صفحه 1:
رردل مد انار در دار
Ce تع با دادد ناو
Ee:
Ree ne read ret pe)
Foe ee heal Eee RTD
صفحه 2:
مفاهیم عدم قطعیت و لزوم به کار گیری روش استوار >
مساله جایابی و تخصیص نقاط لجستیکی eS
جند رويكرد استوار در حل مساله جات
معرفى مساله. متغير ها و بارامتر ها ج
فرمولاسيون مدل -
صفحه 3:
مدل سازی با نرمافزار 6005
جواب های مدل
OE
صفحه 4:
yo این تحقیق, مساله جایابی و تخصیص نقاط لجستیکی در حالت گسسته در
شرایطی که داده ها در شرایط عدم قطعیت هستند مورد بررسی قرار می گیرد.
-بدین منظور از رویکرد بهینه سازی استوار(0011۳012310۳ (Robust
استفاده شده است. زیرمجموعه های زیادی از اين رویکرد می تواند مورد استفاده قرار
گیرد: در اين مقاله رویکرد ۲6۵۲6 مورد بررسی قرار گرفته است.
صفحه 5:
-براى حل مدل قطعی ارلئه شده و مدل استوار برای حللت غیر قطعی در سایز مساله
کوچک از نرم افزار 3/015) استفاده شده است و نتایج در انتها آورده شده است.
- در ادامه و در مسائلی با سايز بزرگ می توان از الگوریتم های فراابتکاری مانند ژنتیک
الگوریتم ذر حل این مساله استفاده نمود:
صفحه 6:
TITS - ل
اهمیت موضوع از آنجا روشن ترمی شود که:
۱- اکثر اطلاعات مورد استفاده در بهینه سازی: در واقعیت بیشتر از نوع غیر قطعی
هستند که موارد زیر از دلایل این موضوع است:
اندازه گیری. تخمین خطاهای ناشی از عدم توانایی اندازه گیری دقیق شرایط
محیطی,فرآیند های تکنولوژیکی, خطاهای پیاده سازی که از عدم توانایی پیاده سازی
جواب دقیق ناشی می شود.
۷- در واقمیتف هم سیزان اننکین اتسراف: از faith وافمین سمگلی انستپاعتق: قود: وان عا
را از حالت بهیته حارج کند. و شید عتی apd ba gi
با توجه به ۲ مورد مطرح شده در بالا از لزوم كاربرد روش Robust Optimization
روشن تر می شود.
صفحه 7:
۱۳ SS Neen no oa)
- موضوع و ایده اصلی در تمام این مسائل بهینه سازی با داده های غیر قطعی است.
- موضوع بهینه سازی ls Sas 1 Stochastic Optimization) Le
قبل و از زمان 23021۳19] مطرح بوده است پلی موضوع مطرح شده در بهینه سازی
استوار با بهینه سازی تصادفی متفاوت است.
- موارد اصلی بررسی شده در بحث به دو دسته کلی زیر تقسیم می شوند:
۱-داده غیر قطعی چیست و چگونه می توان آن را دسته بندی نمود.
۲-چگونه می توانیم روش های مرسوم بهینه سازی مرسوم را برای داده های غیرقطعی
نيز به كار ببريم.
صفحه 8:
oe عنام 'قطعيت و لزوم به كار كيرى روش
- در بهينه سازى تصادفى(61501236100م0 ع56003561) داده هاء مقاديرى غير قطعى
فرض می شهند که به صورت تصادفى حضور دارند و در ساده ترين حللت اين اطلاعات
تصادفی از توزیع پیشرفته آماری خاصی پیروی می کنند. در بسیاری از موارد توزیع
شناخته شده نیست:در این بحث احتمال اينکه محدودیتی برقرار باشد مطرح است.
- این گونه مسائل تا حدودی as نظر می رسد که نسبت به 00۱۳2۵010۴ و800
محدودتر باشد. در کل, اگر داده های غیر قطعی از طبیعت تصادفی برخوردار بودند و
توانستیم توزیع احتمال مربوط به داده ها را کشف کنیم و حاضر به ford هزینه خطای
احتمللی در محدودیت ها شدیم لین روش کاربرد خواهد داشت. با توجه به شروط مطرح
شده می توان دریافت که فضای حل ما محدود می شود. هر دو موضوع Robust
Stochastic Optimization Optimization 5%[ 0% هستند و معایب و
مزاياى مربوط به خود )1 Robust Optimization ly silo حللت کلی تری از مسائل
بهینه سازی را دربر می گیرد.
