Integrating Artificial Intelligence and Optimization Techniques for Efficient Delivery - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2023

Integrating Artificial Intelligence and Optimization Techniques for Efficient Delivery

Merouane Mazar
  • Fonction : Auteur
  • PersonId : 1311849
Halima Belgherri
  • Fonction : Auteur
Abdelkrim Saouabé
  • Fonction : Auteur
  • PersonId : 1311850
Fawaz Salihou

Résumé

The rise of e-commerce and its significant impact on transport and logistics have prompted companies to question the efficiency of parcel deliveries. The question of parcel delivery efficiency comes up against a well-known classic problem in logistics, namely the vehicle routing problem (VRP), which consists in optimizing vehicle route predictions in order to save time while maximizing delivered customer satisfaction. This is the objective of this article, which proposes to combine machine learning techniques linked to artificial intelligence, such as K-Means, DBSCAN and OPTICS, to group delivery points into clusters, thus reducing the complexity of the problem. Building on these clustering methods, our paper highlights the use of the Tabu search algorithm to optimize delivery rounds within each cluster. By exploring different optimization approaches, we plan to deploy the Tabu search algorithm on several clusters while adding a constraint on the number of deliveries per round, which will result in more efficient delivery round solutions tailored to our operational constraints. Using this combined approach, our paper proposes practical recommendations to help decisionmakers improve their delivery service and respond effectively to the logistical challenges of the e-commerce sector.
L’essor du commerce électronique et son impact significatif sur le transport et la logistique ont amené les entreprises à s’interroger sur l’efficacité des livraisons de colis. La question de l’efficacité de l’acheminement des colis se heurte à un problème classique bien connu en logistique, à savoir le problème de routage des véhicules (VRP), qui consiste à optimiser les prévisions d’itinéraire des véhicules afin de gagner du temps tout en maximisant la satisfaction des clients livrés. C’est l’objectif de cet article qui propose de combiner des techniques d’apprentissage automatique liées à l’intelligence artificielle, telles que K-Means, DBSCAN et OPTICS, pour regrouper les points de livraison en clusters, réduisant ainsi la complexité du problème. En s’appuyant sur ces méthodes de clustering, notre article met en avant l’utilisation de l’algorithme de recherche Tabu pour optimiser les tournées de livraison au sein de chaque cluster. En explorant différentes approches d'optimisation, nous prévoyons de déployer l'algorithme de recherche Tabu sur plusieurs clusters tout en ajoutant une contrainte sur le nombre de livraisons par tournée, ce qui se traduira par des solutions de tournées de livraison plus efficaces et adaptées à nos contraintes opérationnelles. En utilisant cette approche combinée, notre article propose des recommandations pratiques pour aider les décideurs à améliorer leur service de livraison et à répondre efficacement aux défis logistiques du secteur du commerce électronique.
Fichier non déposé

Dates et versions

hal-04295362 , version 1 (20-11-2023)

Identifiants

Citer

Merouane Mazar, Halima Belgherri, Abdelkrim Saouabé, Fawaz Salihou. Integrating Artificial Intelligence and Optimization Techniques for Efficient Delivery. 2023 International Conference on Decision Aid Sciences and Applications (DASA), Sep 2023, Annaba, Algeria, Algeria. pp.560-564, ⟨10.1109/DASA59624.2023.10286743⟩. ⟨hal-04295362⟩
25 Consultations
0 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More