بهینه سازی مسیریابی توزیع سبزچند محصولی توسط الگوریتم فرا ابتکاری سئو
الموضوعات :
1 - Islamic Azad university Saveh branch
2 - گروه مهندسی صنایع، دانشگاه آزاد اسلامی واحد ساوه
الکلمات المفتاحية: برنامه‌ریزی و زمان‌بندی تولید و توزیع سبز, مکان‌یابی, الگوریتم MOSEO,
ملخص المقالة :
در این پژوهش، مدلی در راستای بهینه‌سازی مسیر حمل و نقل پیشنهاد داده شده است. مدل حاضر با در نظر گرفتن، مشتریان مختلف، تقاضاهای مختلف، در نظر گرفتن نقاط توزیع مختلف، در نظر گرفتن محصولات مختلف و زمان فرآیند تولید متفاوت محصولات، توانسته مبحث مسیریابی وسایل نقلیه را از جهات متفاوتی مورد بررسی قرار دهد. این موارد در مطالعات قبلی موجود نبوده و سایر مدل‌سازی‌ها تنها به صورت کلی به افزایش سود پرداخته‌اند. پس از حل مدل توسط دو روش نتایج گویای این موضوع بوده‌اند که برنامه‌ریزی انجام شده جهت مسیریابی وسایل نقلیه، سهم بسزایی در کاهش هزینه های عملیاتی، مسیر پیموده شده و در عین حال کاهش مصرف سوخت های فسیلی داشته است، بگونه‌ای که تحویل مرسوله به مشتریان در محدوده زمانی درخواستی مشتریان و دقیقا متناسب با محدودیت زمانی بوده است و محصولات قبل از پایان موعد مورد انتظار به مشتریان تحویل داده شده است. از این رو، تقاضا مشتریان در کوتاه ترین مسیر ممکن، کمترین هزینه، کمترین آلایندگی و بدون کمبود به مشتریان تحویل داده شده است. همچنین نتایج حاصل از الگوریتم‌های حل دقیق و فراابتکاری نشان دهنده انطباق بالای مدل‌سازی و محدودیت‌های مدل بوده است؛ بگونه‌ای که تمامی محدودیت‌های سیستم پیشنهادی شدنی شده و مسئله در مدت زمانی مطلوب توانسته به پاسخی بهینه دست یابد.
Abdi, A., Abdi, A., Fathollahi-Fard, A. M., & Hajiaghaei-Keshteli, M. (2019). A set of calibrated metaheuristics to address a closed-loop supply chain network design problem under uncertainty. International Journal of Systems Science: Operations & Logistics, 1-18.
Afshari, H., Sharafi, M., ElMekkawy, T., & Peng, Q. (2014). Optimizing multi-objective dynamic facility location decisions within green distribution network design. Procedia Cirp, 17, 675-679.
Amin, S. H., & Baki, F. (2017). A facility location model for global closed-loop supply chain network design. Applied Mathematical Modelling, 41, 316-330.
Bowling, I. M., Ponce-Ortega, J. M., & El-Halwagi, M. M. (2011). Facility location and supply chain optimization for a biorefinery. Industrial & Engineering Chemistry Research, 50(10), 6276-6286.
Chen, C., Yao, B., Chen, G., & Tian, Z. (2021). A queuing–location–allocation model for designing a capacitated bus garage system. Engineering Optimization, 1-18.
Etemadnia, H., Goetz, S. J., Canning, P., & Tavallali, M. S. (2015). Optimal wholesale facilities location within the fruit and vegetables supply chain with bimodal transportation options: An LP-MIP heuristic approach. European journal of operational research, 244(2), 648-661.
Fathollahi-Fard, A. M., Hajiaghaei-Keshteli, M., & Tavakkoli-Moghaddam, R. (2018). The social engineering optimizer (SEO). Engineering Applications of Artificial Intelligence, 72, 267-293.
Fathollahi-Fard, A. M., Ranjbar-Bourani, M., Cheikhrouhou, N., & Hajiaghaei-Keshteli, M. (2019). Novel modifications of social engineering optimizer to solve a truck scheduling problem in a cross-docking system. Computers & Industrial Engineering, 137, 106103.
Ghasemi, P., & Khalili-Damghani, K. (2021). A robust simulation-optimization approach for pre-disaster multi-period location–allocation–inventory planning. Mathematics and computers in simulation, 179, 69-95.
