متن کامل این مقاله به زبان انگلیسی می باشد، لطفا برای مشاهده متن کامل مقاله به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

جمع آوری زباله شهری یکی از فعالیت های بزرگ شهری است که شامل هزینه های کلان و مشکلات عملیاتی بسیاری است، انجام عملیات جمع آوری و دفع به دلیل وجود هزینه های سرمایه گذاری (ناوگان وسائط نقلیه) و هزینه های عملیاتی بالا (سوخت، نگهداری و تعمیرات و)... بسیار هزینه بر است و ایجاد بهبودهای کوچک در این حوزه باعث صرفه جویی های بزرگی در مصارف شهرداری ها میگردد. از جمله مسائل مطرح در این زمینه تغییر در الگوی جمع آوری زباله به منظور بررسی الگوهای مختلف و به تبع آن وارد شدن عدم قطعیت در داده ها است. بررسی مساله جمع آوری زباله در شرایط عدم قطعیت میتواند در تصمیم گیری مناسب مدیران و تصمیم گیران در این حوزه نقش بسزایی داشته باشد. در این مقاله، مساله مسیریابی کمان ظرفیت دار (همراه با محدودیت ظرفیت وسایل نقلیه) با در نظر گرفتن شرایط عدم قطعیت برای داده ها توصیف میشود. به دلیل ماهیت غیر قطعی تقاضا (میزان زباله تولید شده) و دشواری تعیین مقدار واقعی آن، یک مدل برنامه ریزی محدودیت شانسی مبتنی بر نظریه اعتبار فازی برای مساله طراحی میشود. همچنین از یک الگوریتم ژنتیک ترکیبی شامل الگوریتم ابتکاری، شبیه سازی تبرید و ژنتیگ به همراه شبیه سازی احتمالی جهت حل مساله پیشنهادی استفاده میشود. نتایج محاسباتی در مقایسه با روش CPLEX بیانگر آن است که الگوریتم پیشنهادی نتایج مطلوبی ارائه میدهد. در انتهای مقاله نیز به بررسی مطالعه موردی جمع آوری زباله درشهر اصفهان پرداخته و سیاست بهینه آن در شرایط عدم قطعیت تعیین میشود.

در طول سه دهه اخیر، رویکرد بهینه سازی یکپارچه به سیستم های لجستیک به یکی از مهم ترین جنبه های بهینه سازی زنجیره تامین تبدیل شده است. این رویکرد به بررسی همزمان وابستگی های میان مکان تسهیلات، تخصیص تامین کنندگان/ مشتریان به تسهیلات، ساختار مسیرهای حمل و نقل، و برنامه ریزی و کنترل موجودی ها می پردازد. یکی از مهم ترین مسایل مکان یابی برای در نظرگیری این رویکرد، مساله مکان یابی- مسیریابی است. در این مساله، تعداد و مکان تهسیلات، اندازه ناوگان حمل و نقل، و ساختار مسیرها با توجه به مکان و خصوصیات تامین کنندگان و مشتریان تعین می شود. در این تحقیق، یک مدل ریاضی، روش حل ابتکاری کارا و سریع، روش فراابتکاری کارا مبتنی بر الگوریتم تبرید شبیه سازی شده، و کران پایین جدید برای مسایل مکان یابی- مسیریابی دو رده ای با در نظرگیری محدودیت های ظرفیت وسایل نقلیه و حداکثر طول مسیر ارایه شده است. در پایان، نتایج محاسباتی نشان دهنده کارایی روش های حل پیشنهادی با استفاده از کران پایین پیشنهادی است.

