ارائه الگوريتم ژنتيك با مرتب‌سازي نامغلوب جهت حل مدل دو هدفه مسأله‌ي حمل‌و‌نقل- مكان‌يابي- مسيريابي با در نظر گرفتن تقاضاي غير قطعي

NonDominated Sorting Genetic Algorithm for BiObjective Transportation Location Routing Problem under Demand Uncertainty

مديريت موثر عمليات توزيع و پخش كالاهاي توليدي نقش بسيار مهمي را در موفقيت و افزايش سطح رقابت يك سازمان توليدي ايفا مي‌كند. مسأله‌ي مكان‌يابي مسيريابي، مسأله‌اي است كه در آن دو موضوع تعيين مراكز توزيع محصول و تشكيل مسيرهاي وسايل نقليه به صورت همزمان در نظر گرفته شده است. در اين مقاله يك مدل برنامه‌ريزي احتمالي دومرحله‌اي و يك روش حل فرا ابتكاري براي مسأله‌ي حمل‌و‌نقل– مكان‌يابي– مسيريابي ارائه شده است. مشتري‌ها امكان سفارش محصولات متفاوت را دارند. محصولات مختلف مي‌بايست از مراكز توزيع اصلي با ظرفيت محدود به مراكز توزيع فرعي باز شده منتقل شوند و از آنجا بين مشتري‌ها توزيع شوند. مسألهي مذكور با دو هدف كمينه‌سازي هزينه‌هاي سيستم و بيشينه‌سازي تقاضاي برآورده‌شده‌ي مشتري‌ها يا به عبارت ديگر ماكزيمم نمودن ميزان كل تقاضاي ارسالي به مشتريان توسعه داده شده است. به دليل پيچيدگي بالاي اين مسأله از نسخه‌ي دوم الگوريتم ژنتيك با مرتب‌سازي نامغلوب براي حل آن استفاده مي‌شود. پارامترهاي اوليه اين الگوريتم با روش تاگوچي تنظيم مي‌شوند. نتايج محاسباتي نشان‌دهنده‌ي كارايي روش حل پيشنهادي براي حل مسائل در ابعاد مختلف است

Effective management of distribution of manufactured goods plays an important role in the success and increasing of competition' levels in manufacturing organization. Location routing problem is a problem in which location of distribution center and vehicle routing are considered simultaneously. In this paper, a twostage stochastic programming model and a metaheuristic approach are presented for the Transportation Location Routing Problem. Customers can order different products. Capacitated central centers transport different products to open intermediary Distribution Centers (IDCs) and then these products are distributed from IDCs between the customers. A biobjective optimization model is developed. Two objectives, minimization of the overall costs and maximization of the total served demand, are addressed. Due to the high complexity of the problem, we use the NonDominated Sorting Genetic Algorithm to solve the problem. The initial parameters of this algorithm is set with Taguchi method. Computational results show the effectiveness of the proposed solution method to solve problems in different dimensions.