02 – Thiele

Dieser Beitrag befasst sich mit zwei heuristischen Optimierungsverfahren für die Planung von (Polter-) Einsammeltouren. Das Savings- und das Sweep-Verfahren wurden jeweils anhand einer fiktiven Fallstudie mit 23 Polterstandorten unter Berücksichtigung von Kapazitätsrestriktionen bei homogener Fahrzeugflotte untersucht. Bei Anwendung des Savings-Verfahrens konnte ein Tourenplan mit sieben Touren und einer Gesamtfahrstrecke von 2814,8 km ermittelt werden. Der Sweep-Algorithmus mit Verbesserungsverfahren lieferte hingegen einen Tourenplan mit acht Touren und einer Gesamtfahrstrecke von 2917 km. Somit erwies sich in der Fallstudie das Savings-Verfahren als das bessere. Dieses Verfahren hatte außerdem den Vorteil, dass eine Transformation in ein kartesisches Koordinatensystem nicht erforderlich ist. Grundsätzlich hängt es sowohl von der geographischen Verteilung der Standorte als auch von der Menge der Touren und der Anzahl der Polter je Tour ab, welches Verfahren bessere Ergebnisse liefert. Auf weitere Verbesserungsverfahren (Metaheuristiken) wie den evolutionären Algorithmen, dem Ameisenalgorithmus, dem Simulated Annealing, dem Threshold Accepting, der Tabu-Search und den selbstorganisierenden künstlichen neuronalen Netzen wird hingewiesen.