كاربرد رويكرد تصادفي در مساله دو هدفه باز پرسازي توام با چند خريدار با محدوديت انبار و تخفيف نموي

replenishment bi-objective multi-buyer joint Stochastic approach application in a problem with storage constraint and incremental discount

در اين تحقيق، يك مدل دو هدفه باز پرسازي توام كالا با چند خريدار با در نظر گرفتن محدوديت هاي بودجه و انبار براي هر خريدار توسعه يافته، طوري كه قيمت محصولات از تخفيف نموي تبعيت مي كند. مدل پيشنهادي از رويكرد تصادفي استفاده شده كه مقدار هزينه نگهداري قطعي نيست و از يك توزيع احتمال خاصي پيروي مي كند. بنابراين توابع هدف عبارتند از كمينه كردن ميانگين و واريانس هزينه كل است. بدليل اينكه مسايل MJRP هستند براي حل مدل از الگوريتم ژنتيك مرتب سازي نامغلوب و بهينه سازي اجتماع ذرات چندهدفه NP - Hard از لحاظ پيچيدگي از نوع مسايل استفاده شده است. براي تنظيم پارامتر الگوريتم ها، طراحي آزمايش ها و متدولوژي رويه هاي پاسخ اجرا شده است. در نهايت، براي اثبات عملكرد مناسب روش هاي ارايه شده در مدل هاي مربوطه، اين روش ها بر روي مسايل آزمايشي توليد شده با ابعاد مختلف مورد تجزيه و تحليل قرار گرفته است.

We develop a multi-objective model in a multi-product inventory. The proposed model is a multi-buyer joint replenishment problem (MJRP) that has two objective functions. Then first one is minimizing mean of total cost and the second objective function is variance of total cost, with incremental discount, budget and storage restriction. This problem belong to Np-Hard problems, so we used Meta-heuristics algorithms for solving the problem. We used non-dominated sorting genetic algorithms (NSGA-II) and multi-objective particle swarm optimization (MOPSO). Since the solution-quality of all meta-heuristic algorithms severely depends on their parameters, design of experiments and response surface methodologies (RSM) have been utilized to calibrate the parameters of algorithms. Finally, computational results obtained by implementing the algorithms on several problems of the different sizes demonstrate the performances of the proposed methodologies