توسعه الگوریتم فراابتکاری هیبریدی برای یک مسئله ۳سطحی
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))
آلن و همکاران [۱۸]
۲۰۱۴
مدل مارکوفی برای سیستم موجودی دو سطحی
کاردناس بارون و همکاران [۲۸]
۲۰۱۲
بررسی مسئله موجودی – تولید شامل ۳ سطح تک محصول
پیشینه روشهای حل مسائل SWMR
علاوه بر مسئله مدلسازی، یکی دیگر از دغدغه های محققین چگونگی دستیابی به تصمیمات بهینه با توجه به اهداف متفاوت و متناقض است. زنجیره تأمین را میتوان به عنوان یک سیستم هماهنگکننده مجموعه ای از فرآیندهای مرتبط تعریف کرد که نیازمند تصمیم گیری در قالب یک سیستم یکپارچه است. گسترش مدلهای یکپارچه منجر به پیچیدگی مدلها شده است که بدست آوردن حل بهینه آنها از طریق روشهای معمول و دقیق دشوار است. به همین دلیل، روشهای جایگزین توسعه یافتهاند که فقط برای بدستآوردن جوابهای نزدیک بهینه به کار گرفته میشوند [۲۹].
روشهای دقیق شامل روشهای برنامه ریزی خطی، برنامه ریزی غیرخطی، برنامه ریزی عددصحیح و رهاسازی لاگرانژی و … است. مدلهای برنامه ریزی ریاضی به عنوان ابزارهای تحلیلی مفید در مسائل بهینهسازی تصمیم گیری ارائه شده اند. برنامه ریزی خطی زمانی که همه اجزاء مدل خطی باشند، قابل استفاده است. برنامه ریزی عدد صحیح آمیخته زمانی که تعدادی از متغیرها عدد صحیح (۱ و ۰) و تعدادی حقیقی باشند، کاربرد دارد. در MILP توابع هدف و محدودیتها به فرم خطی هستند، در غیر اینصورت MINLP نام دارد. روش رهاسازی لاگرانژی بر مبنای رهاسازی مسئله با حذف قیودی است که مسئله را دشوار میسازند و تبدیل آنها به فرم تابع هدف وتخصیص وزن به هر یک از قیود است. هر وزن نشاندهنده میزان جریمه هر راه حل به ازاء ارضا نشدن محدودیت است. همه این روشها دستیابی به جواب بهینه یا نزدیک به بهینه را تضمین می کنند.
دو مورد کاربرد روشهای ریاضی را در مسائل پیچیده زنجیره تأمین محدود می کنند:
فرموله کردن روابط ریاضی همواره آسان نیست و پیچیدگیهای آن با افزایش محدودیتها افزایش مییابد. از آنجاییکه اکثر مسائل واقعی زنجیره تأمین، به طور ذاتی پیچیده هستند و تعداد زیادی محدودیت و متغیر دارند، روشهای ریاضی مانند LP و MIP ممکن است در حل آنها کارآمد نباشند. روشهای ریاضی برای حل مسائل با اندازه کوچک تا متوسط و تعداد متغیرها و محدودیتهای محدود مناسب هستند.
حتی اگر بتوان یک مسئله پیچیده و بزرگ را با روابط ریاضی فرموله کرد، مسئله می تواند به دلیل رشد نمایی اندازه مدل NP-hard شود. میزان حافظه زیاد و زمان پردازش زیاد برای پردازش الگوریتمهای ریاضی پیچیده مورد نیاز است. همین موضوع استفاده از روشهای ریاضی را برای حل مسائل از این دست را دشوار میسازد.
مسائل بهینهسازی چندهدفه، معمولاً پاسخ یگانهای برای بهینهسازی تمامی اهداف به طور همزمان ندارند. بنابراین هدف بهینهساز چندهدفه جستجو بدنبال مجموعه ای از جوابهای کاراست و با پیدایش الگوریتمهای ابتکاری و فراابتکاری افق جدیدی در رویکرد حل مسایل ترکیبیاتی و از آن جمله مسائل کنترل موجودی در زنجیره تأمین ایجاد شده است [۲].
محدودیتهای تکنیکهای ریاضی، منجر به استفاده از روشهای ابتکاری در پیداکردن جوابهای موجه برای مسائل زنجیره تأمین با ابعاد بزرگ شد. روشهای ابتکاری، روشهای مبتنی بر تجربه هستند که در غلبه بر بسیاری از نقاط ضعف روشهای سنتی بهینهسازی موثرند. روش ابتکاری به طور پی در پی درصدد یافتن جوابی است که انتظار میرود نزدیک به بهینه باشد. در ادبیات مسئله ، کارهای زیادی برای حل مسائل با این روشها وجود دارد.
در (جدول ۲.۲) پیشینه مختصری از رویکرد حل مسائل کنترل موجودی در مسئله SWMR ارائه شده است. همانگونه که مشاهده می شود، رویکرد کلی در سالهای اخیر به استفاده از الگوریتمهای فراابتکاری است.
جدول ۲.۲ خلاصهای از رویکرد حل مسائل کنترل موجودی در مسئله SWMR.
نویسنده(گان)
سال ارائه
رویکرد حل
استار و میلر [۲]
۱۹۶۲
رهاسازی لاگرانژی برای حل مدل دو هدفه و چند محصولی
براون [۲]
۱۹۶۷
رهاسازی لاگرانژی و توسعه مفهوم منحنی تبادل[۶۷]برای مسئله چندمحصولی
بوکبایندر و چن [۳۰]
۱۹۹۲
ارائه رویه چندمعیاره با گسترش کارهای آقایان براون، استار و میلر و ادعای دستیابی به جوابهای نامغلوب
پورتو و همکاران [۳۱]
۲۰۰۲
با ارائه رویهای برای تولید مجموعه جواب پارتو، نشان دادند که کار آقایان بوکبایندر و چن مجموعه پارتو را به درستی به دست نمیدهد.
