Comparing metaheuristic algorithms for solving crowdshipping problems

Abstract

Bu çalışma, kitle destekli dağıtım sistemlerine odaklanmakta ve operasyonel karar problemini bir çevrimdışı optimizasyon problemi olarak ele alıp kitle destekli nakliye problemi olarak atıfta bulunmaktadır. Kite destekli nakliye problemini çözmek için tek sağlıkçeşitli metasezgisel algoritmalar ve sezgisel işlemler önerilmiştir. Önerilen çözüm tekniklerinin performansını değerlendirmek için bir deney düzeneği tasarlanmıştır. Bu tezde yapılan deneylerin sonuçları karşılaştırılmalı bir şekilde sunulmakta ve analiz edilmektedir. Bu çalışmalardaki sonuçlar, daha az rastgeleliğe sahip algoritmaların, istatistiksel olarak daha rastgele algoritmalardan daha iyi performans gösterdiğini göstermiştir. Daha az rastgele, daha iyi performans gösteren algoritmalar, istatistiksel olarak birbirine benzer sonuçlar vermiştir.

This thesis focuses on crowdsourced delivery systems and refers to its operational decision problem as a crowdshipping problem formulates as an offline optimization problem. In order to solve the crowdshipping problem, several metaheuristic algorithms and heuristic operations are proposed. An experimental setup is designed to assess the performance of proposed solution techniques. Results of conducted experiments in this thesis are presented and analyzed in a comparative manner. Results indicated that algorithms with less randomization outperform more randomized algorithms with statistical significance. Less randomized outperforming algorithms provide statistically similar results to each other.