بررسي مدل احتمالي چندهدفه براي مسأله زنجيره تأمين حلقه بسته پايدار با در نظرگرفتن مسيريابي وسايل نقليه با استفاده از الگوريتم هاي نوين و تركيبي فراابتكاري

Multi-Objective Closed-loop Supply Chain Considering Vehicles and Solving by New Approaches in Metaheuristics

اخيرا نگراني ها در خصوص اثرات زيست محيطي و اجتماعي در فعاليت هاي تجاري افزايش يافته است. در حالي كه بيشتر مقالات در زمينه ي طراحي شبكه زنجيره تأمين به عملكرد اقتصادي تمركز دارند، اخيرا برخي مطالعات ابعاد زيست محيطي و اجتماعي را نيز مورد توجه قرار گرفته است. با اين حال هنوز هم شكاف هايي در مدل سازي اثرات اجتماعي بهمراه اثرات زيست محيطي و هم چنين اقتصادي احساس مي شود. در اين مطالعه يك مدل احتمالي چند هدفه براي طراحي شبكه لجستيك حلقه بسته پايدار تحت عدم قطعيت ارائه مي شود. اهداف اين مدل كاهش هزينه، افزايش اثرات اجتماعي و كاهش اثرات زيست محيطي مي باشد. سپس مدل نه تنها با استفاده از الگوريتم هاي فرابتكاري مشهور نظير الگوريتم ژنتيك و تبريد شبيه سازي شده حل مي شود بلكه الگوريتم جديد بهينه سازي نهنگ همراه با روش بهبود يافته ي تركيبي آن نيز براي حل استفاده شده است. با بررسي آزمايشات مختلف و مسائل طراحي شده، كارايي الگوريتم ها با هم مقايسه شده اند. نتايج نشان از اثربخشي الگوريتم جديد تركيبي بهينه سازي نهنگ مي دهد.

Recently, concerns have been raised about the environmental and social impacts of commercial activities. Also, most papers on the design of the supply chain network, focus on economic performance. Recently, some studies have considered environmental and social dimensions. There are still some gaps in modelling social impacts along with environmental and economic impacts. In this study, a multi-objective probabilistic model for designing a sustainable closed-loop logistics network is presented under uncertainty. The goals of this model consist of cost reduction, increasing social impact and decreasing environmental impacts. Then the model was solved not only using well-known Metaheuristic algorithms including genetic algorithm and Simulated Annealing (SA) algorithm, but also new whale optimization algorithm along with its improved combination method was used. Performance of algorithms was compared through examining different experiments and designed test problems. They compared in different situations and some important criteria. The results show the superiority of the whale optimization algorithm.