مكان يابي هاب ها در شبكه پشتيباني حمل و نقل هوايي چند مده سبز با استفاده از الگوريتم بهينه سازي ژنتيك

Hub location in multi-modal green air transportation supporting network using Genetic Algorithm

شبكه پشتيباني حمل و نقل هوايي سبز سيستمي متشكل از تقاضا و برآوردن تقاضا با اهداف زيست محيطي مي‌باشد. در اين مقاله در صدد ايجاد شبكه پشتيباني سبز در صنايع هوايي هستيم به نحوي كه از احداث مراكز آلوده كننده در مناطق آلوده تا حد امكان جلوگيري شود. متمركزسازي باعث استفاده بهينه از تسهيلات حمل‌ونقل و در نهايت كاهش آلودگي مي‌شود. يك شبكه پشتيباني چند مده در حمل‌ونقل مي‌تواند با توجه به اهداف شبكه از جمله كمينه سازي آلودگي زيست محيطي، با مكان‌يابي بهينه‌ي هاب نقش مهمي در اين راستا ايفا كند. در اين مقاله با در نظر گرفتن زمان برنامه ريزي شده براي تحويل هر قطعه به پايگاه‌هاي هوايي، يك مدل رياضي بهينه ارائه شده است. حمل‌ونقل چند مده يكي از نوآوري‌هاي اين پروژه است كه با برنامه‌ريزي يك مدل جامع و انعطاف‌پذير در حمل‌ونقل ايجاد مي‌گردد. همچنين به دليل ماهيت غير قطعي در بسياري از مسائل دنياي واقعي، پارامتر زمان حمل ونقل به صورت فازي در نظر گرفته شده است. براي قطعي سازي مدل از روش خمينز استفاده شده است. مدل پس از خطي سازي با نرم افزار GAMS و حل كننده CPLEX حل و اعتبارسنجي شده است و هم چنين براي حل مدل در ابعاد بزرگ از روش فراابتكاري الگوريتم ژنتيك استفاده شده است. الگوريتم ژنتيك با خطاي قابل قبولي وضعيت بهينه را شناسايي و نمايش مي دهد.

Green air transportation supporting network consists of demand and demand satisfaction by environmental goals. In this article we seek to create a green supporting network in air industries in a way that the centers of pollutants are avoided to be installed in polluted areas as much as possible. Centralization causes optimal use of transportation facilities and finally reduces the pollution. A multi-modal transportation supporting network can play an important role by optimal hub location, considering network goals such as minimizing environmental pollution. In this paper, by considering the time scheduled for delivery of each part to air stations, an optimum mathematical model is presented. Multi-modal transportation is one of the innovations of this paper which is created by planning a comprehensive and flexible model in transportation. Due to the uncertain nature of many factors in real-world problems, transportation time parameter is considered to be fuzzy. Jimenez approach is applied to transform the fuzzy model to crisp one. The model is solved and validated after linearization by GAMS software and CPLEX solver. The meta-heuristic Genetic Algorithm method is used for solving the model in large-scales. The Genetic Algorithm detects and displays the optimal situation with an acceptable error.