ارائه يك مدل احتمالي استوار چندهدفه براي مسأله مكان يابي- مسيريابي دوسطحي با گذاشت و برداشت همزمان و پنجره هاي زماني

Proving a Multi Objective Probabilistic model based on for Routing

مسأله مكان‌يابي مسيريابي بدليل كاربردهاي آن در دنياي واقعي از جمله مسائلي است كه در ادبيات موضوع مورد توجه بسياري از نويسندگان واقع شده است. در اين مقاله مدل گسترش يافته در حالت دوسطحي و با فرض ارسال چند كالايي به مشتريان، گذاشت و برداشت همزمان و با لحاظ پنجره‌هاي زماني نرم ارائه شده است. در اين مقاله علاوه بر كمينه‌سازي هزينه‌هاي مرتبط با مكان‌يابي و حمل‌و‌نقل، كمينه‌سازي هزينه‌هاي ناشي از مصرف سوخت نيز به عنوان تابع هدف دوم در نظر گرفته شده است. رويكردهاي مختلفي براي برخورد با عدم قطعيت ارائه شده كه از جمله اين رويكردها مي توان به مدل‌هاي بهينه‌سازي استوار اشاره كرد. در اين مقاله مقدار تقاضاي مشتريان در حالت غيرقطعي و در قالب سناريو‌هاي مختلف با مقادير گسسته در نظر گرفته شده و مدلسازي اين مسأله با استفاده از روش بهينه‌سازي P-Robust به‌صورت برنامه‌ريزي مختلط عدد صحيح صورت پذيرفته است. در نهايت از اطلاعات و داده‌هاي يك شركت توزيع قطعات يدكي در ايران براي حل مدل استفاده شده و نتايج حاصل از حل مسأله نمونه و تحليل حساسيت روي مقادير مختلف پارامتر p ارائه شده است. نتايج محاسبات نشان مي‌دهد كه با صرفظر‌كردن از افزايش جزئي در هزينه‌هاي انتظاري سيستم، مي‌توان كاهش قابل ملاحظه‌اي در هزينه‌ سناريوهاي موجود به وجود آورد.

LocationRouting problem is an interesting subject in the literature due to its various applications for real world problems. This paper proposes a twoechelon biobjective model under the assumption of characteristics including multi commodity, simultaneous pickup and delivery and soft time windows. The first objective function aims to minimize transportation costs besides location costs, while the second objective function minimizes fuel costs. Various approaches such as robust optimization have been developed in the literature to deal with uncertainty. The proposed model accounts for the uncertainty in customers’ demands in terms of different scenarios and the problem is formulated as a mixed integer linear programming model using probust approach. Finally, a number of sensitivity analysis are conducted by applying the historical data of a spare part distributer company. The results imply that a slight increment in expected cost of system results in decreased scenario costs.