ارائه يك الگوريتم تركيبي براي حل مسئله مكانيابي - مسيريابي چندكالايي با در نظر گرفتن سيستم هاي فرابارانداز در زنجيره تامين

A Hybrid Algorithm for Solving Location and Routing Multi-Commodity Problems with Cross-Docking in the Supply Chain

مسئله مكانيابي- مسيريابي با وجود سيستم هاي فرابارانداز به عنوان يك زمينه تحقيقاتي جديد براي شبكه هاي - توزيع در زنجيره تامين محسوب ميشود. هدف از اين مسئله طراحي همزمان يك مكان براي مركز فرابارانداز و مسيريابي وسايل نقليه با توجه به حداقل سازي هزينه هاي سيستم ميباشد، كه به عنوان يك مسئله NP-hard شناخته شده است. در تحقيق حاضر، يك مدل برنامه ريزي عدد صحيح مختلط ) MIP ( دو مرحلهاي براي مسئله مكانيابي مسيريابي چند كالايي با درنظر گرفتن مراكز فرابارانداز با توجه به كاربردهاي بالقوه آن در - شبكه هاي توزيع ارائه شده است. نوآوري اصلي اين مقاله در چند كالايي بودن مدل پيشنهادي و همچنين روش حل آن به صورت يك الگوريتم تركيبي بر مبناي دو الگوريتم فراابتكاري سيستم ايمني مصنوعي بدن و ازدحام ماهي هاي مصنوعي ميباشد، فرضياتي نيز در مدل پيشنهادي ارايه شده است كه آن را از مدل هاي ارائه شده در اين حوزه متمايز مي سازد. براي بررسي كارايي الگوريتم پيشنهادي، ابتدا مسائل نمونه اي با اندازه كوچك و بزرگ به صورت تصادفي توليد شده و مدل MIP توسط الگوريتم هاي دقيق، سيستم ايمني مصنوعي بدن، ازدحام ماهي هاي مصنوعي و يك الگوريتم نمونه، حل و سپس با يكديگر مقايسه شدند. نتايج محاسباتي نشان ميدهد كه الگوريتم پيشنهاد شده در اين پژوهش، جواب هاي بهتري نسبت به ساير الگوريتم- هاي بيان شده ارائه ميدهد و همگرايي مناسبي به راه حل هاي مطلوب دارد

Location-Routing problem with Cross-docking is as a New Research Area for Distribution Networks in The supply chains. The purpose of this paper is to simultaneously design a location for cross-docking center and routing vehicles due to the system cost minimization which, is known as an NP-hard problem. This paper presents a two-stage mixed-integer programming (MIP) model for the location-routing multi-commodity problem with cross-docking due to potential applications in the distribution networks. The principal innovation of this paper includes multiple commodities and its solution method as a hybrid algorithm based on the artificial immune system (AIS) and artificial fish swarm (AFS) algorithms. Also, assumptions are given in the proposed model that distinguishes it from the models are presented in this area. Finally, to evaluate the efficiency of the proposed algorithm small and large-scale test problems are randomly generated and the proposed MIP model solved by artificial immune system (AIS) and artificial fish swarm (AFS) and a sample algorithm and then compared with each other. The computational results for different problems show that the proposed hybrid algorithm performs well and converges fast to reasonable solutions