skip to Main Content

مدل ریاضی فازی چند هدفه برای یک زنجیره تامین حلقه بسته‌ی محدود مالی با اشتغال نیروی کار

عنوان انگلیسی: Multiobjective fuzzy mathematical model for a financially constrained closed‐loop supply chain with labor employment
سال نشر: ۲۰۱۹
نویسنده: Alireza Goli,Hasan Khademi Zare,Reza Tavakkoli‐Moghaddam,Ahmad Sadegheih
تعداد صفحه فارسی: ۳۷ – تعداد صفحه انگلیسی: ۳۱
دانشگاه: Department of Industrial EngineeringYazd University Yazd Iran,Department of Industrial EngineeringYazd University Yazd Iran,School of Industrial Engineering, College of EngineeringUniversity of Tehran Tehran Iran,Department of Industrial EngineeringYazd University Yazd Iran
نشریه: Process Safety and Environmental Protection
کیفیت ترجمه: ترجمه پلاس

چکیده

این مقاله به طراحی شبکه زنجیره تامین چند هدفه، چند محصولی و چند دوره‌ای بسته با پارامترهای نامشخص می‌پردازد، که هدف آن ترکیب جریان مالی به عنوان محدودیت‌های جریان نقدی و بدهی و اشتغال نیروی کار تحت عدم قطعیت فازی است. اهداف مدل ریاضی پیشنهادی به حداکثر رساندن افزایش جریان نقدی، به حداکثر رساندن کل مشاغل ایجاد شده در زنجیره تامین، و به حداکثر رساندن قابلیت اطمینان مواد خام مصرفی است. برای مواجهه با عدم قطعیت فازی در این مدل، از یک رویکرد برنامه‌نویسی احتمالی استفاده می‌شود. برای حل مسائل بزرگ، الگوریتم تبرید شبیه‌سازی شده چند هدفه، بهینه‌سازی گرگ خاکستری چند هدفه، و بهینه‌سازی علف هرز تهاجمی چند هدفه پیشنهاد و توسعه داده می‌شوند. نتایج عددی نشان می‌دهد که این الگوریتم ها مسائل را در حدود ۱ % زمان حل مورد نیاز برای محدودیت تعمیم‌یافته حل می‌کنند و عملکرد مشابه و حتی بهتر در برخی موارد دارند. الگوریتم تبرید شبیه‌سازی شده چند هدفه با عملکرد ضعیف زمان کمتری نسبت به دو الگوریتم دیگر نیاز دارد. بهینه‌سازی گرگ خاکستری چند هدفه و الگوریتم های بهینه‌سازی علف هرز تهاجمی چند هدفه براساس شاخص‌های ع

Abstract

Abstract

This paper addresses the multiobjective, multiproducts and multiperiod closed‐loop supply chain network design with uncertain parameters, whose aim is to incorporate the financial flow as the cash flow and debts’ constraints and labor employment under fuzzy uncertainty. The objectives of the proposed mathematical model are to maximize the increase in cash flow, maximize the total created jobs in the supply chain, and maximize the reliability of consumed raw materials. To encounter the fuzzy uncertainty in this model, a possibilistic programming approach is used. To solve large‐sized problems, the multiobjective simulated annealing algorithm, multiobjective gray wolf optimization, and multiobjective invasive weed optimization are proposed and developed. The numerical results demonstrate that these algorithms solve the problems within about 1% of the required solving time for the augmented ε‐constraint and have similar performance and even better in some cases. The multiobjec

امتیاز شما:
(No Ratings Yet)
Back To Top