Comparing Three Proposed Meta-heuristics to Solve a New p-hub Location-allocation Problem

در اين مقاله يك مدل رياضي پيچيده ارايه مي گردد. در اين مدل مكان هاب ها مشخص و ظرفيت- شان بر اساس تسهيلات و كارخانجاتي كه به آن اختصاص مي يابند تعيين مي گردد. بمنظور برآورده ساختن نيازهاي گره هاي مشتري انواع مختلفي از وسايل نقليه با ظرفيت هاي مختلف در نظر گرفته مي شود. گره هاي مشتري به هاب ها تخصيص يافته و وسايط نقليه به كارخانجات و تسهيلات مستقر در هاب ها اختصاص مي يابند. بمنظور بدست آوردن جواب ها از سه الگوريتم فراابتكاري با نام هاي الگوريتم ژنتيك، بهينه سازي انبوه ذرات و شبيه سازي تبريد استفاده شده است. كارايي و نتايج محاسباتي اين الگوريتم ها با يكديگر نيز مقايسه گرديده است

This paper presents a sophisticated mathematical model, in which the location of hubs is fixed and their capacity is determined based on facilities and factories allocated to it. In order to feed the clientʹs nodes, different types of vehicles of different capacities are considered, in which the clients are allocated to hubs, and types and numbers of vehicles are allocated to the factoryʹs facilities. To come up with solutions, we propose to use three meta-heuristic algorithms, namely, genetic algorithm (GA), particle swarm optimization (PSO), and simulated annealing (SA). The efficiency and computational results of these algorithms are compared with one another.