حمل اثاثيه منزل اصفهان حمل اثاثيه منزل بين شهري
27.10.1400
ابتدا الگوريتم را با مقادير بهترين كران بالا (UB) و كران پايين (LB) و پارامترهاي الگوريتمي ε و Maxitr با مقادير خاص همانطور كه در خط 1 نشان داده شده است، مقداردهي اوليه مي كنيم. سپس، يك BMP اوليه را بدون هيچ برش Benders حل مي كنيم (BendersCutSet = ∅ ). سپس، حلقه تكرار اصلي (while) شروع مي شود كه در آن ابتدا DBSP را حل مي كنيم، UB را در صورت لزوم به روز مي كنيم، برش هاي Benders را با استفاده از راه حل آن ايجاد مي كنيم و BMP را براي مقادير جديد كران پايين و متغيرهاي عدد صحيح حل مي كنيم. پس از خاتمه، كران بالا و محلول مربوطه برگردانده مي شود. براي آزمايش كارايي از نظر زمان حل و كيفيت روش حل خود، ما مسائل توليد شده به طور تصادفي و همچنين داده هايي را كه داراي ويژگي هاي توزيع تقاضا هستند كه كاربردهاي واقعي را منعكس مي كنند، حل مي كنيم. تمام مطالعات محاسباتي روي دستگاهي با پردازنده مركزي پنتيوم كور 2 چهار 3.0 گيگاهرتزي با 8 گيگابايت رم انجام شد. الگوريتمها با استفاده از C++ با استفاده از STL (كتابخانه الگوي استاندارد) و Concert Technology 2.0 با CPLEX 9.0 كه براي حل BMP و DBSP كاهش يافته استفاده ميكنيم، پيادهسازي شدند.محموله هاي تلفيقي خط خطوط عمدتاً بين مناطق جغرافيايي بزرگ انجام مي شود. به عنوان مثال، محموله ها بين مناطق شرقي و غربي قاره ايالات متحده يا بين بخش هاي شمالي و جنوبي شرق (يا غرب يا مركزي) ايالات متحده. براي نشان دادن چنين جغرافياي زيربنايي در نمونههاي مسئلهاي كه بهطور تصادفي توليد ميشوند، دو مربع يكسان به اندازه 50 ايجاد ميكنيم كه با فاصله ثابت A به صورت افقي از هم جدا شدهاند. مربع سمت چپ فقط از گره هاي مبدا و مربع سمت راست فقط از گره هاي مقصد تشكيل شده است. ما تعداد مساوي 500 مختصات نقطه توزيع شده يكنواخت را در هر يك از مربع ها توليد مي كنيم كه مبدا فيزيكي بالقوه و گره هاي مقصد را نشان مي دهد. ما همچنين M گره هاي متمايز را از اين مجموعه نقاط در هر مربع انتخاب مي كنيم تا مكان هاي مركز بالقوه باشند و تمام فواصل را با استفاده از مختصات نقطه به طور تصادفي توليد شده و هنجار اقليدسي محاسبه مي كنيم. سپس، به طور تصادفي N جفت متمايز را از گرههاي مبدأ فيزيكي و مقصد بالقوه براي تعيين N كالا انتخاب ميكنيم. متذكر مي شويم كه اين روش روش توليد شبكه مشابه است