كاربرد الگوريتم هاي متاهيوريستيك در بهينه سازي مساله مكان يابي-موجودي با ظرفيت نامحدود در زنجيره تامين سه سطح

The Use of Meta-heuristic Algorithms To Optimize The Uncapacitated Inventory- Location Problem In Three Level Supply Chain

دراين پژوهش يك مدل تركيبي در حوزه مسائل مكان يابي-موجودي در يك زنجيره تامين سه سطحي كه شامل تامين كنندگان،توزيع كنندگان و مشتريان است ، ارائه شده كه با استفاده از مفهوم پوشش جزئي و حداكثري به دنبال بيشينه كردن تقاضاي پوشش داده شده مشتريان توسط مراكز توزيع مي باشد.مدل ارائه شده،يك مدل مكان يابي –موجودي دو هدفه با ظرفيت نا محدود براي مراكز توزيع است كه هدف اول آن كمينه كردن مجموع هزينه هاي مكان يابي– موجودي در سرتا سر زنجيره تامين و هدف دوم كمينه كردن مجموع هزينه ي اضافه كردن يك واحد ظرفيت به مراكز توزيع است. تقاضاي مشتريان در اين مدل غير قطعي در نظر گرفته شده است و از توزيع نرمال پيروي مي كند.با توجه به ويژگي هاي مدل ارائه شده و پيچدگي آن،اين مدل در حوزه مسائل سخت قرار مي گيرد و براي حل آن بايد از روش هاي ابتكاري و فراابتكاري استفاده شود.بنابراين براي حل مدل از الگوريتم فراابتكاري ژنتيك مرتب سازي نامغلوب استفاده شده است. همچنين به منظور مقايسه بهتر جواب ها و بررسي ميزان عملكرد الگوريتم ژنتيك مرتب سازي نامغلوبِ استفاده شده در اين پژوهش، مدل توسط نرم افزار گمز و با استفاده از حل كننده ي برنامه ريزي عدد صحيح غير خطي مختلط نيز حل شده است.

This paper considers an integrated model in field of inventory-location problems in the three level supply chain which consists of suppliers, distributors and customers to maximize the customer’s covered demand by distribution centers with uses the concept of partial and maximum coverage .The proposed model is a two- objective uncapacitated inventory-location problem which the first objective function minimize the total cost of inventory and location decisions and the second objective function minimize the total cost of adding an unit capacity to distribution center. In this model ,customer’s demand is uncertain and follows a normal distribution function. According to the characteristics of the proposed model and its complexity, it’s a hard problem (NP-hard) and used the heuristic and meta-heuristic algorithms to solve this model .To solve the model, recommended Non-dominated Sorting Genetic Algorithm (NSGA-II) and, In order to better compare and evaluate the performance of the proposed genetic algorithm sorting ,the model also solved as a Mixed Integer Non Linear Programming (MINLP).