Το Πρόβλημα Δρομολόγησης Αποθέματος (Inventory Routing Problem - IRP) συνιστά μια από τις πλέον σύνθετες προκλήσεις στη διαχείριση της σύγχρονης εφοδιαστικής αλυσίδας, ενοποιώντας τον έλεγχο των αποθεμάτων με τη δρομολόγηση του στόλου οχημάτων. Λόγω της NP-hard φύσης του, οι υφιστάμενες μέθοδοι βελτίωσης αντιμετωπίζουν σοβαρούς υπολογιστικούς περιορισμούς, αδυνατώντας συχνά να επιλύσουν δίκτυα μεσαίας και μεγάλης κλίμακας σε πρακτικούς χρόνους.

Η παρούσα διπλωματική εργασία προτείνει την εφαρμογή ενός σύγχρονου μετα-ευρετικού αλγορίθμου, του Pelican Optimization Algorithm (POA), για την αποδοτική επίλυση του IRP Πολλαπλών Οχημάτων. Προκειμένου να γεφυρωθεί ο συνεχής χώρος αναζήτησης του αλγορίθμου με τη διακριτή φύση του προβλήματος, δοκιμάστηκε ένας τρόπος εφαρμογής μέσω εικονικών κόμβων. Η συνάρτηση καταλληλότητας ενσωματώνει μηχανισμούς όπως τον αλγόριθμο τοπικής αναζήτησης 2-opt για την ταχεία δρομολόγηση, την λογική φόρτωσης οχημάτων, τη στρατηγική του κυλιόμενου ορίζοντα για την πρόβλεψη μελλοντικής ζήτησης, καθώς και δυναμικές ποινές για τη διαχείριση των ελλείψεων μέσω της στοχευμένης χαλάρωσης των περιορισμών που επιβάλει το πρόβλημα.

Η πειραματική αξιολόγηση πραγματοποιήθηκε στο ευρέως διαδεδομένο σύνολο δεδομένων αναφοράς (instances) που υπάρχουν διαθέσιμα στην διεθνή βιβλιογραφία σε δίκτυα 10, 25 και 50 πελατών. Τα υπολογιστικά αποτελέσματα καταδεικνύουν την εξαιρετική ταχύτητα και ομοιογένεια του POA. Σε αντίθεση με τις υπόλοιπες μεθόδους επίλυσης (Branch & Cut, Matheuristic) οι οποίες τερματίζουν λόγω εξάντλησης του χρονικού ορίου εκτέλεσης που έχουν στην διάθεση τους, ο POA εξάγει λύσεις σε χαμηλότερα χρονικά όρια.

Αν και τα παραγόμενα αποτελέσματα που προκύπτουν παράγουν σχετικά μεγάλο ποσοστό χάσματος στο τελικό κόστος έναντι των υπολοίπων μεθόδων, η ταχύτητα εξαγωγής και η ικανότητα εύρεσης λύσεων ίσως να καθιστά τον αλγόριθμο πρακτικά εφαρμόσιμο.

The Inventory Routing Problem (IRP) is one of the most complex challenges in modern supply chain management, combining inventory control with vehicle fleet routing. Due to its NP-hard nature, existing optimization methods face serious computational constraints, often failing to solve medium- and large-scale networks within a practical timeframe.

This thesis proposes the application of a modern meta-heuristic algorithm, the Pelican Optimization Algorithm (POA), for the efficient solution of the Multi-Vehicle IRP. In order to bridge the algorithm’s continuous search space with the discrete nature of the problem, an implementation method using virtual nodes was tested. The fitness function incorporates mechanisms such as the 2-opt local search algorithm for rapid routing, vehicle loading logic, the rolling horizon strategy for forecasting future demand, as well as dynamic penalties for managing shortages through the targeted relaxation of the constraints imposed by the problem.

The experimental evaluation was conducted on the widely used reference dataset (instances) available in the international literature for networks with 10, 25, and 50 clients. The computational results demonstrate the exceptional speed and consistency of POA. Unlike other solution methods (Branch & Cut, Matheuristic), which terminate due to exhaustion of their allotted execution time limit, POA produces solutions within shorter time limits.

Although the results obtained show a relatively large cost gap compared to other methods, the speed of computation and the ability to find solutions may make the algorithm practically applicable.