في عالم اللوجستيات المعقد، يعتبر تحدي "اللص المتنقل مع الطائرات المسيرة" (Travelling Thief Problem with Drone - TTP-D) محورا رئيسيا لدراسة كفاءة جمع الحمولة. فمع تراكم الحمولة، يتباطأ سير المركبة، مما يؤثر سلبا على الكفاءة التشغيلية.

من خلال الاستعانة بطائرة مسيرة (Drone)، يُمكن تقليل هذا التأثير. حيث تعمل الطائرة المسيرة على استرجاع العناصر الموزعة، مما يُهيء الطريق لتقصير مدة العمليات وزيادة الأرباح. ومع ذلك، يتزايد وقت السفر مع كل عنصر تقوم المركبة بجمعه، مما يؤثر بدوره على نقاط انطلاق الطائرة.

تطرح هذه الورقة البحثية أساليب لتحديد مختارات العناصر، توجيه المركبات، وتزامن الرحلات بشكل فعال. تم صياغة برنامج خطي مختلط (Mixed-Integer Linear Program) لحل المسائل الصغيرة بشكل دقيق، بالإضافة لإعداد كل من التقنيات التقديرية (Metaheuristics) وإستراتيجية التعلم العميق المعزز (Deep Reinforcement Learning - DRL) لمواجهة الحالات الأكبر.

ويشمل الابتكار المقترح استخدام خوارزم متساهل مختلط، حيث تُقدم سياسة التعلم العميق حلا أوليا يمثل قاعدة ينطلق منها التعزيز السريع.

النتائج الأولية تشير إلى أن هذه الخوارزمية الجديدة تحقق جودة تتقارب مع ما تقدمه التقنيات التقديرية التقليدية مع تقليص كبير في التكاليف الحاسوبية. لكن على الرغم من ذلك، تبقى الحالات الكبرى بحاجة إلى استخدام الميزانية كاملة.

بينما تكشف التحليلات الحسية أن نسبة الإيجار هي المحرك الرئيسي للربحية، بينما تؤثر معلمات الأسطول بشكل محدود.

كلمة أخيرة: تفتح هذه الدراسة آفاقاً جديدة في كيفية إدارة عمليات اللوجستيات باستخدام التكنولوجيا الذكية، مما يضمن كفاءة أفضل ورفع مستوى الأرباح بشكل ملحوظ.