ارائه یک مدل چند هدفه برای مسئله مکان یابی- مسیریابی با در نظر گرفتن حداقل ریسک و حداکثر پوشش تقاضا

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشیاردانشگاه آزاد اسلامی، واحد قزوین، دانشکده مهندسی صنایع و مکانیک، قزوین،ایران

2 دانشیار، دانشگاه آزاد اسلامی، واحد قزوین،دانشکده مهندسی صنایع و مکانیک، قزوین، ایران

3 دانشجوی دکتری مهندسی صنایع ،دانشکده فنی و مهندسی، دانشگاه یزد، یزد، ایران

چکیده

تصمیمات مکان‌یابی، مسیریابی و تخصیص در زنجیره تأمین بی‌تردید یکی از مباحث بسیار مهم این فلسفه مدیریتی محسوب می‌شوند که تاثیر فراوانی بر کاهش هزینه‌های زنجیره تأمین و رضایت مشتریان دارد. این تحقیق به ارائه یک رویکرد یکپارچه از شبکه-های توزیع پرداخته است. توابع هدف در مدل ریاضی پیشنهادی شامل حداقل کردن مجموع هزینه‌های مرتبط با وسایل حمل و نقل، هزینه اجاره انبارها و حداقل کردن ریسک سیستم می‌باشد. مدل پیشنهادی دارای پیچیدگی محاسباتی زیادی می‌باشد و حل آن با روش‌های دقیق در زمان معقول امکان‌پذیر نمی‌باشد. بنابراین یک الگوریتم فرا ابتکاری چندهدفه جدید به نام الگوریتم جستجوی هارمونی چندهدفه ارائه شده است. به منظور اثبات اثربخشی و کارایی الگوریتم در حل مدل پیشنهادی، ابتدا با استفاده از روش تاگوچی پارامترهای الگوریتم در بهترین سطوح ممکن تنظیم می‌شوند. سپس مسائل نمونه تصادفی تولید و عملکرد الگوریتم پیشنهادی در مقایسه با الگوریتم‌های ژنتیک مرتب‌سازی نامغلوب و ژنتیک رتبه‌بندی نامغلوب ارزیابی می‌شود.

کلیدواژه‌ها


عنوان مقاله [English]

Presenting a multi-objective model for location-routing problem with considering minimal risk and maximal demand covering

نویسندگان [English]

  • alireza alinezhad 1
  • Abolfazl kazemi 2
  • Marzieh Karimi 3
1 Associate Professor, Department of Industrial Engineering, Faculty of Industrial and Mechanical Engineering, Qazvin branch, Islamic Azad University, Qazvin, Iran.
3 Yazd university
چکیده [English]

Locational decisions, routing and allocation in supply chain management philosophy is undoubtedly one of the most important issues that affect the frequency of the supply chain cost reduction and customer satisfaction. This paper presents an integrated approach to the distribution network. The objective function of the proposed mathematical model consists of minimizing the total costs associated with transportation and warehouse rental costs and also minimize the risk of system. The model has high computational complexity and the exact method of solving it is not possible in a reasonable time. The result is an innovative multi-objective algorithm known as the objective harmony search algorithm is presented. To demonstrate the effectiveness and efficiency of the proposed algorithm to solve the model using the Taguchi method algorithm parameters are adjusted in the best possible rates. Then a random sample of the issues and the performance of the proposed algorithm with NSGA-ǁ and NRGA evaluated.

کلیدواژه‌ها [English]

