تعتبر مشكلة توجيه المركبات الكهربائية، المعروفة بـ Electric Capacitated Vehicle Routing Problem، واحدة من التحديات الكبرى في مجال تحسين العمليات اللوجستية. تتأثر خوارزميات الحلول بشكل كبير بإعدادات المعلمات، حيث أن التكوين العام الذي يمكن أن يبدو فعالًا لا يتمكن دومًا من استغلال التنوع في حالات البيانات المختلفة.

تقدم الورقة البحثية الجديدة استكشافًا عميقًا لتكوين بارامترات مرتكزة على الحالة في خوارزمية Bilevel Late Acceptance Hill Climbing، وهي واحدة من أكثر الخوارزميات تقدمًا في هذا المجال. من خلال استخدام إجراء ضبط مسبق Offline Tuning للحصول على تسميات معلمات محددة لكل حالة، يتم ربط هذه التسميات بخصائص الحالات عبر نموذج الانحدار، مما يتيح التنبؤ بمعلمات جديدة قبل تنفيذ الخوارزمية.

تظهر النتائج التجريبية المستندة إلى اختبارات معيارية من IEEE WCCI 2020 أن النهج المقترح أسفر عن تقليل متوسط قيمة الهدف بنسبة 0.28% عبر ثماني حالات اختبار. هذا التقدم لا يعد بتحسين الأداء فحسب، بل يُتوقع أيضًا أن يحدث تأثيرًا ملحوظًا في تقليل التكاليف في عمليات النقل التي تتعدى قيمتها ملايين الدولارات.

هل أنتم متحمسون لهذا التطور في تحسين أداء خوارزميات الحلول اللوجستية؟ شاركونا آراءكم في التعليقات!