Stochastické vícecílové přístupy
Problémy tohoto typu se vyznačují rozhodujícím činitelem, který zpracovává několik optimalizačních kritérií najednou. Původní vícecílový kapacitní problém se stochastickou poptávkou (Tan a kol., 2007) je formulován jako minimalizace cestovní doby, počtu vozidel a motivující odměny pro řidiče.
Tento problém představuje vícecílovou verzi klasického CVRPSD, která neoptimalizuje jen náklady nebo délku trasy, ale zároveň zohledňuje i další cíle, jako jsou:
- minimalizace počtu vozidel,
- minimalizace očekávané cestovní doby,
- motivace řidičů (např. pomocí bonusů za efektivní doručení bez přetížení nebo návrat včas).
Tento přístup reflektuje realitu, kdy logistická firma:
- nejen že hledá levné řešení,
- ale zároveň musí plánovat v omezených kapacitách,
- zohledňuje lidské faktory a provozní limity (řízení směn, spokojenost posádek apod.).
Model využívá stochastickou poptávku – tedy nevíme přesně, jaké množství bude u každého zákazníka vyžadováno, což přináší riziko přečerpání kapacity.
Zajímavosti
- Řidiči jako součást optimalizační rovnice
Výzkumy ukazují, že motivovaní řidiči vedou k nižším chybám, zpožděním a efektivnějším trasám. Zahrnutí odměn do modelu pomáhá vyvažovat délku trasy a spokojenost lidského faktoru. - Využití váženého skóre nebo Pareto optimality
Jelikož cíle bývají protichůdné (např. méně vozidel vs. kratší doba vs. vyšší bonusy), často se používají Pareto čela nebo multi-kriteriální vážené funkce. - Použití heuristik a evolučních algoritmů
Problém je velmi výpočetně náročný, a tak se často řeší pomocí genetických algoritmů, tabu search nebo simulated annealing. - Skvělé využití ve firemní praxi
Tento model je velmi oblíbený u firem, které pracují s odměňováním zaměstnanců za výkon, více typy zákazníků a priorit, kombinovaným řízením času a nákladů.
Praktické využití
- Kurýrní a expresní služby, které balancují efektivitu, rychlost a motivaci řidičů (např. bonusy za počet zásilek nebo včasnost),
- Zásobování obchodních řetězců, kde je důležitá kombinace nákladů a požadavků na kvalitu služby,
- Zdravotní nebo sociální služby, kde je nutné plánovat efektivně, ale zároveň brát ohledy na zátěž personálu a nevyzpytatelnost poptávky.
Jednotlivé varianty stochastických problémů s vícecílovým přístupem můžeme najít zde:
Metody řešení
- NSGA-II
- ALNS
- Programování s pravděpodobnostními omezeními
- Re-optimalizace s běžnou / přesnou zásobou
- Simulace s horizontem plánování
Vícecílový kapacitní VRP se stochastickou poptávkou (MC-CVRPSD) umožňuje optimalizaci tras nejen podle jednoho kritéria, ale zohledňuje současně provozní efektivitu (náklady, vzdálenost), provozní omezení (počet vozidel), lidské faktory (odměny, směny), a to vše ve světě, kde není jisté, kolik bude u každého zákazníka potřeba doručit. Tento typ problému patří mezi nejrealističtější a zároveň výpočetně nejnáročnější modely ve směrovacích úlohách.
Zdroj:
[1] Tan, K., Cheong, C., Goh, C. (2007). Solving multiobjective vehicle routing problem with stochastic demand via evolutionary computation. European Journal of Operation Research, 177(2)
[2] Russell, R. A., & Urban, T. L. (2008). Vehicle routing with soft time windows and Erlang travel times. Journal of the Operational Research Society, 59(9).
[3] Juan, A., Faulin, J., Grasman, S., Riera, D., Marull, J., & Mendez, C. (2011). Using safety stocks and simulation to solve the vehicle routing problem with stochastic demands. Transportation Research Part C: Emerging Technologies, 19(5).
[4] Ahmadi-Javid, A., & Seddighi, A. H. (2013). A location-routing problem with disruption risk. Transportation Research Part E: Logistics and Transportation Review, 53.
[5] Vakili, R., Akbarpour Shirazi, M., & Gitinavard, H. (2021). Multi-echelon green open-location-routing problem: A robust-based stochastic optimization approach. Scientia Iranica, 28(2), 985-1000.