یک الگوریتم ژنتیک برای مساله زمانبندی یکپارچه تولید و توزیع با در نظر گرفتن مسیریابی در زنجیره تامین

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد دانشکده مهندسی صنایع و سیستم ها/دانشگاه صنعتی اصفهان

2 عضو هیات علمی دانشکده مهندسی صنایع و سیستم ها/ دانشگاه صنعتی اصفهان

چکیده

در این مقاله یک مساله یکپارچه‌سازی تولید و توزیع با هدف حداقل‌سازی مجموع وزنی تعداد کارهای تاخیری و هزینه‌های حمل ونقل با درنظر گرفتن مسیریابی در زنجیره تامین، مورد بررسی قرار گرفته‌است. در این مساله k مشتری و یک تسهیل تولیدی وجود داردکه در آن کارها پس از پردازش در سیستم تولیدی، به صورت مسیریابی و در قالب دسته هایی برای مشتریان ارسال می‌شود. ارسال دسته‌ای معمولاً منجر به کاهش هزینه‌های ارسال می‌گردد؛ اما، ممکن است تعداد کارهای تاخیری را افزایش دهد. پیچیدگی مساله مورد بررسی،NP-Hard قوی است. در این مقاله یک مدل برنامه‌ریزی مختلط و یک الگوریتم ژنتیک با عملگر تقاطع ابتکاری برای حل مساله مذکور ارایه شده‌است. در پایان،نتیجه آزمایشات محاسباتی با طرح کامل با استفاده از تکنیک تحلیل واریانس ارایه شده‌است.نتایج آزمایشات محاسباتیکارایی الگوریتمفراابتکاری را نشان می دهد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

A Genetic Algorithm for an Integrated Production and Distribution Scheduling Problem with VRP

نویسندگان [English]

  • Mahdi Khodabandeh 1
  • Seyed Reza Hejazi 2
  • Morteza Rasti-Barzoki 2
1 Isfahan University of Technology
2 Isfahan University of Technology
چکیده [English]

In this paper, an integrated production and distribution problem with goal of minimizing total weighted number of tardy jobs and transportation costs is considered. There is k customer and a production facility in which jobs are processed and delivered to customers in batches with routing. Delivering the products in batches reduces the delivery cost but it may increase the number of tardy jobs. The mentioned problem which complexity's is strongly NP-Hard is considered for the first time. In this paper, a mixed integer programing model and a genetic algorithm with a heuristic crossover is developed to solve problem. Full factorial computational test and analysis of variance is performed for evaluation of these two methods. The obtained results show that the genetic algorithm is efficient for the problem.

کلیدواژه‌ها [English]

  • supply chain scheduling
  • tardy job
  • Genetic Algorithm