Efektywny algorytm rozwiązujący problem TOPTW jako narzędzie do optymalizacji kosztów dostaw na odcinku ostatniej mili

W artykule przedstawiono wyniki badań przeprowadzonych w ramach projektu B+R, których celem było opracowanie efektywnego algorytmu rozwiązującego problem optymalizacyjny Team Orienteering Problem with Time Windows (TOPTW). W pracy porównano wyniki dwóch oryginalnych rozwiązań dla TOPTW pod kątem ich efektywności ekonomiczno-operacyjnej w przypadku zastosowania tychże rozwiązań do optymalizacji procesu realizacji zleceń transportowych na odcinku ostatniej mili. Została zweryfikowana hipoteza o wyższej skuteczności algorytmu mrówkowego nad algorytmem genetycznym w kontekście ekonomii transportu. W opracowaniu zostały przedstawione wyniki testów obydwu opracowanych algorytmów na klasycznych instancjach benchmarkowych. Implementacja zorientowanych na zysk algorytmów optymalizacji tras, rozwiązujących problem TOPTW, stanowi kluczowy czynnik redukcji kosztów operacyjnych na odcinku ostatniej mili. Przeprowadzone badania jednoznacznie potwierdziły wyższą jakość rozwiązań generowanych przez algorytm mrówkowy. Wyniki badań stanowiły podstawę wyboru algorytmu mrówkowego do wdrożenia w komercyjnym systemie klasy TMS (Transport Management System) do optymalnego zarządzania zleceniami transportowymi o nazwie AutoHiver.

Bibliografia/References

Archetti, C., Speranza, M. G., & Vigo, D. (2014). Vehicle routing problems with profits. W: P. Toth, & D. Vigo (Eds.), Vehicle Routing: Problems, Methods, and Applications (273–297). Society for Industrial and Applied Mathematics.

Gunawan, A., Lau, H. C., & Vansteenwegen, P. (2016). Orienteering problem: A survey of recent variants, solution approaches and applications. European Journal of Operational Research, 255(2), 315–332.

Jacyna, M., Wasiak, M., Lewczuk, K., & Kłodawski, M. (2014). Simulation model of transport system of Poland as a tool for developing sustainable transport. Archives of Transport, 31(3), 23–35.

Jorge, D., Rocha, T., & Ramos, T. R. P. (2024). A time-driven simulation – optimization framework for the dynamic heterogeneous order-courier assignment problem for instant deliveries. Transportation Research Part E: Logistics and Transportation Review, 192, 103783. https://doi.org/10.1016/j.tre.2024.103783

Kinable, J., Sluijk, N. Gendreau M, Rei W., & Van Woensel T. (2026). Fair stochastic vehicle routing with partial deliveries. Transportation Science, 60(2), 264–283. https://doi.org/10.1287/trsc.2024.0556

Kirac, E., Milburn, A. B., & Gedik, R. (2025). The dynamic team orienteering problem. European Journal of Operational Research, 324(3), 22–39. https://doi.org/10.1016/j.ejor.2025.01.009

Koszelew J., Ostrowski K., Starzec G., & Starzec M. (2024). Optimization of allocating transport orders process and generating optimal routes implemented in last mile delivery, W: Z. A. Sosnowski (red.), Wybrane zagadnienia symulacji komputerowej (s. 99–115). Oficyna Wydawnicza Politechniki Białostockiej.

Labadie, N., Mansini, R., Melechovský, J., & Calvo, R. W. (2012). The team orienteering problem with time windows: An LP-based granular variable neighborhood search. European Journal of Operational Research, 220(1), 15–27.

Ligaj, M., & Socha, A. (2025). Wpływ obsługi klienta w wybranych firmach kurierskich na budowanie satysfakcji klienta. Gospodarka Materiałowa i Logistyka, (3), 33–47. https://doi.org/10.33226/1231-2037.2025.3.4

Ostrowski, K., Starzec, G., & Starzec, M. (2024). The Ant Colony Optimization Algorithm applied in transport logistics. Computer Science, 25, 1–20. https://doi.org/10.7494/csci.2024.25.3.6360

Righini, G., & Salani, M. (2006). Decrease and conquer: An effective approach to the team orienteering problem with time windows. Computers & Operations Research, 33(11), 3125–3141.

Righini, G., & Salani, M. (2009). Decremental state space relaxation strategies and initialization heuristics for solving the orienteering problem with time windows with dynamic programming. Computers & Operations Research, 36(4), 1191–1203.

Sabo-Zielonka, A. (2019). Modele decyzyjne w planowaniu kompletacji zamówień w nowoczesnym magazynie. Wydawnictwo Uniwersytetu Ekonomicznego w Katowicach.

Schiffer, M., & Walther, G. (2018). The electric team orienteering problem with time windows and recharging stations. Transportation Research Part B: Methodological, 115, 181–201.

Vansteenwegen, P., Souffriau, W., Vanden Berghe, G., & Van Oudheusden, D. (2009). Iterated local search for the team orienteering problem with time windows. Computers & Operations Research, 36(12), 3281–3290.

Verbeeck, C., Vansteenwegen, P., & Aghezzaf, E. H. (2014). An extension of the ant colony optimization algorithm for the time-dependent orienteering problem with time windows. Transportation Research Part C: Emerging Technologies, 43, 128–137.

Witkowski, J., Cheba, K., Skowrońska, A., & Baraniecka, A. (2024). Comparative analysis of study results on e-commerce customer preferences in last-mile delivery in Poland. Gospodarka Materiałowa i Logistyka, (1), 15–27. https://doi.org/10.33226/1231-2037.2024.1.2

Žunić, E., Hodžić, K., Đonko, D., & Delalić, S. (2020). An adaptive data-driven approach to solve real-world vehicle routing problems in logistics. International Journal of Advanced Computer Science and Applications, 11(1), 7–18. https://doi.org/10.48550/arXiv.2001.02094