An adaptive large neighborhood search algorithm for selective and periodic inventory routing problem

Bu çalışmada, tersine lojistik alanında karşımıza çıkan seçici ve periyodik envanter rotalama problemi için literatürdeki ilk sezgisel methodu geliştiriyoruz. Bu problemde, restoran ve otel gibi büyük miktarda bitkisel yağ tüketimi yapan ve ?stanbul?un anadolu tarafına yayılmış bu kaynak noktalarından atık bitkisel yağ toplayan bir biyodizel üretim tesisini inceliyoruz. Toplanan atık yağlar bu tesiste biyodizel üretmek için hammadde olarak kullanılmaktadır. Üretim tesisinin yöneticisi mevcut kaynak noktalarından hangilerini atık toplama programına dahil edilmesi gerektiğine; hangilerinin her gün ziyaret edilmesi gerektiğine; sonsuz süre zarfında hangi periyodik rotalama çizelgesinin tekrarlanması gerektiğine karar vererek, üretim gereksinimleri ile operasyonel kısıtlar altında araç kullanımı, rotalama, envanter ve satın alma maliyetlerin toplamını minimize etmeyi amaçlamaktadır. Bu seçici ve periyodik envanter rotalama problemi için yakın geçmişte ilk olarak akış tabanlı bir doğrusal tamsayılı programlama (DTP) modeli geliştirildi ve 40 kaynak noktasına kadar gerçek hayat problemleri üzerinde test edildi. Kaynak nokta sayısı 25?i aştığında, bu modelin 3 saat limitli çözümlerinin uygunluk düzeyinin %10?u aştığı belirtildi. Bu problemi daha fazla kaynak sayısı ile uygun zaman limitleriyle daha etkili çözebilmek için 11 farklı komşu yapısından oluşan bir uyarlanmış geniş komşu arama sezgisel algoritması geliştirdik. Bazı komşu yapıları kaynak noktasının ziyaret programını ve araçların rotalamasını modifiye ederken, diğerleri ziyaret edilen kaynak nokta listesini de değiştirebiliyor. Algoritmamızın sonuçlarını DTP modeli ile karşılaştırdığımızda, bizim methodumuzun birkaç saniye içinde bulduğu çözümü DTP modelinin bir kaç saate bulduğunu gördük. Kaynak nokta sayısı 30?u geçtiğinde bizim algoritmamız, DTP modelinden daha iyi sonuçlar vermektedir. Aynı zamanda, algoritmamızı 100 kaynak noktasına kadar büyük problemlerde de test ettik. 50 ile 100 arasında kaynak noktasına sahip problemlerin çözümlerini hesapladığımız alt limitlerle karşılaştırdığımızda, algoritmamızın bu problemleri ortalama %10.7 uygunluk düzeyinde çözdüğünü gözlemledik.