الگوریتم مسیریابی

با سلام به طور خلاصه شرکت ما تو کار جمع آوری روغن خوراکی استفاده شده از رستوران ها هست (روغن سوخته جهت بازیافت). دفتر ما شهر تهران هست و مشتری های ما تو شعاع 100 کیلومتری ما هستند. جمع آوری توسط یک خودرو ون و یک راننده صورت میگیره و این مشتری ها (حدودا 400 مشتری) شیفت های مختلف دارند که شامل صبح، ظهر و عصر هستند. بعضی هاشون بعضی روزهای هفته باز هستند و بعضی ها روزهای دیگه. یه مسئله دیگه اینه که بعضی هاشون نسبت به بعضی دیگه بیشتر روغن استفاده میکنن و روغن بازیافتی بیشتری رو تولید می کنند و بعضی ها کمتر. ما یه نرم افزار نوشتیم برای مدیریت مشتریان و برنامه ریزی سفر، و من نیاز دارم که برای دستیابی به بهترین تصمیم و باصطلاح برنامه ریزی سفر روزانه یه الگوریتم ایجاد کنم که بشه از طریق اون بهترین برنامه ریزی روزانه رو داشته باشیم و بتونیم کمترین مسافت و بیشترین جمع آوری روغن رو بکنیم. ضمنا ما دیتای زیادی از پروفایل هر مشتری و تاریخ هایی که رفتیم و لیتری که جمع کردیم رو هم داریم (حدودا 2 سال) جهت اطلاع ما به مشتری ها سطل های 100 لیتری میدیم و به اون سطل ها رو برمیداریم هر بار و بهشون سطل نو می دیم تا دوباره پر کنند و البته باید این سیستم بتونه از جمع آوری و مشتری ها دائم یادگیری داشته باشه و روز به روز بتونه بهتر و بهتر برنامه ریزی سفر رو برای راننده انجام بده. (به طور معمول راننده تا 20 مقصد رو در هر روز میتونه بره) بنابراین این فرآیند جمع آوری نیاز به برنامه‌ریزی مسیر دقیق و بهینه داره تا بتونیم به حداکثر جمع آوری روغن و کاهش حداقلی هزینه و زمان برسیم. با توجه به مشخصات مشتریان و مشکلات مربوط به زمان‌بندی و مقدار جمع آوری روغن،به نظرم این مراحل لازمه: 1. جمع آوری داده‌ها: جمع آوری اطلاعات مربوط به مشتریان، محل رستوران‌ها، ساعات کاری و مقادیر جمع آوری روغن از هر رستوران. (داده های پیشین ما شامل میزان جمع آوری و تاریخ های جمع آوری موجود هست اما بزودی میتونیم سرعت، مسافت و... رو هم داشته باشیم چون برای راننده اپ موبایل طراحی کردیم) 2. تعریف مسئله: بهینه‌سازی مسیر یابی که اهداف جمع آوری روغن و محدودیت‌های زمانی و مکانی را در نظر بگیرد.(تاحدی عرض کردم) 3. انتخاب الگوریتم: انتخاب یک الگوریتم مناسب از دسته الگوریتم‌های هوش مصنوعی مانند الگوریتم‌های جستجو، الگوریتم‌های تکاملی یا الگوریتم‌های مبتنی بر یادگیری ماشین. (نیاز به انجام توسط شما) 4. پیاده سازی و آزمایش: پیاده‌سازی الگوریتم انتخاب شده و آزمایش عملکرد آن با استفاده از داده‌های جمع آوری شده. (نیاز به انجام توسط شما) 5. ارزیابی و بهینه‌سازی: ارزیابی عملکرد الگوریتم و انجام بهینه‌سازی‌های لازم برای بهبود عملکرد آن. (نیاز به انجام توسط شما) از منظر محدودیت ها، محدودیت های ما به شرح زیر هستند: • موقعیت مکانی رستوران‌ها: مختصات جغرافیایی رستوران‌ها که همگی موجود هستند • ساعات کاری رستوران‌ها: زمان‌هایی که رستوران‌ها فعال هستند باید در نظر گرفته شوند • مقدار روغن جمع آوری شده: مقدار روغن خوراکی که از هر رستوران جمع آوری شده است باید در نظر گرفته شود تا بتوان نیازمندی‌ها و ظرفیت جمع آوری را مدیریت کرد. • محدودیت‌های زمانی: ساعات کار مشتریان و باز بودن مغازه • موقعیت انبار و محل پارک اولیه خودرو: مسافت بین موقعیت انبار جهت محاسبه بهینه‌ترین مسیرها برای جمع آوری • ترافیک و شرایط راه: شرایط ترافیک و موانع ممکن در مسیر باید در نظر گرفته شوند تا بتوان بهینه‌ترین مسیرها را تعیین کرد (میتوان از API گوگل یا سایر نرم افزارها استفاده کرد) • مشخصات خودرو: ویژگی‌های خودروی استفاده شده برای جمع آوری روغن مانند ظرفیت (موجود است)، سرعت میانگین و سایر ویژگی‌ها همگی موجود است. ضمن اینکه ما در نرم افزارمون شرایطی رو ایجاد کردیم که از طریق اپ راننده موقعیت راننده و سرعت و میزان توقف در هر مقصد و ساعت استراحت و ... رو به طور کامل لاگ میکند. و دیتا بزودی موجود خواهد شد. • ساعات کار راننده: راننده می بایست در ساعت کار خود (9 صبح تا 6 عصر) از محل اولیه (انبار شرکت) خارج و در راس ساعت و با کمترین اضافه کاری در محل کار خودش باشه. ممنون میشم تصویر ارسال شده رو با دقت ملاحظه بفرمایید.