الگوريتم فراابتكاري براي حل مدل برنامه‌ريزي چند هدفه مكانيابي و تخصيص سه سطحي در لجستيك امداد

Meta-heuristic Algorithm for Multi-Objective Location-Allocation Model of Three-Echelon in Disaster Relief Logistics

چكيده از آنجا كه ‌ايران يك كشور حادثه خيز است برنامه‌ريزي هاي لجستيكي در زنجيره امداد سوانح مي‌تواند نقش اساسي در ارايه خدمات به آسيب‌ديدگان داشته باشد. در اين تحقيق يك مدل برنامه‌ريزي چند هدفه امكاني براي مكانيابي دوره‌اي انبارهاي موقت و تخصيص آن‌ها به مناطق آسيب‌ديده به منظور توزيع كالاهاي امدادي ارايه گرديده ‌است. در مطالعه انجام شده، پارامترهاي مساله، شامل هزينه‌هاي جابه‏جايي كالا، ميزان تقاضاي مناطق آسيب‌ديده و ميزان عرضه مراكز تامين به صورت غيرقطعي و فازي در نظر گرفته شده‌است. دو هدف اصلي مدل، شامل حداقل كردن هزينه‌هاي راه اندازي و هزينه‌هاي جابه‏جايي بين مراكز تامين، انبارهاي موقت و مناطق آسيب‌ديده همچنين حداكثر كردن مجموع حداقل نسبت‏هاي تقاضاي پوشش يافته به منظور رعايت انصاف در توزيع كالا مي‌باشد. در اين مقاله دو الگوريتم فراابتكاري ژنتيك و شبيه‌سازي تبريد براي حل مدل ارايه شده‌است كه براي مسايل با سايز كوچك با جواب دقيق حاصل از نرم افزار لينگو مقايسه شده‌اند. براي مسايل با سايز بزرگ، اين دو الگوريتم فراابتكاري از نظر كارايي مورد بررسي قرار گرفته‌ و با هم مقايسه شده‌اند. نتايج محاسباتي، اهميت و كارايي مدل طراحي شده را براي مسايل واقعي نشان مي‌دهد. در نهايت يك مطالعه موردي براي استان خراسان جنوبي به عنوان يكي از استان‌هاي حادثه خيز كشور انجام گرفته است.

Abstract Disaster relief logistic planning plays an important role in Iran, as an accident-prone country, to provide service to the damaged regions. A multi-objective planning model is discussed in this research to locate temporary inventories in damaged regions for distribution of relief goods. The considered parameters in this study such as relocation cost of goods, demand amount of damaged regions and supply amount of supply centers have been considered as fuzzy numbers. The model has two main goals; 1- minimizing the cost of start-up, relocation between supply centers, temporary inventories and damaged regions, 2- maximizing total demand ratios due to keep fairness in goods distribution. In this research a genetic algorithm and a simulated annealing algorithm have been presented to solve the model. These algorithms have been compared with the exact solution of Lingo software for small size problems. In addition, these two meta-heuristic algorithms have been investigated and compared based on their performance for large size problems. The calculation results demonstrate the importance and performance of the designed model for real problems. Ultimately, a case study has been considered for Southern Khorasan as one of the most accident-prone provinces of Iran.