مدل شبکه زنجیره تامین موجودی با استفاده از دو الگوریتم ابتکاری برای محصولات فاسد شدنی با محدودیت‌های فازی

شبکه زنجیره تامین برای توسعه صنایع بسیار مهم است.این مقاله یک مساله موجودی مکانی را به یک شبکه زنجیره تامین یکپارچه کرده و یک مدل بهینه‌سازی را برای محصولات فاسد شدنی با ظرفیت گنگ و محدودیت‌های انتشار کربن ایجاد می‌کند.این مدل یک مدل برنامه‌ریزی غیرخطی عدد صحیح مختلط تدوین می‌کند.برای حل این مدل، الگوریتم ژنتیک ترکیبی (HGA)و جستجوی هارمونی ترکیبی (HHS) برای به حداقل رساندن هزینه‌های کلی مورد استفاده قرار می‌گیرند.موارد زیر با استفاده از این دو الگوریتم و Lindo (حل‌کننده بهینه‌سازی)محاسبه می‌شوند.اثرات برخی از عوامل مانند تعداد تسهیلات، نرخ دست‌نخورده و تقاضا برای کل هزینه‌ها مورد بررسی قرار می‌گیرد.نتایج آزمایش‌های عددی نشان می‌دهد که الگوریتم های پیشنهادی می‌توانند به طور موثری با مشکلاتی در شرایط مختلف به توافق برسند و این دو الگوریتم دارای مزایای خاص خود هستند.به ویژه، کیفیت راه‌حل HHS بیشتر از راه‌حل HGA است، در حالی که HGA سریع‌تر از HHS است.

Supply chain network is very important to the development of industries. This paper integrates a location-inventory problem into a supply chain network and develops an optimization model for perishable products with fuzzy capacity and carbon emissions constraints. This model is formulated a mixed integer nonlinear programming model. In order to solve this model, hybrid genetic algorithm (HGA) and hybrid harmony search (HHS) are put forward to minimize the total costs. Instances under different situations are calculated using these two algorithms and Lindo (optimization solver). The impacts of some factors such as the number of facilities, intact rates, and demand on the total costs are investigated. The results of numerical experiments demonstrate that the proposed algorithms can effectively deal with problems under different conditions and these two algorithms have their own advantages. Specially, the quality of HHS’s solution is higher than that of HGA’s solution, whereas HGA is fas