نوع مقاله : مقاله پژوهشی

نویسندگان

• سهیلا خویشتن دار ¹
• فرهاد فرزد ²
• مصطفی زندیه ²

¹ کارشناس ارشد مدیریت صنعتی دانشگاه شهید بهشتی، تهران، ایران،(مسئول مکاتبات)

² استادیار دانشکده مدیریت و حسابداری دانشگاه شهید بهشتی

چکیده

سیستم های کنترل موجودی مختلف تلاش می کنند زمان و مقدار سفارش را به گونه ای تعیین نمایند که با کمترین هزینه، بیشترین سطح خدمت به مشتری فراهم گردد. سیستم موجودی احتمالی مرور دائم این مقاله، سه هدف مربوط به هزینه و کمبود را کینه سازی می نمایند. در این مدل برخلاف مدلهای سنتی موجودی، سطح خدمت به مشتری به شکل هزینه کمبود، وارد تابع هدف نمی شود بلکه تعداد دفعات کمبود و میزان کمبودهای سالانه به طور مستقل به عنوان اهداف کینه سازی مطرح می گردند. به منظور یافتن مجموعه جواب های بهینه پارتو، از الگوریتم های تکاملی چند هدفه استفاده شده است. ابتدا الگوریتم های RWGA، VEGA، MOGA، NSGA-II طراحی گردیدند و سپس بهبودهایی در مکانیزمهای الگوریتم NSGA-II ایجاد شد و الگوریتم R-NSGA-II طراحی گردید. سپس این الگوریتم ها با معیارهایی همچون پوشش مجموعه و فاصله گذاری با یکدیگر مقایسه شده و الگوریتم برتر در هر معیار مشخص گردید. نتایج نشان می دهد الگوریتم R-NSGA-II در بیشتر معیارها نمرات خوبی کسب نموده است. در پایان جواب های آرشیو پارتو با استفاده از روش معیار عمومی، رتبه بندی شدند.

کلیدواژه‌ها

• برنامه ریزی و کنترل موجودی
• بهینه یابی چند هدفه
• الگوریتم های تکاملی

عنوان مقاله [English]

Evolutionary multi-objective Algorithm for Continuous Review Stochastic Inventory Systems

نویسندگان [English]

• Soheila Khishtandar ¹
• Farhad Farzad ²
• Mostafa Zandieh ²

چکیده [English]

Different inventory control systems try to determine how much and when to order at the least relevant cost while maintaining a desirable service level for customers. In this article, a continuous review stochastic inventory system, with three objectives, is optimized. In this model, contrary to the traditional inventory models, customer service is not considered a shortage cost in the objective function. But the frequency of stock out occasions and the number of items stocked out annually are to be minimized. For determining the Pareto optimal set, multi-objective evolutionary algorithms are used. First, NSGA-II, MOGA, VEGA, RWGA are developed. Then some improvements in NSGA-II mechanisms are made and R-NSGA-II is developed. Subsequently, these algorithms are examined for some criteria such as set coverage and spacing, and the best algorithms for each criteria arc presented. The Result shows that R-NSGA-II has good scores for most criteria. Afterwards, Pareto optimal set is ranked using the method of global criteria.

کلیدواژه‌ها [English]

• Inventory Control and Planning
• Multi - Objective Optimization
• Evolutionary Algorithms