| تعداد نشریات | 61 |
| تعداد شمارهها | 2,201 |
| تعداد مقالات | 17,933 |
| تعداد مشاهده مقاله | 54,980,827 |
| تعداد دریافت فایل اصل مقاله | 28,774,418 |
ارائه یک الگوریتم ترکیبی برای حل مسئله مکانیابی مسیریابی - چندکالایی با در نظر گرفتن سیستمهای فرابارانداز در زنجیره تامین | ||
| مطالعات مدیریت صنعتی | ||
| مقاله 5، دوره 15، شماره 46، مهر 1396، صفحه 97-134 اصل مقاله (1.36 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22054/jims.2017.7990 | ||
| نویسندگان | ||
| پرویز فتاحی1؛ ملیحه معصومی2؛ جواد بهنامیان3 | ||
| 1دانشیار گروه مهندسی صنایع، دانشگاه الزهرا، تهران، ایران، | ||
| 2دانش آموخته کارشناسی ارشد مهندسی صنایع دانشگاه بوعلی سینا همدان ایران | ||
| 3استادیار گروه مهندسی صنایع دانشگاه بوعلی سینا همدان ایران | ||
| چکیده | ||
| مسئله مکانیابی مسیریابی با وجود سیستمهای فرابارانداز به عنوان یک زمینه تحقیقاتی جدید برای شبکههای - توزیع در زنجیره تامین محسوب میشود. هدف از این مسئله طراحی همزمان یک مکان برای مرکز فرابارانداز و مسیریابی وسایل نقلیه با توجه به حداقلسازی هزینههای سیستم میباشد، که به عنوان یک مسئله NP-hard شناخته شده است. در تحقیق حاضر، یک مدل برنامهریزی عدد صحیح مختلط ) MIP ( دو مرحلهای برای مسئله مکانیابی مسیریابی چند کالایی با درنظر گرفتن مراکز فرابارانداز با توجه به کاربردهای بالقوه آن در - شبکههای توزیع ارائه شده است. نوآوری اصلی این مقاله در چند کالایی بودن مدل پیشنهادی و همچنین روش حل آن به صورت یک الگوریتم ترکیبی بر مبنای دو الگوریتم فراابتکاری سیستم ایمنی مصنوعی بدن و ازدحام ماهیهای مصنوعی میباشد، فرضیاتی نیز در مدل پیشنهادی ارایه شده است که آن را از مدلهای ارائه شده در این حوزه متمایز میسازد. برای بررسی کارایی الگوریتم پیشنهادی، ابتدا مسائل نمونهای با اندازه کوچک و بزرگ به صورت تصادفی تولید شده و مدل MIP توسط الگوریتمهای دقیق، سیستم ایمنی مصنوعی بدن، ازدحام ماهیهای مصنوعی و یک الگوریتم نمونه، حل و سپس با یکدیگر مقایسه شدند. نتایج محاسباتی نشان میدهد که الگوریتم پیشنهاد شده در این پژوهش، جوابهای بهتری نسبت به سایر الگوریتم- های بیان شده ارائه میدهد و همگرایی مناسبی به راه حلهای مطلوب دارد | ||
| کلیدواژهها | ||
| شبکه های توزیع؛ مکانیابی مسیریابی چند کالایی؛ سیستمهای فرابارانداز؛ الگوریتم سیستم - ایمنی مصنوعی بدن؛ الگوریتم ازدحام ماهیهای مصنوعی | ||
| مراجع | ||
|
- علی محتشمی، علی فلاحیان نجف آبادی، زمانبندی حمل ونقل کامیون ها در زنجیره تأمین با در نظر گرفتن بارانداز تقاطعی و با استفاده از الگوریتمهای فراابتکاری، فصلنامه علمی – پژوهشی مطالعات مدیریت صنعتی – سال یازدهم، شماره 31 ، زمستان92، صفحات 55 تا 84. - Boventer, E. (1961). The relationship between transportation costs and location rent in transportation problems. Journal of Regional Science, 3(2), 27-40.
- De Castro, L. N., & Timmis, J. (2002). Artificial immune systems: a new computational intelligence approach. Springer Science & Business Media.
- Donaldson, H., Johnson, E. L., Ratliff, H. D., & Zhang, M. (1998). Schedule-driven cross-docking networks. Georgia tech tli report, The Logistics Institute, Georgia Tech.
- Farmer, J. D., Packard, N. H., & Perelson, A. S. (1986). The immune system, adaptation, and machine learning. Physica D: Nonlinear Phenomena, 22(1), 187-204.
- Gümüş, M., & Bookbinder, J. H. (2004). Cross‐docking and its implications in location‐distribution systems. Journal of Business Logistics, 25(2), 199-228.
- Jayaraman, V., & Ross, A. (2003). A simulated annealing methodology to distribution network design and management. European Journal of Operational Research, 144(3), 629-645.
- Li, X. L., Shao, Z. J., & Qian, J. X. (2002). An optimizing method based on autonomous animats: fish-swarm algorithm. System Engineering Theory and Practice, 22(11), 32-3
- Maranzana, F. E. (1964). On the location of supply points to minimize transport costs. OR, 261-270.
- Mousavi, S. M., & Tavakkoli Moghaddam, R. (2013). A hybrid simulated annealing algorithm for location and routing scheduling problems with cross-docking in the supply chain. Journal of Manufacturing Systems, 32(2), 335-347.
- Mousavi, S. M., Vahdani, B., Tavakkoli-Moghaddam, R., & Hashemi, H. (2014). Location of cross-docking centers and vehicle routing scheduling under uncertainty: A fuzzy possibilistic–stochastic programming model. Applied Mathematical Modelling, 38(7), 2249-2264.
- Musa, R., Arnaout, J. P., & Jung, H. (2010). Ant colony optimization algorithm to solve for the transportation problem of cross-docking network. Computers & Industrial Engineering, 59(1), 85-92.
- Prodhon, C., & Prins, C. (2014). A survey of recent research on location-routing problems. European Journal of Operational Research, 238(1), 1-17.
- Ross, A., & Jayaraman, V. (2008). An evaluation of new heuristics for the location of cross-docks distribution centers in supply chain network design. Computers & Industrial Engineering, 55(1), 64-79.
- Sung, C. S., & Song, S. H. (2003). Integrated service network design for a cross-docking supply chain network. Journal of the Operational Research Society, 54(12), 1283-1295.
- Sung, C. S., & Yang, W. (2008). An exact algorithm for a cross-docking supply chain network design problem. Journal of the Operational Research Society, 59(1), 119-136.
- Van Belle, J., Valckenaers, P., & Cattrysse, D. (2012). Cross-docking: State of the art. Omega, 40(6), 827-846.
- Watson-Gandy, C. D. T., & Dohrn, P. J. (1973). Depot location with van salesmen—a practical approach. Omega, 1(3), 321-329.
- Webb, M. H. J. (1968). Cost functions in the location of depots for multiple-delivery journeys. OR, 311-320.
| ||
|
آمار تعداد مشاهده مقاله: 1,370 تعداد دریافت فایل اصل مقاله: 1,594 |
||