حل مسيله چندهدفه مكان يابي هاب با درنظرگرفتن ويژگي هاي غيرقطعي نقاط بالقوه و مسيرها با استفاده از روش تجريه بندرز

A Bender’s Decomposition Algorithm for Multi-objective Hub Location Problem Considering Stochastic Characteristics

در اين پژوهش مسيله مكان‌يابي چندهدفه تسهيلات هاب با درنظرگرفتن ويژگي‏هاي غير قطعي نقاط بالقوه و مسير، با تابع هدف اول، به صورت كمينه‌كردن مجموع هزينه ثابت استقرار تسهيلات هاب، به‌علاوه هزينه احتمالي حمل‌ونقل، و تابع هدف دوم، به صورت كمينه‌كردن معيارهاي عدم اطمينان شبكه، مدل شده است. در اين مطالعه، شاخص‏هايي از قبيل شرايط آب‌وهوايي، امنيت، نرخ تبادل ارز، و شرايط اضطراري مسير به منزله معيارهاي ايجاد عدم اطمينان بر اساس سناريوهاي احتمالي تعريف و در ادامه با تابع توزيع احتمال نرمال تقريب زده شد. همچنين، در مدل پيشنهادي، سطح سرويس1 براي معيارهاي عدم اطمينان شبكه در قالب محدوديت‏هاي احتمالي2 در نظر گرفته شد. الگوريتم تجزيه بندرز3 براي حل مدل پيشنهادي به كار رفت. براي ارزيابي عملكرد اين روش، نتايج حاصل از حل مدل توسط الگوريتم تجزيه بندرز با حل آن توسط يك نرم‌افزار تجاري مقايسه شد. نتايج نشان داد روش تجزيه بندرز توانايي حل مدل پيشنهادي با ‌اندازه‏هاي مختلف را دارد؛ در حالي كه اين مدل فقط در اندازه‌هاي كوچك با نرم‌افزار قابل حل است.

In this paper, a multi-objective hub location problem considering stochastic links and candidate nodes characteristics is modeled. The first objective is to minimize total costs, including setup and transportation costs. The second one is to minimize network risks. Characteristics such as weather conditions, safety, exchange rate, crisis, are defined as uncertainty parameters and considered as different scenarios. Due to the size of the numbers of scenarios, it is assumed that the distribution of their risks is considered to be normal. Also reliability levels associated to candidate hub nodes and links are considered as chance constraints. Moreover a Bender’s decomposition algorithm is utilized to solve the proposed model. In order to evaluate the performance of the proposed model, the results of this algorithm are compared to those of Cplex solver. The comparison shows that Cplex solver can solves small size problems but the Bender’s decomposition algorithm is capable of solving problems of large scale as well as small ones.