صفحه 9:
۴۳ مستله جایابی-تخصیص تسهیلات توسط 0۳۳۳۳() مطالعه شد وسپس ۷۳۷۷۳۶ آن رادر
طراحی شبکه به عنوان ابزاری قدرتمند یکار برد.
۷ مشاهدات نشان دادند که عوامل اولیه. انتخاب مکانبه ترتیب آهمیتشان,موجود بودن نیروی
انسانی:مکان و نزدیکی به بازار بودند.
در دهه ۱۹۷۰:تملیل به سمت فعالیتهای آگاهلنه کسب و کار که افزلیش اهمیت ملاحظات غیراقتصادی
در تعيين موقعيت را به همراه داشت .صورت گرفت.
۲ ملاحظات اولیه ای از قبیل ملاحظات محیطی .کیفیت نیروی انسانی وغیره گزارش داده شد.
اعمج ).نداد که قولنیردولتیشام لک نترل | لودكى فرصتهاىي كسازو فعا ليتهاىم ثب توحفظ
منابعو زيما كرليومىة ولند در لنتخابمكان: قش دلشته بساشد
147 :كمس كسيف 8 الى (1) مسئله جايابى-تخصيص ظرفيت داده شده را ييشنهاد كردند.كه به
عنوان يكى از تحقيقات بسيار مهم در اين زمينه به شمار می آیند.
صفحه 10:
مروری بر ادبیات موضوع
- ضمنا .تحقیقات قلبل ملاحظه ای در زمینه تشوری مسئله جایابی-: انجام شد.این قضیه دال بر
لین است که لین مسئله یک مسئله ۱۳۷ 26۳) است. بنابرلین رویکردهای حل بسیاری برلی مدلهای
متفاوت در دهه های اخیر پيشنهاد شده است.
بلحس !ل مسئله جایابیتخصیصرا در حضور ت-قاضایحتما لب ولیماکزیمم کردنسود
ab yd ls
مدلهای احتمالی برای توصیف بسیاری از موقعیتها کافی نبودند.در جاهایی که توزیعهای احتمالی
تقاضاهای مشتریان نامعلوم یا نسبتا معلوم بودند.
- برای مثال:برای ساختن تعدادی شرکت آبرسانی در مناطق جدید برای سرویس دهی به مشتریان جدید
که تقاضاهایشان نه به طور دقیق مشخص است ونه سوابق گذشته ای در دست است.اما می توان این
تقاضاها را توسط کلملتی از قبیل زیاد.کم و یا عادی بیان کرد.در اینگونه موارد تئوری مجموعه فازی
بهتر می تواند برای اینچنین اطلاعات مبهمی بکار رود.
0 :تنورعمجموعه فاذىرا مطرح کرد وه طور وسیعیدر مسائلسکار گرفته میشود.
2006 :مسئله جایابی-خصیصظرفینداده شده با ت-قاضاهایف ازیمشتریانا مدلسازی
کردند
صفحه 11:
۳
-موضوع 9601 از مسائل اساسی و مهم در سیستم های توزیع کالا محسوب می شود و
در لین راستا مسئله توزیع کالابه واسطه نقاط لجستیکی که در آنها کالا بعد از رسیدن
نبهالین نقاط از نقاطا نامین»بذ نقاط اتقاضا فرسفادهسی شیند از اهمی خاصی بزخوردار
استه بررنسی نمی شوختغییر ان تقاط پس از التخانب: تهایی مستلز:هزیته گرافی استت.
- جهت انتخاب این نقاط باید عوامل زیر را از قبیل: سیستم توزیع. ظرفیت های ارسال و
دریافت هزینه های ارسال. هزینه های ثابت احداث نقطه لجستیکی و .. را در نظر
داشت.بسیاری از این پارامترها که بر سیستم تاثیر گذار است به صورت غیر قطعی در
مساله ظاهر می شوند. اگر لین پارامتر ها رابه قطعی در نظر بگیریم ممکن است جواب
های غیر معقول بدست آید و باعث هدر دادن منابع سیستم شود.
صفحه 12:
یس نقاط لجستیکی
pli asa cg! استوارع دوراستاق توصيف هدم حساسيت یسم به dale
شده است. قابل ذکر است که این نوسانات اجتناب ناپذیر است.
“در راستاى نيل به لين هدف بارامتر هاى مدل به صورت سناريو هاى كسسته مختلة
ارلئه مى شود و هدف از مدل استوار بهينه سازى. بدست آوردن جواب +
توجه بهاتمامی این ستازيورها انیت وبدست آوردن جوالى اببت کهریز تمام شرايظ بهیبه
استوار است.
