عنوان مقاله :
ارائه ي روش حل تقريبي براي مسئله ي مكان يابي مسيريابي موجودي پيوسته و چند انباره
عنوان به زبان ديگر :
A HEURISTIC METHOD FOR THE INTEGRATED MULTI-DEPOT CONTINUOUS LOCATION-ROUTING AND INVENTORY PROBLEM
پديد آورندگان :
طاهرخاني، عارفه , عشقي، كورش دانشگاه صنعتي شريف - دانشكده مهندسي صنايع , برومندشريفي، علي اكبر
كليدواژه :
مكان يابي پيوسته ي تسهيلات , مسيريابي وسايل نقليه , زنجيره ي عرضه ي سه سطحي , مسئله ي مكان يابي , مسيريابي - موجودي
چكيده فارسي :
در اين مطالعه يك مدل رياضي براي مسئله ي مكان يابي مسيريابي پيوسته و چند انباره با وجود محدوديت هاي موجودي ارائه شده است. ساختار مسئله ي پيشنهادي اين چنين است كه يك زنجيره ي تامين سه سطحي در نظر گرفته شده است كه در سطح اول آن يك كارخانه با ظرفيت موجودي نامحدود وجود دارد و يك نوع محصول توليد مي كند. در سطح دوم چندين مركز توزيع وجود دارند كه متعلق به كارخانه هستند و به عنوان توزيع كننده ي اين محصول عمل مي كنند. در سطح سوم مجموعه يي از مشتريان قرار دارند كه در نقاط مختلف جغرافيايي پراكنده شده اند. محل مشتريان در سطح سوم از پيش مشخص شده است اما محل مراكز توزيع نياز به مكان يابي دارد كه در اين مسئله انبارهاي مياني از يك فضاي پيوسته انتخاب مي شوند. اين كارخانه به عنوان رهبر زنجيره به دنبال تعيين برنامه ي توزيع محصولات به گونه يي است كه هزينه هاي كل سيستم كمينه شود. مدل رياضي اين مسئله يك مدل N P-h a r d است. از اين رو، براي مسائل با اندازه ي متوسط و بزرگ يك روش فراابتكاري براي حل مسئله ارائه مي شود كه در آن يك الگوريتم سه مرحله يي توسعه داده مي شود؛ مرحله ي اول با استفاده از رويكرد منطقه ي محدود و الگوريتم صرفه جويي اصلاح شده به توليد مكان و مسيريابي اوليه مي پردازد. مرحله ي دوم با استفاده از الگوريتم ويزفلد به بهبود مكرر تصميمات مكان يابي و مسيريابي مي پردازد و در مرحله ي آخر الگوريتم با گنجاندن تنوع بخشي و تشديد جست وجو به طور تكرارشونده و موثر به دنبال جواب بهتر مي گردد. الگوريتم ارائه شده قادر است بهترين جواب يافت شده به وسيله ي حل كننده ي گمز را در محدوده هاي زماني 10800 ثانيه و 18000 ثانيه، به طور متوسط 0٫62 درصد، با تلاش هاي محاسباتي بسيار كمتر، بهبود بخشد. همچنين، در مسائل با اندازه هاي متفاوت الگوريتم در طي سه فاز به سمت جواب بهتر حركت مي كند. در اندازه ي كوچك مسئله ميانگين درصد انحراف از جواب بهينه در مراحل مختلف تنها 0٫07، 0٫05، 0٫03 و 0٫02 است. در اندازه هاي متوسط و بزرگ ميانگين درصد بهبود در هر مرحله نسبت به مرحله ي قبلي به ترتيب 2٫83، 1٫89 و 1٫29 درصد است كه اين مقادير براي اعداد بزرگ بهبود چشم گيري است.
چكيده لاتين :
In this study a mathematical model has been presented for multi depots, continuous location-routing problem with inventory restrictions. In this problem, a three-echelon supply chain was assumed a factory, producing one product with unlimited capacity, is on the first echelon of supply chain. In the second echelon of supply chain, several distribution centers distribute products. In the third echelon, there is a set of customers who are scattered in different geographical locations. Location of customers is pre-specified, but distribution centers should be located. In this problem, location of distribution centers will be determined in a continuous space.
As the leader of this supply chain, factory is looking for product distribution planning to minimize the total cost of this system. Model formulation of this problem is NP-hard; so a meta-heuristic algorithm with three phases has been developed for medium and large sizes of this problem. In the first phase of this algorithm, Region-rejection approach and modified saving algorithm are used to generate initial solution. In the second phase, we apply the Weiszfeld algorithm in order to improve location-routing decisions
repeatedly. In the last phase, diversification and intensification mechanisms are incorporated into the search.
The proposed algorithm is able to improve even the best solution implemented by GAMS solver with time limits of 10800 seconds and 18000 seconds, 0.62 percent in average, with much less computational effort. Also it can be seen that this algorithm is
moving toward the best solution during three phases. For this small sized problem, each of the three main phases, the average percentage deviation from optimal solution is only % 0.07, % 0.05, % 0.03 and % 0.02, respectively. For
medium and large size of this problem, % 2.83, %1.89 and %1.29 improvement can be seen in each phase compared to the previous phase, respectively. This improvement is impressive for the large size of this problem.
عنوان نشريه :
مهندسي صنايع و مديريت شريف
عنوان نشريه :
مهندسي صنايع و مديريت شريف
