड़े में 20% की कमी है।
- कम ड्राइविंग: ट्रकों ने 20% कम दूरी तय की (लगभग 2,232 किलोमीटर की बचत हुई)।
- पैसे की बचत: क्योंकि उन्होंने कम दूरी तय की और कम ट्रकों का उपयोग किया, इसलिए ईंधन की लागत में 16% की गिरावट आई।
- पूरे भरे हुए ट्रक: पुराने सिस्टम ने ट्रकों को लगभग 79% क्षमता पर छोड़ दिया (बहुत सारी खाली जगह)। नए सिस्टम ने उन्हें 99.5% तक भर दिया, जिसका अर्थ है कि ट्रक के लगभग हर इंच का उपयोग किया गया।
4. यह क्यों काम कर पाया (इसका "गुप्त सूत्र")
पेपर तर्क देता है कि जादू केवल यह नहीं था कि नया सिस्टम सामान्य रूप से "स्मार्टर" था। जादू यह था कि इसे समन्वित तरीके से लचीली क्षमता (5% अतिरिक्त जगह) का उपयोग करने की अनुमति दी गई थी।
पुराना सिस्टम यह नहीं कर सका क्योंकि इसने रूट की योजना बनाने से पहले ही भौगोलिक समूहों को लॉक कर दिया था। यह कमरे में फर्नीचर को पुनर्व्यवस्थित करने की कोशिश करने जैसा था, जबकि आपने पहले ही दीवारें पेंट कर दी हों; समूह निश्चित थे। हालाँकि, एंट सिस्टम, रूट और समूह दोनों को एक साथ बनाता है। यह कह सकता था, "यह ट्रक भर गया है, लेकिन यदि मैं इस एक अतिरिक्त स्टॉप को दबाकर इसमें शामिल कर लूँ और 5% अतिरिक्त जगह का उपयोग करूँ, तो मैं एक पूरा ट्रक बचा सकता हूँ।"
निष्कर्ष
यह अध्ययन सिद्ध करता है कि कठिन सड़कों (कोलंबिया के पहाड़ों की तरह) वाले स्थान के लिए, एक जैव-प्रेरित कंप्यूटर प्रोग्राम (एंट कॉलोनी ऑप्टिमाइज़ेशन) का उपयोग करना जो वास्तविक सड़क दूरियों का सम्मान करता है और लचीले लोडिंग नियमों का उपयोग करता है, सीधी रेखा की दूरी द्वारा समूहित करने के पुराने तरीके की तुलना में काफी बेहतर है।
लेखक निष्कर्ष निकालते हैं कि यह केवल एक भाग्यशाली अनुमान नहीं है; उनके परिणामों का प्रत्येक परिदृश्य के लिए 20 बार परीक्षण किया गया और वे सांख्यिकीय रूप से महत्वपूर्ण साबित हुए। नया तरीका पैसे बचाता है, ईंधन बचाता है, और ट्रकों की संख्या कम करता है, और यह सब "सूटकेस" (ट्रक) को अधिक बुद्धिमानी से पैक करके किया जाता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।