Skip to header Skip to main navigation Skip to main content Skip to footer
Home

Main navigation

  • Wstęp
    • Optymalizacja transportu
    • Optymalizacja tras
  • Koszt
  • Warunki
  • Program
  • API
    • Ograniczenia umiejętności
    • Ograniczenia pojemności
    • Okna czasowe
    • Własne odległości
  • 👉🏽 Wypróbuj w przeglądarce!
    • Import/eksport CSV
  • English
  • Polish

Optymalizacja tras

Optymalizacja tras jest jedną z podstawowych składowych optymalizacji transportu. Polega ona na takim zaplanowaniu tras dla pojazdów przewożących towar, aby maksymalizować zyski i jakość obsługi klientów. Najczęściej z perspektywy firmy oznacza to minimalizację kosztów i czasu transportu, a z perspektywy odbiorców – zmniejszenie kosztów oraz poprawę punktualności dostaw. Cele te osiąga się przez redukcję liczby przejechanych kilometrów, dostosowywanie harmonogramów przewozów do zmieniających się warunków i nowych okoliczności, synchronizację transportu z pracą magazynów oraz częste i szybkie aktualizowanie bieżącego planu.

Z informatycznego punktu widzenia optymalizacja tras w transporcie i logistyce ma wiele wspólnego z problemem komiwojażera (TSP: Travelling Salesman Problem) oraz problemem marszrutyzacji (VRP: Vehicle Routing Problem). Problem TSP jest klasycznym problemem optymalizacji kombinatorycznej i polega na zaplanowaniu najkrótszej (w ogólności najtańszej) trasy cyklicznej przebiegającej przez n zadanych punktów, przy danych kosztach przejazdu między każdą parą punktów. Problem VRP jest uogólnieniem TSP – może tu występować wielu komiwojażerów (wiele ciężarówek), którzy mogą wracać wielokrotnie do bazy przed odwiedzeniem wszystkich n lokalizacji. Oba problemy (TSP i VRP) mają wiele wariantów i dodatkowych, praktycznych ograniczeń, takich jak ograniczenia kolejnościowe odwiedzanych lokalizacji, okienka czasowe, zróżnicowane parametry pojazdów i uprawnienia kierowców, czy też ograniczenia pojemnościowe przydatne przy rozwożeniu i zbieraniu produktów. Problem VRP został opisany już w 1959 roku w tym artykule.

Oba problemy (TSP i VRP) są NP-trudne, co w praktyce oznacza, że dla dużych instancji (czyli wielu lokalizacji) na tradycyjnych komputerach nigdy nie będziemy w stanie odkryć ściśle optymalnego, najlepszego rozwiązania w akceptowalnym czasie. Dlatego stosuje się metody przybliżone (heurystyki i metaheurystyki), które dają dobre lub bardzo dobre rozwiązania w rozsądnym czasie. Oba problemy są w naturalny sposób wielokryterialne – optymalizuje się czas, koszty, jakość, komfort, bezpieczeństwo i wiele innych czynników.


Pytania / kontakt / dostęp / dodawanie nowych funkcji w OptiFacility: support@mooncoder.com

© Mooncoder 2009−2026