Application of the Genetic Algorithm for Scheduling with Variable Transportation Demands

• Autorzy: Aleksander Król

Warianty tytułu

Zastosowanie algorytmu genetycznego do projektowania harmonogramu przewozów przy zmiennych potrzebach transportowych

• Języki publikacji: EN

Abstrakty

EN

The problem of constructing of the optimal transportation plan between multiple source nodes and multiple destination nodes with a limited number of vehicles is very computational complex. This paper describes the use of the genetic algorithm for designing the bus communication lines and the bus timetable planning. Transportation demands are put in the form of time profiles. Particular attention was paid to the selection of the optimization procedure parameters by the use of Taguchi method of experiment planning. Also the behavior of the described optimization procedure with the increase of the task size was examined. (original abstract)

Problem skonstruowania optymalnego planu przewozów pomiędzy wieloma węzłami źródłowymi i wieloma węzłami docelowymi przy ograniczonej liczbie środków transportowych jest bardzo złożony obliczeniowo. W pracy opisano zastosowanie algorytmu genetycznego do projektowania przebiegu linii autobusowych oraz planowania rozkładu jazdy autobusów. Potrzeby transportowe zadane są w postaci profili czasowych. Szczególną uwagę zwrócono na dobór parametrów procedury optymalizacyjnej za pomocą metody planowania eksperymentu Taguchiego. Zbadano również zachowanie się opisanej procedury optymalizacyjnej wraz ze wzrostem rozmiaru zadania. (abstrakt oryginalny)

Słowa kluczowe

EN

Genetic algorithms; Schedule; Passenger traffic; Logistics in the transport of persons; Bus transport; City transport

PL

Algorytmy genetyczne; Harmonogram; Przewozy pasażerskie; Logistyka przewozu osób; Transport autobusowy; Transport miejski

• Czasopismo: Logistyka
• Rocznik: 2014
• Numer: nr 4, CD 3
• Strony: 2933--2946

Twórcy

autor

Aleksander Król

• Politechnika Śląska

Bibliografia

• [1] Arabas J.: Wykłady z algorytmów ewolucyjnych. WNT, Warszawa 2004.
• [2] Baaj M.H., Mahmassani H.S.: Hybrid route generation heuristic algorithm for the design of transit networks. Transportation Research, Part C 3 1995, s. 31-50.
• [3] Bielli M., Caramia M., Carotenuto P.: Genetic algorithms in bus network optimization. Transportation Research, Part C 10 2002, s. 19 - 34.
• [4] Ceder A., Wilson N. H. M.: Bus network design. Transportation Research, Part B 20 1986, s. 331-344.
• [5] Fusco G., Gori S., Petrelli M. : An heuristic transit network design algorithm for medium size towns. Proceedings of the 13th Mini-EURO Conference, Bari 2002.
• [6] Hajiaghaei - Keshteli M.: The allocation of customers to potential distribution centers in supply chain networks: GA and AIA approaches. Applied Soft Computing 11 2011, s. 2069-2078.
• [7] Król A.: Metody sztucznej inteligencji w projektowaniu harmonogramu przewozów dla dynamicznych potrzeb transportowych. Autobusy 3/2013, s. 1369 - 1384.
• [8] Król A.: Zastosowanie algorytmu genetycznego do projektowania harmonogramu przewozów. Technika Transportu Szynowego 9/2012, s. 569-581.
• [9] Quak C. B.: Bus line planning. Master's Thesis, Delft University of Technology, The Netherlands 2003.
• [10] Rao R. S., Kumar C. G., R. Prakasham S., Hobbs P. J.: The Taguchi methodology as a statistical tool for biotechnological applications, A critical appraisal. Biotechnology Journal 3/2008, s. 510-523.
• [11] Roy R. K.: A Primer on the Taguchi Method. Van Nostrand Reinhold, New York 1990.
• ---