هدف: مساله مکان­ یابی-مسیر­یابی (LRP) یک مساله استراتژیک در طراحی زنجیره تامین برای پاسخ گویی به نیاز مشتری است. این گونه مسایل شامل انتخاب بهینه یک یا چند انبار از بین تعدادی نقاط بالقوه و تعیین کوتاه ترین مسیرهای تامین نیاز مشتری است. با توجه به نقش حمل ونقل در تولید آلاینده ها در طی سال های گذشته، اهمیت در­نظر گرفتن لجستیک سبز برای کاهش اثرات زیست محیطی حمل ونقل بسیار مهم شده است.روش شناسی پژوهش: برای جبران شکاف موجود در ادبیات، این مقاله یک مدل برنامه ریزی خطی عدد صحیح مختلط دوهدفه (MILP) برای مساله مسیریابی مکان یابی ظرفیت سبز (G-CLRP) با عدم قطعیت تقاضا و احتمال شکست در انبارها و مسیرها ارایه می کند.یافته ها: نتیجه نهایی این مدل چندهدفه استوار، راه اندازی انبارها و انتخاب مسیرهایی است که بالاترین قابلیت اطمینان (به حداکثر رساندن خدمات شبکه) را ارایه می دهند و در عین حال، کمترین هزینه و آلودگی زیست محیطی را تحمیل می کنند. این مقاله همچنین یک تحلیل عددی و یک تحلیل حساسیت راه حل های مدل را ارایه می کند.اصالت/ارزش افزوده علمی: تعیین انبارهای پشتیبان و افزایش قابلیت سرویس دهی شبکه برای مشکلات مسیریابی مکان.

مسئله مکان یابی مسیریابی هاب یکی از مسایل کاربردی در دهه های اخیر است. پژوهش حاضر به یک مسیله مکان یابی مسیریابی هاب چندگانه می پردازد که در آن بهترین مکان ها برای هاب ها و تورها برای هر هاب با دریافت و تحویل هم زمان تعیین می شوند. ابتدا یک مدل بهینه سازی برای به حداقل رساندن مجموع هزینه های ثابت مکان یابی مراکز، هزینه های جابه جایی، سفر، تخصیص و هزینه های حمل ونقل پیشنهاد شده است. به منظور دست یافتن به حل های کاربردی و عملی، هاب ها ظرفیت محدودی دارند و هر گره می تواند توسط تخصیص تکی به هاب ها اتصال یابد؛ همچنین ملاحظات بالانس با تخصیص تعداد مناسب گره های تقاضا به هاب ها به شبکه تحمیل می شود. سپس مسیله با استفاده از نرم افزار GAMS برای نمونه هایی با اندازه کوچک حل می شود. با توجه به ماهیت NP-Hard مسیله، مدل بهینه سازی پیشنهادی توسط الگوریتم ژنتیک و الگوریتم رقابت استعماری حل خواهد شد. نتایج مقایسه ای حاصل از نمونه های مسیله نشان می دهد که الگوریتم ژنتیک عملکرد بهتری در مقایسه با الگوریتم رقابت استعماری دارد و در نظر گرفتن ملاحظات ظرفیت و بالانس می تواند در کاهش هزینه های شبکه موردبررسی موثر باشد.

این پژوهش به حل ابتکاری مسئله مکان یابی تسهیلات ظرفیت دار تک-منبع اختصاص یافته است. در این نوشتار، ابتدا یک روش جستجو ی محلی برای حل مسئله معرفی شده و سپس سازوکار حریصانه آن با دیدگاه تبرید شبیه سازی شده ترکیب می گردد تا توان گریز از بهینگی موضعی را ایجاد کند. در ادامه، سازوکار های هوشمندانه ای برای تسریع آن اتخاذ می شود تا فرآیند جستجو را کارآمد سازد. سازوکار های تسریع یادشده شامل الگوریتم هایی به منظور تمرکز جستجو بر بخش هایی از فضای جواب و نیز الگوریتم هایی به جهت موازی سازی فرآیند جستجو است. به کارگیری هر یک از این سازوکارها صورت کارآمدی از الگوریتم مذکور با ویژگی های محاسباتی متفاوت به دست خواهد داد. نتایج به دست آمده از به کارگیری روش فوق به روی نمونه های معتبر از مسئله مکان یابی تسهیلات تک-منبع، نه تنها از موفقیت آن در مقایسه با بهترین روش های حل موجود حکایت دارد، بلکه آن را به عنوان ابزاری عملی برای به کارگیری روی نمونه های دنیای واقعی مطرح خواهد ساخت.