-ارائه مدل جدید مسئله مسیریابی موجودی سبز با ناوگان ناهمگن و حل آن به وسیله الگوریتم تکاملی کوانتوم پیشنهادی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 کارشناس ارشد، گروه مهندسی صنایع، دانشگاه صنعتی اصفهان، اصفهان، ایران.

2 استادیار رشته مهندسی صنایع دانشگاه صنعتی اصفهان، اصفهان، ایران.

چکیده

مسئله مسیریابی موجودی یکی از مهمترین مسائل مطرح در حوزه لجستیک است. در این مسئله تصمیمات مربوط به توزیع و مدیریت موجودی با هم اتخاذ می‌شود. معمولاً امکان استفاده از چندین نوع وسیله با ویژگی‌های متفاوت وجود دارد و امکان بررسی و انتخاب بهترین ترکیب ناوگان، به منظور کاهش هزینه‌های موجودی و مسیریابی برای تصمیم‌گیرنده وجود دارد. از سوی دیگر توجه به میزان آلودگی تولید شده‌ در این مسئله‌ ‌می‌تواند باعث کاهش میزان آلودگی تولید شده ‌شود. در این مقاله یک مدل جدید مسئله مسیریابی موجودی سبز با ناوگان ناهمگن ارائه می‌‌شود. در مدل ارائه شده کمینه کردن میزان مصرف سوخت، هزینه‌های ترکیب ناوگان حمل، هزینه مسیریابی و موجودی مدنظر است. با توجه به NP-hard بودن مسئله مطرح شده، یک الگوریتم ‌فراابتکاری مبتنی بر الگوریتم ‌فراابتکاری کوانتوم برای حل مسئله مطرح شده ارائه ‌می‌‌شود. به منظور بررسی الگوریتم پیشنهادی، نتایج حاصل‌ با نتایج حاصل از حل دقیق مسئله و الگوریتم پایه مورد مقایسه قرار ‌می‌گیرند. نتایج نشاندهنده عملکرد مناسب الگوریتم پیشنهادی است.

کلیدواژه‌ها

عنوان مقاله [English]

A new model of Fleet Size and Mix Green Inventory Routing Problem, Solution: Multi-Objective Quantum Evolutionary Algorithm

نویسندگان [English]

  • Mohsen Zamani 1
  • Mahdi Alinaghian 2
1 MSc., Department of Industrial and Systems Engineering, Isfahan University of Technology, Isfahan, Iran.
2 Assistant Prof., Department of Industrial and Systems Engineering, Isfahan University of Technology, Isfahan, Iran.
چکیده [English]

In Inventory Routing Problem (IRP), which is one of the most important logistics problems, decisions regarding the distribution and inventory management must be made by an integrated managerial approach. In this type of problems, decision maker usually has the option to use several types of vehicles to form a fleet with appropriate size and composition in order to minimize both inventory and transportation costs. Considering the amount of pollution produced, in this problem, may reduce pollution . This paper proposes a new model for green inventory routing problem with heterogeneous fleet. The objectives of the proposed model are to minimize the emissions, the fleet, routing and inventory costs. Due to the NP-hard nature of the assessed problem, a meta-heuristic algorithm based on Quantum Evolutionary Algorithm (QEA) is proposed. To evaluate the performance of the proposed algorithm, its results are compared with the results of exact method and basic Algorithm. The results of these comparisons indicate the good performance of the proposed algorithm.

کلیدواژه‌ها [English]

  • comprehensive modal emission model (CMEM)
  • fuel consumption
  • inventory routing problem with heterogeneous fleet
  • Quantum evolutionary algorithm

