ارائه يك روش ابتكاري براي حل مسأله زنجيره تأمين دوسطحي دوهدفه

Proposing a Heuristic Method for Solving Two-Stage Supply Chain with Two Objective Functions

در دنياي رقابتي عصر حاضر، مشتريان خواهان عكس العمل سريع‌تر، قابليت اطمينان بالاتر و انعطاف پذيري بيشتر در تغيير نيازهايشان هستند. اين فاكتورها، توليدكنندگان و ارائه كنندگان خدمات را ملزم به پيداكردن راه‌هاي بهتري براي مديريت جريان مواد در سازمان‌هايشان، جهت پيشرفت و حفظ بقاي خود مي‌كنند. در اين مقاله به‌بررسي مسئله چند محصولي چند دوره اي در يك زنجيره تامين دوسطحي؛ شامل چند توليدكننده و توزيع كننده پرداخته شده است. با اهداف بيشينه سازي سودكل زنجيره و كيفيت محصولات، مدلي جديد براي مسئله ارائه شده است. با توجه به اينكه روش‌هاي بهينه سازي سنتي، به آساني امكان درنظر گرفتن بيش از يك هدف در بهينه سازي را نمي دهند و در عوض روش‌هاي ابتكاري ابزار كاربرد بهينه سازي چند هدفه را به‌آساني و با كارايي بالا فراهم مي‌نمايند و سبب كوتاه تر شدن زمان رسيدن به‌ جواب بهينه و يا نزديك به بهينه مي شوند، از اينرو بهينه ياب جديدي مبتني بر الگوريتم تكامل تفاضلي براي حل مدل پيشنهادي ارائه شده است. در بهينه ياب طراحي شده، از مفاهيم اساسي بهينه سازي چند هدفه، جهت هدايت عوامل جستجوگر در فضاي جستجو به سمت منطقه بهينه استفاده شده است. كارايي الگوريتم پيشنهادي با استفاده از مسائل نمونه تصادفي متعددي با نرم‌افزار LINGO مقايسه شده است. نتايج محاسباتي بيانگر عملكرد بهتر الگوريتم پيشنهادي است.

In today's competitive world, customers want a faster response, higher reliability and greater flexibility in changing needs. These factors require manufacturers and service providers to find better ways to manage the flow of their organization, the progress and to maintain their survival. This paper investigated the problem of multi-product multi-period in a two-level supply chain, including producers and distributors. Presented problem with the purpose of maximum profit of the whole chain and production quality has been modeled. As regards traditional optimization’s methods don’t provide possibility of considering more than one purpose easily in optimization, Instead, heuristic methods of usage tools of multi-objective optimization provides easily with high quality also increase the speed of reaching to the optimization goal or near it. So a newmulti-objective optimization tool is presented based on differential evolution algorithm and optimal Pareto concepts for solving problems. The efficiency of this algorithm is demonstrated by comparing it’s numerical experiment results with those ofMODE algorithm and LINGO package. Computational results indicate that the proposed algorithm has better performance.