الگوريتم ژنتيك گروه هاي مرجع براي حل مساله زمان¬بندي در زنجيره تأمين با در نظرگرفتن پنجره‌زماني

Reference group genetic algorithm to solve scheduling problem in supply chain with time windows

اين مقاله به ارائه رويكردي يكپارچه در تصميم‌گيري‌هاي زنجيره تامين شامل تصميم¬هاي مربوط به تعيين نحوه تخصيص سفارشات به تأمين كنندگان و وسايل نقليه، تعيين توالي توليد در تأمين كنندگان و نحوه‌ي حمل سفارشات به يك شركت سازنده مي¬پردازد. ناوگان حمل و نقل مربوط به انتقال سفارشات از تأمين¬كنندگان به شركت سازنده به صورت يك ناوگان مشترك در نظر گرفته شده است. تابع هدف كمينه نمودن مجموع ديركرد سفارش¬ها با وجود پنجره¬زماني در موعد تحويل سفارش¬ها مي¬باشد. اين مسأله تاكنون در ادبيات موضوع مورد بررسي قرار نگرفته است. ابتدا مدل رياضي به صورت برنامه¬ريزي عدد صحيح مختلط ارائه مي¬شود. با توجه به NP-hard بودن مسأله، بدست آوردن جواب بهينه در زمان معقول امكان پذير نمي¬باشد. بنابراين يك الگوريتم ژنتيك تحت عنوان الگوريتم ژنتيك گروههاي مرجع كه بر گرفته از نظريه گروههاي مرجع در جامعه شناسي مي‌باشد به منظور حل مسأله توسعه داده مي شود. به منظور ارزيابي كيفيت الگوريتم پيشنهادي نتايج حاصل از آن را با الگوريتم¬ ارائه شده براي يكي از نزديك¬ترين مسائل در ادبيات موضوع به مسأله مورد بررسي در اين تحقيق مقايسه مي¬كنيم. مقايسه نتايج نشان از كارايي بالاي الگوريتم پيشنهادي را دارد.

This paper offers an integrated approach in supply chain decisions including decisions about allocating orders to suppliers and vehicles, determination of production sequence for suppliers and the way orders are transported to a manufacturer. The transportation navigation which is intended to transport orders from suppliers to the manufacturer is considered as a shared navigation. The objective is to minimize the overall tardiness of orders with consideration of time window in due date (delivery date) of orders. This case has not yet been studied in the literature. To solve the problem a genetic algorithm named reference groups genetic algorithm (RGGA) inspired from the theories of reference groups theory in sociology is developed. The results achieved from the algorithm are compared with the algorithm used in a similar problem in the literature in order to evaluate the quality of the algorithm proposed in this paper. The comparisons suggest the high performance of the proposed algorithm.