- پارامتر های مدل و فرمولاسیون مدل جایلبی و تخصیص در حللت گسسته در قسمت
مثال عددی آورده شده است.
صفحه 13:
أرويكرد استوار در حل مساله
صفحه 14:
-در این رویکرد میزان ۷۵۱016 60۲6۲ هر سناریو توسط اختلاف میان تابع هدف
هر جواب شدنی در هر سناریو با میزان تابع هدف بهینه کلی مشخص می شود. اين
مقدار می تواند توسط مقدار عددی يا درصد نسبی مشخص شود.
L(x) — 2"
و 2۵-(.2)
5 7
-مقدار 00 يك ثابت است كه توسط سازنده مدل تعيين مى شود.
Z*) = 4 8
Absolutely regret |, (Z,(x)—2*,) و ,| elatively regret
می نامیم. برای تمام سناریو ها این محدودیت را هو در معادلات محاسبه می شود.
7.۵( ۷
[ر*2 (2:00>)1+0] 5.۲
صفحه 15:
- از انحراف استاندارد و واریانس می توان در بررسی استوار و کنترل توزیع مقدار تابع
هدف استفاده می شود. هدف کمینه سازی هزینه میانگین کل و کاهش تفاوت هر دو
قاع حدق تحت ستاريور هاف متفاوت المت
Gad gull کلی به صورت. زیر است:
“ل ' 4,2 8 - Min Yq.Z.(x) +E q.Z(x)
صفحه 16:
رویکرد بعدی که مطرح می شود Sb af cul Minimax regret آن انتخاب
نقطه ای است که تلبع ضرر ناشی از انتخاب نقاط خطا حداقل شود. دلیل آن هم این
است که تقاضا و سایر عوامل قطعی نیستند و همواره درصدی خطا وجود دارد. با این
رویکرد بیشترین خطا را حداقل خواهیم کرد.
برای لین منظور مجموعه ای از تقاضا ها را تحت سناریو های مختلف و در بازه های
مختلف در نظر می گیریم و بر اساس حداقل حداکثر هزینه حمل و نقل محاسبات را پی
می گیریم.
صفحه 17:
- مساله مورد بررسی به صورت زیر فرض می شود که در آن ۵ نقطه تامین برای ارسال
Pad ge pend LY aS CN eee gad ga Jt ee,
رسیدن به نقاط تقاضا باید از این نقاط لجستیکی بگذرند.
تسداه مطلوب ان تقاط ۲ سر نظر گزفتدمی شوه که آزمیان ۴ قطه موجوه wt what
شود. تعداد نقاط مقصد یا تقاضا ۶ در نظر بگیرید. لین مساله تحت ۲ سناریو مطرح می
شود.
صفحه 18:
مجموعه سناریو های مختلف
احتمال رخداد هر سناریو
مجموعه تقاط تامین کننده
مجموعه نقاط لجستیکی
مجموعه نقاط تقاضا
مجموعه کالاها
میزان کالای نوع ۴ فرستاده شده از نقطه تامین ام به نقطه لجستیکی [ ام
میزان کالای نوع ۴ فرستاده شده از نقطه لجستیکی [ام به نقطه تقاضا 16 ام
نقطه لجستیکی [
صفحه 19:
2 تلم هدف کل به ازاء تمام ستاریو ها
2 تابع هدف بهینه هر سناریو
wi هزینه ثابت تاسیس و برقراری نقطه لجستیکی [
,4 میزان تقاضای نقطه تقاضای ام از محصول ۶ ام که باید برآورده شود
dy ظرفيت ارسال كره تامين ام از کالای ام
8 واحد فضای عملیاتی هر نقطه لجستیکی ام از محصول ۴ ام
n تعداد نقاط لجستیکی مورد نظر
با ظرفیت فضای عملیاتی هر نقطه لجستیکی [ام
6 . هزینه جابه جایی کالای ام از نقطه تامين ام به نقطه لجستيكى ژام
2026 هزينه جا به جايى كالاى ام از نقطه لجستيكى [ام به نقطه تقاضای 6 ام
صفحه 20:
,222 :۲
ولا + زر -لاعو2
اس مر ولا
a1 Vike 2 At
Git > ۶زا را
Dies Xn) = ریا
له
Gs) — 2") <o
Ls
we {0,1}
ف ۷ زا
3
سالط + رسن و(
صفحه 21:
توضیح معادلات:
معادله ۱: مشخص کننده تابع هدف لست که میانگین هزینه کلی در تمام سناریو ها است
معادله ۲: تابع هدف متناظر با هر سناریو 5 معین می کند.