Golshahi-Roudbaneh, A., Hajiaghaei-Keshteli, M., & Paydar, M. M. (2017). Developing a lower bound and strong heuristics for a truck scheduling problem in a cross-docking center. Knowledge-Based Systems, 129, 17-38.
Granger, S. (2002). Social engineering fundamentals, part II: Combat strategies. Security Focus, 9.
Gulzari, A., & Tarakci, H. (2021). A healthcare location-allocation model with an application of telemedicine for an earthquake response phase. International Journal of Disaster Risk Reduction, 55, 102100.
Harrison, T. P. (2005). The practice of supply chain management: where theory and application converge: Springer Science & Business Media.
Kaya, O., & Urek, B. (2016). A mixed integer nonlinear programming model and heuristic solutions for location, inventory and pricing decisions in a closed loop supply chain. Computers & Operations Research, 65, 93-103.
Khorasani, S. T., & Almasifard, M. (2018). The development of a green supply chain dual-objective facility by considering different levels of uncertainty. Journal of Industrial Engineering International, 14(3), 593-602.
Li, F., Liu, T., Zhang, H., Cao, R., Ding, W., & Fasano, J. P. (2008). Distribution center location for green supply chain. Paper presented at the 2008 IEEE International Conference on Service Operations and Logistics, and Informatics.
Lin, Y., Jia, H., Yang, Y., Tian, G., Tao, F., & Ling, L. (2018). An improved artificial bee colony for facility location allocation problem of end-of-life vehicles recovery network. Journal of Cleaner Production, 205, 134-144.
Martínez, J. C. V., & Fransoo, J. C. (2017). Green facility location. In Sustainable Supply Chains (pp. 219-234): Springer.
Mousavi, S. M., Bahreininejad, A., Musa, S. N., & Yusof, F. (2017). A modified particle swarm optimization for solving the integrated location and inventory control problems in a two-echelon supply chain network. Journal of intelligent manufacturing, 28(1), 191-206.
Saadati, M., & Hosseininezhad, S. J. (2019). Designing a hub location model in a bagasse-based bioethanol supply chain network in Iran (case study: Iran sugar industry). Biomass and Bioenergy, 122, 238-256.
Sadeghi-Moghaddam, S., Hajiaghaei-Keshteli, M., & Mahmoodjanloo, M. (2017). New approaches in metaheuristics to solve the fixed charge transportation problem in a fuzzy environment. Neural Computing and Applications, 1-21.
Sarker, B. R., Wu, B., & Paudel, K. P. (2019). Modeling and optimization of a supply chain of renewable biomass and biogas: Processing plant location. Applied Energy, 239, 343-355.
Srinivasan, S., & Khan, S. H. (2018). Multi-stage manufacturing/re-manufacturing facility location and allocation model under uncertain demand and return. The International Journal of Advanced Manufacturing Technology, 94(5-8), 2847-2860.
Strong, D., Kay, M., Conner, B., Wakefield, T., & Manogharan, G. (2019). Hybrid manufacturing—Locating AM hubs using a two-stage facility location approach. Additive Manufacturing, 25, 469-476.
Taguchi, G. (1986). Introduction to quality engineering: designing quality into products and processes. Retrieved from
TALAEI, M., FARHANG, M. B., PISHVAEE, M., & BOZORGI, A. A. (2015). A BI-OBJECTIVE FACILITY LOCATION MODEL FOR A GREEN CLOSED-LOOP SUPPLY CHAIN NETWORK DESIGN.
Yadegari, E., Alem-Tabriz, A., & Zandieh, M. (2019). A memetic algorithm with a novel neighborhood search and modified solution representation for closed-loop supply chain network design. Computers & Industrial Engineering, 128, 418-436.
Yousefi, K., J. Afshari, A., & Hajiaghaei-Keshteli, M. (2018). Heuristic approaches to solve the fixed-charge transportation problem with discount supposition. Journal of Industrial and Production Engineering, 35(7), 444-470.
Zhalechian, M., Tavakkoli-Moghaddam, R., Zahiri, B., & Mohammadi, M. (2016). Sustainable design of a closed-loop location-routing-inventory supply chain network under mixed uncertainty. Transportation Research Part E: Logistics and Transportation Review, 89, 182-214.
Zhao, X., Xia, X., Wang, L., & Yu, G. (2018). Risk-averse facility location for green closed-loop supply chain networks design under uncertainty. Sustainability, 10(11), 4072.
