مقایسه الگوریتم های توسعه مدیریت پسماند شهری و بهینه سازی آن با استفاده از الگوریتمهای فرابتکاری و یادگیری ماشین

سیستمهای حمل ونقل هوشمند شهری در جهان امروز، سیستمهایی متشکل از فناوریهای نوین الکترونیک، کامپیوتر، IT، الکترومکانیک، سنسورها، سامانههای هوشمند رصد و تحلیل دیتا، و زیر ساخت های متناسب شبکهای نسل ۴ و ۵ هستند که در برنامهریزی سیستمهای حمل ونقل زمینی بخصوص در زمینه مدیریت هوشمند ناوگان جمع آوری پسماند، نقش بسیار مهمی ایفا مینمایند. قدمت کاربرد و برنامه ریزی سیستمهای حمل ونقل هوشمند (ITS ) به اوایل دهه ۹۰ میلادی میرسد. از مهم ترین مزایای استفاده از سیستمهای حمل ونقل هوشمند در بحث پسماند میتوان به افزایش کارایی حرکت و جابه جایی پسماند ، پرهیز از ترافیک و کاهش تراکم ترافیک، افزایش توان مدیریت ساختارهای حمل پسماند، کاهش هزینههای عملیاتی و کاهش عوارض زیست محیطی و مصرف سوخت ناوگان اشاره نمود. یکی از مباحث مهم که در چند دهه اخیر کاربرد بسیار بالایی در عمل داشته و برای افزایش کارایی و بهره وری سیستمهای حمل ونقل ناوگان مدیریت پسماند شهری مطرح شده است بحث مسئله مسیریابی وسایل نقلیه (VRP) است. این مسئله درصدد است تا با ارائه مدلهای ریاضی و بهینه سازی مناسب به گونه ای عمل کند که معیارهایی همچون مسافت طی شده، زمان کل سفر، تعداد وسایل مورد نیاز حمل ونقل، جریمههای دیرکرد و در نهایت تابع هزینه حمل ونقل و مصرف سوخت ناوگان پسماند حداقل گردد و در نهایت رضایت مشتریان به حداکثر برسد. باتوجه به اینکه مسئله مسیریابی خودرو با پنجرههای زمانی، از جمله مسائل NP-hard است، بنابراین برای حل آن در ابعاد بزرگ و تعداد رخداد بالا، باید از الگوریتمهای ابتکاری و فراابتکاری (فرا مکاشفه ای) استفاده کرد.