معادله ۴؛ تعادل در رسیدن و خارج شدن کالا در نقطه لجستیکی [
معادله ۴:معین می کند که تقاضا کالاها در نقطه تقاضا K ام برآورد شود
معادله ۵: تضمین می کمد که میزان ارسال کالا از هر نقطه ارسال, از یک میزان خاص تجاوز نکند.
معادله ۶: محدودیت فضا و ظرفیت در هر نقطه لجستیکی ژام برای ذخیره و ارسال کالا به نقاط تقاضا
معادله ۷: تعداد نقاط لجستیکی؛ محدود به عدد خاصی است.
معادله ۸: جواب شدنی مدل شرط ]5لا00] بودن را تامین می کند.
صفحه 22:
صفحه 23:
sets
1 supply /1,2,3,4,5/
Jlogistic /1,2,3,4/
k demand /1,2,3,4,5,6/
tt product/1,2,3/
table
(k,t) the demand should be satisfied at each demand node k and
1 248
250 250 600
200 100 400
550 50 700
650 100 500
100 200 400
250 50 300;
table
(i,t) the capacity of the supply node i to send product t
123
500 200 500
400 100 600
200 150 600
500 150 700
400 50 500;
23211
صفحه 24:
1) the cost of sending product t to logistic node j from supply node i
123
1.1 2030 25
1.2 2030 25
1.3 2030 25
1a 2030 25
2.1 2030 25
2.2 2030 25
2.3 2030 25
2.4 2030 25
3.1 2030 25
3.2 2030 25
3.3 2030 25
3.4 2030 25
4.1 2030 25
4.2 2030 25
ده 2030 25
4.4 2030 25
5.1 2030 25
5.2 2030 25
5.3 2030 25
5.4 2030 25;
صفحه 25:
table
€2Uj,k:t) the cost of sending product t to demand node j from logistic node j
123
1. 2030 25
1.2 2030 25
1.3 2030 25
1a 2030 25
a's 2030 25
1.6 2030 25
2.1 2030 25
22 2030 25
2.3 2030 25
2.4 2030 25
25 2030 25
2.6 2030 25
3.1 2030 25
3.2 2030 25
3:3 2030 25
3.4 2030 25
3.5 2030 25
3.6 2030 25
4.1 2030 25
4.2 2030 25
4.3 2030 25
4.4 2030 25
4.5 2030 25
4.6 2030 2:
صفحه 26:
parameters
‘w() fixed cost of constructing the logistic node j
11 0
2 30000
3 35000
4 25000/;
parameters
LG) the operation capacity constraint of each logistic node j
11 5000
2 6600
3 5000
4 4500/;
table
F(,t) the unit capacity of each logistic node j from product t
123
42223
variables
xi)
عارزلا
صفحه 27:
positive variable x,y
ary variable u;
‘equations
cost
‘equalfiow(j,t)
logistic(j)
supply(i,t)
demand(k,t)
tedad;
cost..
‘equalfiow(j,t)..
demand(k,t)...
امزال“ لعا رشع ,عبار Sum رز سر + زک(
sum((k), yo kit);
)9
(۷,۷,۶:())صند
supply( sum((j),x(ijt)) =1= qt;
logistic().. sum((t),r(,t)*(sum((i),x(,j,t)))) =1 LG)*uG);
tedad.. sum((j),uG)) 1
model MIP /all/;
solve MIP using MIP minimizing 2;
Display u.l, u.m;
display x.
display y.
صفحه 28:
y242=100
y123=400
y133=500
y143=500
y153=400
y163=300
y213=600
y233=200
x223=600
x313=400
x323=200
x413=700
x113=500
x513=500
y221=200
y231=550
y241=650
y251=100
y261=250
112-150
152-00
162-0
222-00
221-00
x321=200
x421=500
x521=400
x112=150
x122=50
x212=100
x322=150
x522=50
صفحه 29:
با اضافه کردن محدودیت استوار به مدل و اضافه کردن ۱ سناریو جدید مدل را حل می
[Z.(x)s(1+@) Z*.]
در ضمن این ماه پهینهسازی با نم افزار 8 wat Jo 53 LINGO
صفحه 30:
در ادامه می توان رویکرد Minimax Regret به جای رویکرد حاضر استفاده
نمود.
در انتها با زیاد شدن فضای حل می توان از روش های فراابتکاری استفاده نمود.
صفحه 31: