ارائه ی مدل دوهدفه مکان یابی - موجودی برای طراحی شبکه لجستیک مستقیم / معکوس یکپارچه (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
در این مقاله، مدل جدید برنامه ریزی غیرخطی عدد صحیح مختلط برای مسئله مکان یابی- موجودی مستقیم/معکوس با ظرفیت محدود ارائه شده است که تصمیمات استراتژیک را در کنار تصمیمات تاکتیکی بهینه می کند. مدل پیشنهادی دوهدفه بوده و هزینه های کل را به عنوان تابع هدف اول و کمبود را به عنوان تابع هدف دوم کمینه می کند. با حل یک مثال عددی، برتری مدل یکپارچه بر مدل غیر یکپارچه اثبات شده است و تحلیل حساسیت نیز جهت اعتبارسنجی مدل پیشنهادی انجام شده است. با توجه به ماهیت ان پی سخت مسئله و وجود دو تابع هدف که در تضاد با یکدیگر هستند، دو الگوریتم فرا ابتکاری به نام های الگوریتم ژنتیک با مرتب سازی نامغلوب نوع دوم و الگوریتم تکاملی پارتوی قوی نوع دوم برای حل مسائل در ابعاد بزرگ استفاده شده است. تحلیل معیارهای ارزیابی مختلف معرفی شده گویای عملکرد بهتر الگوریتم تکاملی پارتوی قوی نوع دوم نسبت به الگوریتم ژنتیک با مرتب سازی نامغلوب نوع دوم برای حل مسائل در ابعاد بزرگ می باشد.Presenting a Dual-objective Location-inventory Model for Designing an Integrated Forward/reverse Logistics Network
In this paper, a novel mixed integer nonlinear programming model for the forward/reverse inventory-location problem with limited capacity is presented, which optimizes strategic decisions along with tactical decisions. The proposed model is dual-objective and minimizes total costs as the first objective function and shortage as the second objective function. By solving a numerical example, the superiority of the integrated model over the non-integrated model is proven, and sensitivity analysis is also performed to validate the proposed model. Considering the NP-hard nature of the problem and the existence of two conflicting objective functions, two meta-heuristic algorithms, namely the genetic algorithm with non-dominated sorting of type II and the robust Pareto evolutionary algorithm of type II, are used to solve problems in large dimensions. Analysis of various evaluation criteria introduced shows that the robust Pareto evolutionary algorithm of type II performs better than the genetic algorithm with non-dominated sorting of type II for solving problems in large dimensions.
تبلیغات
