یک روش الگوریتم ژنتیک برای مساله مکان‌یابی – موجودی – مسیریابی با استفاده از محصولات فاسد شدنی

در این مقاله، ما به یک مدل مکان – موجودی – مسیریابی برای محصولات فاسد شدنی می‌پردازیم. این مدل تعداد و مکان انبارهای مورد نیاز، سطح موجودی هر خرده‌فروش و مسیرهای پیموده‌شده توسط هر وسیله نقلیه را تعیین می‌کند. مدل پیشنهادی تصمیمات موقعیت یابی را به مساله مسیریابی موجودی که اخیرا منتشر شده‌است می‌افزاید تا آن را عملی‌تر کند، بنابراین از این ادعای رایج حمایت می‌کند که در نتیجه تلفیق تصمیمات استراتژیک، تاکتیکی و سطح عملیاتی نتایج بهتری را برای زنجیره‌های تامین ایجاد می‌کنند. با توجه به اینکه مدل ارائه‌شده در اینجا NP – hard است و هیچ الگوریتمی قادر به پیدا کردن راه‌حل خود در زمان بیان مسائل چند جمله‌ای نیست، ما یک رویکرد الگوریتم ژنتیک را برای حل موثر مساله توسعه می‌دهیم. این روش به راه‌حل‌های با کیفیت بالا نزدیک به بهینه در زمان معقول دست می‌یابد. علاوه بر این، ساختار منحصر به فرد این مساله نیازمند توسعه نمایش کروموزومی جدید و نیز شیوه‌های جستجوی محلی است. در نهایت، یک تحلیل برای بررسی کارایی الگوریتم انجام می‌شود.

In this paper, we address a location-inventory-routing model for perishable products. The model determines the number and location of required warehouses, the inventory level at each retailer, and the routes traveled by each vehicle. The proposed model adds location decisions to a recently published inventory routing problem in order to make it more practical, thus supporting the prevalent claim that integration of strategic, tactical and operational level decisions produces better results for supply chains. Given that the model developed here is NP-hard, with no algorithm capable of finding its solution in polynomial time, we develop a Genetic Algorithm approach to solve the problem efficiently. This approach achieves high quality near-optimal solutions in reasonable time. Furthermore, the unique structure of the problem requires developing a new chromosome representation, as well as local search heuristics. Finally, an analysis is carried out to verify the effectiveness of the algor