تاسیسات نفتی برای تولید مداوم به پشتیبانی مداوم هم نیاز دارند. پشتیبانی تاسیسات نفتی در این بخش، که به عنوان لجستیک بالا دستی نفت شناخته می شود بخش مهمی از هزینه های شرکت های نفتی را تشکیل می دهد. تامین آب، غذا، تجهیزات و مواد مورد نیاز برای تاسیسات نفتی واقع در خشکی توسط ناوگان حمل و نقل متشکل از وسایل نقلیه ای که لزوما از یک نوع و ترکیب، اندازه و ظرفیت نیستند(وسایل نقلیه نا همگن) انجام می شود. امروزه نقش حمل و نقل به عنوان یکی از الزامات افزایش بهره¬وری و تولید در نیل به توسعه پایدار بر کسی پوشیده نیست.این تحقیق گامی است در جهت بررسی و حل یکی از مسائل کلیدی موجود در مباحث حمل و نقل با عنوان مدل چندهدفه مسیریابی ناوگان حمل و نقل،که در آن ناوگانی از وسایل نقلیه با ظرفیتهای معین جهت خدمتدهی به تعداد معینی از مشتریان با تقاضاهای متفاوت و محدودیتهای زمانی متفاوت بکار گرفته میشوند. به گونه ای که هزینه ها کمینه شده و ظرفیتها و نیز پنجره زمانی(بازه ای از زودترین زمان تا دیرترین زمان مورد نظر مشتری برای تحویل کالا یا دریافت خدمات است که ورود و خروج وسایل نقلیه باید حتما در این بازه باشد) نقض نگردند. بدین منظور یک مدل برنامه ریزی صفر و یک چند هدفه جهت: 1) کمینه کردن هزینه های حمل و نقل و2) کمینه کردن زمان توقف خودروها ارائه شده است. این مدل دو هدف متناقض دارد به طوری که با کمینه کردن زمان توقف خودروها، هزینه های حمل و نقل افزایش می یابد. واحد عملیاتی اندازه گیری مخازن، شرکت بهره برداری نفت و گاز کارون به عنوان مطالعه موردی انتخاب شده و از داده¬های واقعی(پیوست شماره3) مربوط به سال 92 برای حل مدل استفاده شده است،که به دلیل سخت بودن مسئله مسیریابی وسیله نقلیه با پنجره زمانی از الگوریتم پیشنهادی فرا ابتکاری سیستم کلونی مورچگان چند هدفه (macs) تعدیل شده برای حل استفاده شده است. بمنظور اعتبار سنجی مدل از نمونه مسائل استاندارد سالامون در دو کلاس متفاوت c و rc استفاده شده است که نتایج حاکی از اختلاف ناچیز تابع هدف اول با مقادیر گزارش شده کلاس c و اختلاف +5.81 درصدی با مقادیر گزارش شده کلاس rc دارد. بدین ترتیب با مقایسه نتایج سایر الگوریتم های فرا ابتکاری می توان گفت که الگوریتم پیشنهادی در رده مسائل سخت اختلاف کمتری با مقادیر استاندارد گزارش شده دارد و از حیث کیفیت جواب نسبت به سایر الگوریتم ها برتری محسوسی دارد. اما در رده مسائل c (مسائلی با اندازه متوسط) الگوریتم ژنتیک با اختلاف 078/0 درصد کمترین اختلاف را با مقدار استاندارد گزارش شده داشته است.