بکارگیری یک الگوریتم رقابت استعماری کارآمد برای حل مسأله‌ی مکانیابی- مسیریابی چندهدفه در یک زنجیره‌ی تأمین چندسطحی تحت شرایط عدم قطعیت فازی و احتمالی

گل محمدی, امیرمحمد; نوروزی, اشرف

doi:10.52547/JII.1.1.83

بکارگیری یک الگوریتم رقابت استعماری کارآمد برای حل مسأله‌ی مکانیابی- مسیریابی چندهدفه در یک زنجیره‌ی تأمین چندسطحی تحت شرایط عدم قطعیت فازی و احتمالی

نوع مقاله : مقاله پژوهشی

نویسندگان

امیرمحمد گل محمدی ¹

اشرف نوروزی ²

¹ استادیار گروه مهندسی صنایع، دانشگاه اراک، اراک، ایران

² استادیار، گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه اراک، اراک، ایران

10.52547/JII.1.1.83

چکیده

در دنیای صنعتی امروز، واحدهای تولیدی سعی دارند با مکان‌یابی مناسب انبارهای مورد نیاز خود و همچنین مسیریابی وسایل نقلیه به‌منظور حمل کالاهای تولیدی به این انبارها، هزینه‌های خود را کاهش دهند. لازم به‌ ذکر است که، مکان انبارها درتعیین مسیر وسایل نقلیه موثر است. بنابراین در این مقاله، یک مدل برنامه‌ریزی ریاضی جهت بهینه‌سازی هم‌زمان تعیین مکان انبارها و مسیریابی وسایل نقلیه ارائه شده-است. تابع هدف در این مدل شامل مینیمم‌کردن مجموع هزینه‌های مرتبط با وسایل حمل‌و‌نقل و هزینه‌ی اجاره انبارها می‌باشد. محدودیت‌های مدل ارائه شده شامل ظرفیت وسایل نقلیه، حداکثر میزان مسافت طی شده توسط وسایل نقلیه و ... می‌باشد. از آنجایی‌که هریک از مسایل مکان‌یابی و مسیریابی خود به تنهایی یک مسأله NP-hard محسوب می‌شوند، آنگاه مسأله مکان‌یابی- مسیریابی نیز یک مسأله NP-hard ترکیبی محسوب می‌شود و برای حل آن نیاز به بهره‌گیری از الگوریتم‌های فراابتکاری می‌باشد.

کلیدواژه‌ها

بهینه‌سازی

مسأله مکانیابی - مسیریابی وسایل نقلیه

عدم قطعیت

الگوریتم‌ رقابت استعماری

عنوان مقاله English

An Efficient Imperialist Competitive Algorithm for Solving Location Routing Problem in the Multi-Level Supply Chain Under Fuzzy and Probabilistic Condition

نویسندگان English

Amir-Mohammad Golmohammadi ¹

Ashraf Norouzi ²

¹ Assistant Professor, Department of Industrial Engineering, Arak University, Arak, Iran.

² Assistant Professor, Department of Industrial Engineering, Faculty of Engineering, Arak University, Arak, Iran

چکیده English

In the industrial world today, manufacturing units are trying to locate your requirements and the depot vehicle routing in order to transport the goods for reduce your cost. Needless to mention that the location of the warehouse is effective for vehicle routing. Therefore, in this paper, a mathematical programming model to optimize the storage location and vehicle routing are presented. The objective function of the model is minimizing the total cost associated with the transportation and storage of rental fee. Limitations of the model include vehicle capacity, the maximum distance traveled by vehicles and etc. In addition, labor costs, such as salaries, rent, warehouses, rental vehicles and etc. Approach to model the real world has been considered.

Also, since each location and routing issues alone are a NP-hard problem, then location routing problem can be combined problem and It requires the use of meta- heuristic algorithms to solve.

کلیدواژه‌ها English

Optimization

Location Routing Problem

Uncertainty

Imperialist Competitive Algorithm

[1] Webb M H J. Cost functions in the location of depots for multiple-delivery journeys. Journal of the Operational Research Society. 1968;19: 311-320.
[2] Christofides N, Eilon S. An algorithm for the vehicle-dispatching problem. Journal of the Operational Research Society. 1969;20: 309-318.
[3] Bramel J, Simchi-Levi D. The Logic of Logistics: Theory, Algorithms and Applications for Logistics Management. Journal of the Operational Research Society. 1998;49: 1016-1017.
[4] Salhi S, Rand G K. The effect of ignoring routes when locating depots. European journal of operational research. 1989;39: 150-156.
[5] Min H, Jayaraman V, Srivastava R. Combined location-routing problems: A synthesis and future research directions. European Journal of Operational Research. 1998;108: 1-15.
[6] Tavakkoli-Moghaddam R, Rabbani M, Saremi A, Safaei N. Solving the backhaul vehicle routing problem by genetic algorithms. In 35th International Conference on Computers and Industrial Engineering. 2005: 1905-1910.
[7] Bányai T, Tamás P, Illés B, Stankevičiūtė Ž, Bányai Á. Optimization of municipal waste collection routing: Impact of industry 4.0 technologies on environmental awareness and sustainability. International journal of environmental research and public health. 2019; 16: 634.
[8] Adeleke O O, Idoko S, Kolo S S, Anwar A R, Sijuwola O O, Akinola O. Web-Based Advanced Traveller Information System for Minna Metropolis, Nigeria. Arid Zone Journal of Engineering, Technology and Environment. 2019;15: 1026-1037.
[9] Wang Y, Yuan Y, Guan X, Xu M, Wang L, Wang H, Liu Y. Collaborative two-echelon multicenter vehicle routing optimization based on state–space–time network representation. Journal of Cleaner Production. 2020; 258:120590.
[10] Rafie-Majd Z, Pasandideh S H R, Naderi B. Modelling and solving the integrated inventory-location-routing problem in a multi-period and multi-perishable product supply chain with uncertainty: Lagrangian relaxation algorithm. Computers & chemical engineering. 2018; 109:9-22.
[11] Basso R, Kulcsár B, Sanchez-Diaz I. Electric vehicle routing problem with machine learning for energy prediction. Transportation Research Part B: Methodological. 2021;145:24-55.
[12] Li P, Lan H, Saldanha-Da-Gama F. A bi-objective capacitated location-routing problem for multiple perishable commodities. IEEE Access, 7. 2019; 136729-136742.
[13] Jiménez M, Arenas M, Bilbao A, Rodrı M V. Linear programming with fuzzy parameters: an interactive method resolution. European journal of operational research. 2007; 177:1599-1609.
[14] Knowles J D, Corne DW. The Pareto archived evolution strategy: A new baseline algorithm for Pareto multi-objective optimization. In Congress on Evolutionary Computation (CEC99). 1999;1: 98–105.