مراجع

Adulyasak, Y., Cordeau, J.-F., & Jans, R. (2013). Formulations and branch-and-cut algorithms for multivehicle production and inventory routing problems. INFORMS Journal on Computing, 26(1), 103-120.
Ahmadi Javid, A., & Azad, N. (2010). Incorporating location, routing and inventory decisions in supply chain network design. Transportation Research Part E: Logistics and Transportation Review, 46(5), 582-597.
Bell, W. J., Dalberto, L. M., Fisher, M. L., Greenfield, A. J., Jaikumar, R., Kedia, P., . . . Prutzman, P. J. (1983). Improving the distribution of industrial gases with an on-line computerized routing and scheduling optimizer. Interfaces, 13(6), 4-23.
C Montgomery, D. (1997). Montgomery Design and Analysis of Experiments.
Demir, E. (2012). Models and algorithms for the pollution-routing problem and its variations. University of Southampton. 
Golden, B., Assad, A., Levy, L., & Gheysens, F. (1984). The fleet size and mix vehicle routing problem. Computers & Operations Research, 11(1), 49-66.
Halim, H., & Moin, N. (2014). Solving inventory routing problem with backordering using Artificial Bee Colony. Paper presented at the Industrial Engineering and Engineering Management (IEEM), 2014 IEEE International Conference on.
Han, K.-H., & Kim, J.-H. (2002). Quantum-inspired evolutionary algorithm for a class of combinatorial optimization. Evolutionary Computation, IEEE Transactions on, 6(6), 580-593.
Han, K.-H., & Kim, J.-H. (2004). Quantum-inspired evolutionary algorithms with a new termination criterion, H ε gate, and two-phase scheme. Evolutionary Computation, IEEE Transactions on, 8(2), 156-169.
Kaye, P., Laflamme, R., & Mosca, M. (2007). An introduction to quantum computing.
Koç, Ç., Bektaş, T., Jabali, O., & Laporte, G. (2014). The fleet size and mix pollution-routing problem. Transportation Research Part B: Methodological, 70, 239-254.
Kopfer, H., & Kopfer, H. (2013). Emissions Minimization Vehicle Routing Problem in Dependence of Different Vehicle Classes. In H.-J. Kreowski, B. Scholz-Reiter, & K.-D. Thoben (Eds.), Dynamics in Logistics (pp. 49-58): Springer Berlin Heidelberg.
Kwon, Y.-J., Choi, Y.-J., & Lee, D.-H. (2013). Heterogeneous fixed fleet vehicle routing considering carbon emission. Transportation Research Part D: Transport and Environment, 23, 81-89. doi: http://dx.doi.org/1016/10/j.trd.04/2013.001
Lee, H. L., & Seungjin, W. (2008). The whose, where and how of inventory control design. Supply Chain Management Review, 12(8), 22-29.
Lerhlaly, S., Lebbar, M., Allaoui, H., Ouazar, D., & Afifi, S. (2016). An Integrated Inventory Location Routing Problem Considering CO2 Emissions.
Lin, C., Choy, K. L., Ho, G. T., Chung, S., & Lam, H. (2014). Survey of green vehicle routing problem: Past and future trends. Expert Systems with Applications, 41(4), 1118-1138.
Mirzapour Al-e-hashem, S., & Rekik, Y. (2013). Multi-product multi-period Inventory Routing Problem with a transshipment option: A green approach. International Journal of Production Economics.
Niakan, F., & Rahimi, M. (2015). A multi-objective healthcare inventory routing problem; a fuzzy possibilistic approach. Transportation Research Part E: Logistics and Transportation Review, 80, 74-94.
Platel, M. D., Schliebs, S., & Kasabov, N. (2007). A versatile quantum-inspired evolutionary algorithm. Paper presented at the Evolutionary Computation, 2007. CEC 2007. IEEE Congress on.
Sbihi, A., & Eglese, R. (2007). Combinatorial optimization and Green Logistics. 4OR, 5(2), 99-116. doi: 1007/10/s10288-007-0047-3
Shao, S., & Huang, G. Q. (2014). A SHIP Inventory Routing Problem with Heterogeneous Vehicles under Order-Up-To Level Policies. Paper presented at the IIE Annual Conference. Proceedings.
Soysal, M., Bloemhof-Ruwaard, J. M., Haijema, R., & van der Vorst, J. G. (2015). Modeling an Inventory Routing Problem for perishable products with environmental considerations and demand uncertainty. International Journal of Production Economics, 164, 118-133.
Soysal, M., Bloemhof-Ruwaard, J. M., Haijema, R., & van der Vorst, J. G. (2016). Modeling a green inventory routing problem for perishable products with horizontal collaboration. Computers & Operations Research.
ارسال نظر در مورد این مقاله
CAPTCHA Image

فایل ها

هم رسانی

ارجاع به این مقاله

آمار