الگوریتم جدیدی برای حل مسأله مسیریابی-موجودی با ارسال مستقیم

چکیده این مقاله به بررسی مسأله مسیریابیموجودی چند محصولی چند دوره­ای در یک زنجیره تأمین دو سطحی؛ شامل یک تولیدکننده و مجموعه­ای از خرده­فروشان اختصاص دارد در مسأله مورد بررسی، علاوه بر مدیریت موجودی و برنامه­ریزی توزیع، برنامه­ریزی تولید نیز در نظر گرفته شده است مسأله با هدف کمینه­سازی مجموع هزینه­های سیستم شامل هزینه­های راه­اندازی، توزیع و نگ

دسته بندی	علوم پایه
بازدید ها	15
فرمت فایل	doc
حجم فایل	698 کیلو بایت
تعداد صفحات فایل	28

فروشنده فایل

کد کاربری 603

تمام فایل ها

الگوریتم جدیدی برای حل مسأله مسیریابی-موجودی با ارسال مستقیم

چکیده

این مقاله به بررسی مسأله مسیریابی-موجودی چند محصولی چند دوره­ای در یک زنجیره تأمین دو سطحی؛ شامل یک تولیدکننده و مجموعه­ای از خرده­فروشان اختصاص دارد. در مسأله مورد بررسی، علاوه بر مدیریت موجودی و برنامه­ریزی توزیع، برنامه­ریزی تولید نیز در نظر گرفته شده است. مسأله با هدف کمینه­سازی مجموع هزینه­های سیستم شامل هزینه­های راه­اندازی، توزیع و نگهداری موجودی مدلسازی شده است. محصولات توسط ناوگانی از وسایل حمل همسان با ظرفیت محدود تحت استرات‍ژی ارسال مستقیم به خرده­فروشان تحویل داده می­شوند. همچنین، ظرفیت تولید و نگهداری محدود و کمبود غیرمجاز فرض شده است. نشان داده شده است که مسایل مشابه بدون در نظر داشتن برنامه­ریزی توزیع در زمره مسایل با پیچیدگی سخت قرار دارند، بنابراین مسأله فوق نیز، مسأله­ای با پیچیدگی سخت است. از این رو، در این مقاله الگوریتم بهینه­سازی گروه ذرات بهبودیافته جدیدی برای حل آن توسعه داده شده است. الگوریتم پیشنهادی از دو بخش مجزا تشکیل شده است. نخست، مقادیر متغیرهای صفرویک با استفاده از الگوریتم پیشنهادی تعیین و سپس با حل یک مدل برنامه­ریزی خطی، مقادیر متغیرهای پیوسته محاسبه می­شود. کارایی الگوریتم پیشنهادی با استفاده از مسایل نمونه تصادفی متعددی با الگوریتم­های ژنتیک و بهینه­سازی گروه ذرات مقایسه شده است. نتایج محاسباتی بیانگر عملکرد بهتر الگوریتم پیشنهادی است.

چکیده

1- مقدمه

2- مدل ریاضی

3- الگوریتم بهینه­سازی گروه ذرات پیشنهادی

شکل 1. ساختار الگوریتم بهینه­سازی گروه ذرات

شکل 2. ساختار الگوریتم بهینه­سازی گروه ذرات پیشنهادی

شکل 3. نمونه­ای از نحوه نمایش ذرات

3-2- تولید جواب­های اولیه

شکل 4. شبه کد تولید ذره با کمترین تعداد دفعات تولید و ارسال

شکل 5. نحوه انجام عملگر تقاطع پراکنده

3-3. محاسبه مقادیر شایستگی

جدول 1. نتایج حاصل از حل مسایل نمونه با استفاده از LP-IPSO و IPSO

شکل 6. میزان اختلاف زمان محاسباتی موردنیاز برای حل مسایل نمونه با استفاده از LP-IPSO و IPSO

3-4. ایجاد همسایگی تصادفی ذرات

شکل 7. نحوه انجام عملگر جهش

3-5. بهبود همسایگی ذرات

3-6. تشکیل و بهنگام­سازی مجموعه مرجع (RSet)

3-7. متنوع­سازی ذرات

3-8. جستجوی محلی

4- نتایج محاسباتی

4-1- چگونگی ایجاد مسایل نمونه

جدول 2. چگونگی ایجاد مسایل نمونه

جدول 3. نحوه تولید پارامترهای مسایل نمونه

4-2- مفروضات و پارامترهای الگوریتم­ها

4-3- نتایج عددی

جدول 4. میانگین مقدار تابع هدف و زمان محاسباتی حل مسایل نمونه تصادفی با ابعاد کوچک

جدول 5. میانگین مقدار تابع هدف و زمان محاسباتی حل مسایل نمونه تصادفی با ابعاد بزرگ

شکل 8. تحلیل واریانس دو طرفه بر روی نتایج حاصل از حل مسایل با ابعاد کوچک

شکل 9. تحلیل واریانس دو طرفه بر روی نتایج حاصل از حل مسایل با ابعاد بزرگ

شکل 10. مقایسه زمان محاسباتی الگوریتم پیشنهادی و الگوریتم­های معیار در حل مسایل با ابعاد کوچک

شکل 11. مقایسه زمان محاسباتی الگوریتم پیشنهادی و الگوریتم­های معیار در حل مسایل با ابعاد بزرگ

4-4- تحلیل حساسیت

جدول 6. میزان استواری الگوریتم­ها در حل مسایل نمونه تصادفی با ابعاد کوچک

جدول 7. میزان استواری الگوریتم­ها در حل مسایل نمونه تصادفی با ابعاد بزرگ

جدول 8. مقادیر پارامترهای مسأله در حالات مختلف برای تحلیل حساسیت

شکل 12. تحلیل حساسیت نسبت به پارامتر Q

شکل 13. تحلیل حساسیت نسبت به پارامتر

شکل 14. تحلیل حساسیت نسبت به پارامتر

شکل 15. تحلیل حساسیت نسبت به پارامتر

شکل 16. تحلیل حساسیت نسبت به پارامتر

5- نتیجه­گیری

منابع

الگوریتم جدیدی برای حل مسأله مسیریابیموجودی با ارسال مستقیمچکیده1 مقدمه2 مدل ریاضی3 الگوریتم بهینه¬سازی گروه ذرات پیشنهادیشکل 1 ساختار الگوریتم بهینه¬سازی گروه ذراتشکل 2 ساختار الگوریتم بهینه¬سازی گروه ذرات پیشنهادیشکل 3 نمونه¬ای از نحوه نمایش ذرات32 تولید جواب¬های اولیهشکل 4 شبه کد تولید ذره با کمترین تعداد دفعات تولید و ارسال