उन्नत जेनेटिक एल्गोरिदम और एंट कॉलोनी एल्गोरिदम पर आधारित टाइम विंडो के साथ वाहन रूटिंग समस्या पर शोध

टाइम विंडो के साथ वाहन रूटिंग समस्या (VRPTW) आधुनिक समाजों में अत्यधिक महत्वपूर्ण है, जहाँ इसका उद्देश्य संसाधनों के उपयोग को अनुकूलित करना, लागत कम करना और समय तथा वाहन क्षमता जैसी बाधाओं को हल करना है। पारंपरिक जेनेटिक एल्गोरिदम को ऐसी समस्याओं को हल करने में अक्सर समय से पहले अभिसरण (प्रीमैच्योर कन्वर्जेंस) और धीमी गति का सामना करना पड़ता है। यह शोधपत्र VRPTW को कुशलतापूर्वक हल करने के लिए एक इम्प्रूव्ड जेनेटिक एंट कॉलोनी ऑप्टिमाइज़ेशन (IGA-ACO) एल्गोरिदम का प्रस्ताव करता है। यह एल्गोरिदम कुल लागत को न्यूनतम करने और संतुलन को अनुकूलित करने के उद्देश्य से जेनेटिक एल्गोरिदम की खूबियों को जनरलाइज़्ड वेरिएबल नेबरहुड सर्च (GVNS) और एंट कॉलोनी ऑप्टिमाइज़ेशन (ACO) के साथ जोड़ता है। पॉपुलेशन को आरंभ करने और स्थानीय खोज क्षमताओं को बढ़ाने के लिए Solomon इंसर्शन ह्यूरिस्टिक का उपयोग किया जाता है, जबकि दो-पॉपुलेशन संरचना दोनों पॉपुलेशन के बीच इष्टतम समाधानों का आदान-प्रदान करके वैश्विक खोज प्रदर्शन में सुधार करती है, जिससे लोकल ऑप्टिमा से बचने में मदद मिलती है। Solomon बेंचमार्क डेटासेट पर किए गए प्रयोगों से पता चलता है कि IGA-ACO एल्गोरिदम Class C मामलों में बेस्ट नोन सॉल्यूशन (BKS) से मेल खाता है, Class R में वाहन के उपयोग को 24.45% कम करता है (9.19% यात्रा दूरी विचलन के साथ), और Class RC में वाहन के उपयोग को 0.19% थोड़ा कम करता है (7.05% यात्रा दूरी विचलन के साथ)। ये परिणाम विशेष रूप से जटिल बाधाओं के तहत वाहन रूटिंग को अनुकूलित करने में एल्गोरिदम की प्रभावशीलता और अन्य विधियों की तुलना में इसके प्रतिस्पर्धी लाभ को प्रदर्शित करते हैं।