توسعه مدل ریاضی چندهدفه برای مسأله مسیریابی وسایل نقلیه ناهمگن تحت شرایط بحران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش آموخته کارشناسی ارشد، دانشکده مهندسی صنایع، دانشگاه آزاد اسلامی، واحد تهران جنوب، تهران، ایران

2 استاد، دانشکده مهندسی صنایع، پردیس دانشکده های فنی، دانشگاه تهران، تهران، ایران

3 استادیار، دانشکده مهندسی صنایع، دانشگاه آزاد اسلامی، واحد تهران جنوب، تهران، ایران

چکیده

مسأله مسیریابی بهینه برای انتقال مجروحین و کمک­رسانی امداد از مسائل مهم و اساسی به هنگام وقوع بحران می­باشد در هنگام وقوع بحران اهمیت دو فاکتور زمان و هزینه برای کمک­رسانی امداد و نجات مجروحین دو چندان می­شود. در  این مقاله هدف یافتن مسیر بهینه­ برای رسیدن از یک مرکز امداد و نجات تا یک مرکز بحران است. مدل ریاضی ارائه شده کمینه­کردن زمان و هزینه را برای دسترسی به مراکز بحران هدف قرار داده است و همچنین مفروضاتی همچون چندانباره­ بودن، چندمسیره­­ بودن، چندسناریو ­بودن، تحویل انشعابی، چندمحصولی، ناهمگنبودن وسایل­نقلیه و پنجره ­زمانی را به صورت همزمان در نظرگرفته است. با توجه به اینکه در مواقع بحرانی مقادیر برخی از پارامترها از قبیل تقاضا و زمان سفر قطعی نیستند، در این مقاله با در نظرگرفتن مفروضات بیان شده و غیرقطعی در نظرگرفتن پارامترهای تقاضا و زمان سفر مسأله مربوطه به مسأله واقعی نزدیکتر شده است. در صورتیکه بیشتر مسائلی که در این زمینه مطرح شده­است مفروضات بیان شده را به صورت همزمان مورد بررسی قرار نداده­اند و پارامترهای ذکرشده (زمان و تقاضا) نیز به صورت قطعی در نظرگرفته شده است. در نهایت برای یافتن جواب­های دقیق باتوجه به چندهدفه بودن مدل و فازی بودن پارامترهای تقاضا و زمان سفر از روش محدودیت اپسیلون در ابعاد کوچک بهره گرفته شده و در ادامه با توجه به NP-Hard بودن مسأله برای حل آن در ابعاد بزرگ از الگوریتم­های فراابتکاری  NSGA-IIو MOHS استفاده شده که بر روی 15 مسأله در اندازه­های مختلف حل شده که نتایج بدست آمده از حل مسائل عددی نشان می­دهد هر دو الگوریتم توانایی بالایی در تولید جواب­های مناسب در زمان مناسب را دارند به طوری که برای حل بزرگترین و پیچیده­ترین مسأله زمانی کمتر از 480 ثانیه صرف شده است که با توجه به NP-Hard بودن، غیرقطعی­ بودن و چند­هدفه ­بودن مدل بسیار مناسب است. 

کلیدواژه‌ها

موضوعات


-­ Berkoune, D., Renaud, J., Rekik, M., Ruiz, A., (2012) "Transportation in disaster response operations", Socio-Economic Planning Sciences, Vol. 46, PP. 23-32.
- Bozorgi, A., Jabalameli, M.S., (2011)" A multi objective robust stochastic programming model for disaster relief logistics under uncertainty", Production Economics VoL.35, pp. 905-933.
- Chen, HK., Chou, HW., Hsueh, C.F., (2008) "Dynamic vehicle routing for relief logistics in natural disasters", Source: Vehicle Routing Problem, Book edited by: Tonci Caric and Hrvoje Gold, pp. 142.
 
- Dantzig, G.B., Ramser, J.H., (1959) "the truck dispatching problem", management science, Vol.6, No.1, pp.80-91.
- Deb, K., pratap, A., Agrwal, s., Meyarivan, T., (2002) "A fast and elitist multi objective genetic algorithm: NSGA-II", IEEE Transaction on Evolutionary Computation, Vol.6, NO.2, pp. 182-197.
- Geem, Z.W., Kim J.H, Loganathan G.V., (2001) "A new heuristic optimization algorithm: harmony search", Simulations, vol. 76, pp. 60–68.
- Haimes, Y.Y., Lasdon, L.S., Wismer, D.A., (1971) "On a bicriterion formulation of the problems of integrated system identification and system optimization", IEEE Transactions on system, vol. 1, pp. 296–297.
- Hamedi, M., Haghani, A., (2012) "Reliable transportation of humanitarian supplies in disaster response", Social and Behavioral Sciences, vol. 54, pp.1205–1219.
- Jiménez, M., Arenas, M., Bilbao, A., Rodríguez, V., (2007) "Linear programming with fuzzy parameters - An interactive method resolution", European Journal of Operational Research, vol. 177, PP.1599-1609.
- Michael, H., Karen, R., SmilowitzaB., (2013) "A continuous approximation approach for assessment routing in disaster relief", Transportation Research Part B: Methodological, Vol. 50, pp. 20-41.
- Najafi, M., Eshghi, K.(2013) "A multi-objective robust optimization model for logistics planning in the earthquake response phase", Transportation Research Part E: Logistics and Transportation Review, Vol. 49, pp. 217–249.
- Nasiri, M., Shishehgar, S., (2014) "Disaster Routing by considering heterogeneous vehicles and reliability of routes using an MADM approach", Uncertain Supply Chain Management, Vol. 2, pp. 137-150.
- Talarico, L., Haijun, W., Sorensen, K., (2014) "Ambulance routing for disaster response with patient groups", Computers and Operations Research, Vol. 56, pp. 120-133.
- Talebian Sharif, M., Salari, M., (2015) "A GRASP algorithm for a humanitarian relief transportation problem", Engineering Applications of Artificial Intelligence, vol. 41, pp. 259–269.
-  Zheng, Yn-Jun., Chen, Sheng-Yong., Ling, Hai-Feng., (2015)" Evolutionary optimization for disaster relief operations: A survey", Soft Computing, vol. 27, pp. 553-566.