  • Location
  • Routing
  • Mathematical programming model
  • Multi-objective metaheuristic algorithms
  • Taguchi method
اعتباری فرهاد و ترابی نیلوفر، (1398). "ارائه مدل مکانیابی-مسیریابی ظرفیت دار پویا با در نظرگرفتن تقاضای وابسته به قیمت"، مطالعات مدیریت صنعتی، دوره 17، شماره 52، ص 89-124.
کریمی مرضیه،  کاظمی ابوالفضل، عزیزمحمدی مهدی، (1394). "ارائه یک مدل چند­هدفه جدید برای مسئله انتخاب تأمین­کننده در زنجیره تامین و حل آن با الگوریتم­های فراابتکاری چند هدفه مبتنی بر پارتو"، مهندسی صنایع و مدیریت شریف، دوره­ی 1-31، شماره­ی 1/ 2، ص 61-71.
کریمی مرضیه،  کاظمی ابوالفضل و نادری علیرضا ، (1398). "ارائه و حل یک مدل برنامه­ریزی دو­هدفه جهت انتخاب تأمین کننده بادر نظرگرفتن شرایط تخفیف و کمبود"، مطالعات مدیریت صنعتی، دوره 17، شماره 53، ص 127-158.
Ahmadi, J. A., Azad, N. (2010). “Incorporating location, routing and inventory decisions in supply chain network design”, Transportation Research, Vol. 46, PP. 582-597.
Ahn, C. W. and Ramakrishna, R. S. (2002). “A genetic algorithm for shortest path routing problem and the sizing of population”. IEEE Transaction on EvolutionaryComputation, vol. 6, No. 6, PP. 566-579.
Al Jadaan, O., Rao, C.R. and Rajamani, L. “Non-Dominated ranked genetic algorithm for solving Multi-Objective optimization problems: NRGA”, Journal of Theoritical and Applied Information Technology, pp.60-67, (2008).
Almouhanna, A., Quintero-Araujo, C. L., Panadero, J., Juan, A. A., Khosravi, B., & Ouelhadj, D. (2020). “The location routing problem using electric vehicles with constrained distance”. Computers & Operations Research, 115, 104864.‏
Azizi, V., & Hu, G. (2020). “Multi-product pickup and delivery supply chain design with location-routing and direct shipment”. International Journal of Production Economics, 107648.‏
Barahona, F., Jensen, D., (1998). “Plant Location with Minimum Inventory”, Mathematical Programming, Vol. 83, PP. 101-111.
Barreto, S. S., Ferreira, C., Paixa, J. and Santos, B. S. (2007). “Using clustering analysis in capacitated location-routing problem”. European Journal of Operational Research, Vol. 179, PP. 968–977.
Darvish, M., Archetti, C., Coelho, L. C., & Speranza, M. G. (2019). “Flexible two-echelon location routing problem”. European Journal of Operational Research, 277(3), 112
Deb, K. “Multi-objective optimization using evolutionary algorithms”, Chichester, UK: Wiley (2000).
Deb, K., Agrawal, S., Pratap, A. and Meyarivan, T. (2001). “A fast elitist non-dominated sorting genetic algorithm for multi-objective optimization: NSGA-II”, In: proceedings of the parallel problem solving from nature VI (PPSN-VI) conference,PP. 849-858.
Dukkanci, O., Kara, B. Y., & Bektaş, T. (2019). “The green location-routing problem”. Computers & Operations Research, 105, 187-202.‏
Geem, Z.W., Kim, J.H., Loganathan, G.V. (2001). “A New Heuristic Optimization Algorithm: Harmony search”. Simulation, Vol. 76, PP. 60-68.
Ghiani, G. and Laporte, G. (1999), “Eulerian location problems”, Networks, vol. 34, No. 4, PP. 291-302.
Lee, K.S., Geem, Z. W., (2004). “A new structural optimization method based on the harmony search algorithm”. Computers and Structures, Vol. 82, PP. 781-798.
Owen, S. H., & Daskin, M. S. (1998). “Strategic facility location: A review”. European journal of operational research, 111(3), 423-447.‏
Rabbani, M., Heidari, R., Farrokhi-Asl, H., & Rahimi, N. (2018). “Using metaheuristic algorithms to solve a multi-objective industrial hazardous waste location-routing problem considering incompatible waste types”. Journal of Cleaner Production, 170, 227-241.‏
Rahmati, S.H.A., Zandieh, M., and Yazdani, (2012). “M. Developing two multi-objective evolutionary algorithms for the multi-objective flexible job shop scheduling problem”, International Journal of Advanced Manufacturing Technology, 64, 915-932.

Rui Borges Lopes, Carlos Ferreira, Beatriz Sousa Santos,( 2016) “A simple and effective evolutionary algorithm for the capacitated location–routing problem”,Computers & Operations Research, Vol. 70, PP. 155–162.

Schiffer, M., Schneider, M., Walther, G., & Laporte, G. (2019). “Vehicle routing and location routing with intermediate stops: a review”. Transportation Science, 53(2), 319-343.‏
Schott, J.R. (1995). “Fault tolerant design using single and multicriteria genetic algorithms optimization”, Master’s thesis, Department of Aeronautics and Astronautics, Massachusetts Institute of Technology, Cambridge, MA.
Srivastava, H. and Benton, W.C. (1990). “The location-routing problem: considerations in physical distribution system design.” Computers & operations research, vol. 17, No. 5, PP. 427-435.
Taguchi, G., “Introduction to quality engineering”, (1986).White Plains: Asian Productivity Organization/UNIPUB,
Tai-Hsi Wu, Chinyao Low, Jiunn-Wei Bai, (2001). “Heuristic solutions to multi-depot location-routing problems”, Management Science.
Toro, E., Franco, J., Echeverri, M., Guimarães, F & Rendón, R. (2017). “Green open location-routing problem considering economic and environmental costs”.International Journal of Industrial Engineering Computations , Vol. 8, No. 2, PP. 203-216.
Yao, Z., Lee, L. H., Jaruphongsa, W., Tan, V., Hui, C. F. (2010) “Multi - source facility location - allocation and inventory problem”, European Journal of Operational Research, Vol. 207, PP. 750-762.
Yu, V. F., Lin, S-W., Lee, W. and Ting, C.-J. (2010). “A simulated annealing heuristic for the capacitated location-routing problem”. Computers & Industrial Engineering, Vol. 58, PP. 288-299.
Zitler, E.  (1999). “Evolutionary Algorithms for multi-objective optimization: method and applications”. p.h.D Thesis, dissertation ETHNO. 13398, Swaziland Federal Institute of Technology Zorikh, Switzerland.
Zitler, E. and Thiele, L. “Multiobjective optimization using evolutionary algorithms a comparative case study”, In A.E. Eiben, T. Back, M. Schoenauer and H.P. Schwefel (Eds.), Fifth International Conference on Parallel Problem Solving from Nature (PPSN-V), Berlin, Germany, pp.292-301, (1998).