به­عنوان مثال­های عملی از VRPTW می­توان به تقسیم پول نقد به شعب بـانک­ها، جمع­آوری زباله­ها و ضایعات صنعتی، تقسیم سوخت به جایگاه­های پخش و سرویس مدارس اشاره کرد (توکلی مقدم و همکاران، ۱۳۸۵؛ Zheng, 2012).

VRP با بارگیری و تحویل دادن(VRPPD)
در نسخه­های VRP مورد بحث در بخش­های قبلی، نوع تقاضای مشتریان برای فروش کالا به مشتریان و یا جمع­آوری کالا از آن­ها، همه یکسان هستند. مواردی وجود دارد که در آن مشتریان دو نوع تقاضای مختلف دارند، گرفتن یا تحویل دادن کالا و یا هر دو. این نوع مسأله VRPPD نام گرفته است.

با توجه به تعریف پی­اری[۳۲] ­و همکاران ­(۲۰۰۸)، مسائل مسیریابی وسایل­نقلیه با بارگیری­ و تحویل(VRPPD) به مسائلی اشاره دارد که در آن محصولات بین مکان­های بارگیری و تحویل منتقل می­شوند. اولین تلاش برای عمومیت دادن مسأله­ بارگیری و تحویل (PDP)[33] در سولسبرگ[۳۴] و سول[۳۵] (۱۹۹۵) پیشنهاد شد که تمام نسخه­های PDP از جمله مسأله­ شماره­گیر سوار (DARP)[36] (Zidi et al., 2010) را پوشش می­دهد.
پژوهش­های بسیاری بر روی VRPPD وجود داشته است (Desaulniers et al., 2002; Dumas et al., 1991; Mitrovic-Minic, 1998). مانند سایر مسائل بهینه­سازی دیگر، روش­های دقیق، اکتشافی و فرااکتشافی توسعه یافته برای حل این مسأله وجود دارند (Zheng, 2012).

VRP با تقاضا تصادفی(VRPSD)
با وجود اینکه دیدگاه VRP کلاسیک، استاتیک و قطعی است، در بسیاری از مسائل عملی محدودیت­های قابل توجهی وجود دارند که مسأله را پویا و تصادفی می­ کنند. در VRPSD، تقاضاهای مشتری، متغیرهای تصادفی () مستقل هستند که با توزیع­های شناخته شده، توزیع شده ­اند (Zheng, 2012). تقـاضای واقعی هر مشتری تنها هنگامی که وسیله نقلیه به محـل مشتری می­رسد، شناخته می­ شود. هم­چنین فرض می­ شود که از ظرفیت وسیله نقلیه (بیانکی[۳۷]و همکاران، ۲۰۰۴) تجاوز نمی­کند.
برخی شیوه ­های نامگذاری دیگر برای VRPSD وجود دارد؛ این مسأله مسیریابی وسایل­نقلیه احتمالی (PVRP)[38] نیز نامیده می­ شود (Bertsimas, 1991).
در پژوهش حاضر تمرکز ما بر روی VRP با تقاضای تصادفی می­باشد.

انواع دیگرVRP
انواع دیگر VRP را به طور خلاصه معرفی می­کنیم.
VRP با زمان­های مقرر (VRPDT)[39] بهترین زمان سرویس را دنبال می­ کند، که در آن محدوده­های پایین­تر از پنجره­های زمانی تخفیف می­یابند (Kang et al., 2008). درVRP با بهره گرفتن از چند وسیله نقلیه (VRPM)[40]، وسیله نقلیه مشابه می ­تواند به مسیرهای مختلف در طول یک دوره برنامه­ ریزی شده اختصاص داده شود (Taillard et al., 1996).FSVRP [۴۱] به اندازه ناوگان و ترکیب وسایل­نقلیه اشاره دارد که در آن اندازه ناوگـان ممکن است معین باشد و وسـایل­نقلیه ممکن است دارای ظرفیت­های مختلف باشند (Gang, 2010). VRP با چند انبار (MDVRP)[42]، تخصیص مشتریان به انبارها را اضافه می­ کند (Lim & Wang, 2005). VRP تحویل انشعابی (SDVRP)[43]، یک توسعه از VRP کلاسیک است که در آن یک مشتری مجاز است توسط وسایل­نقلیه­ی مختلف سرویس بگیرد در صورتی که این­کار، هزینه­ های کلی را کاهش دهد (Archetti et al., 2006).
حتی بسیاری از گونه­ های مختلف وجود دارند که برخی از انواعی که در بالا بحث کردیم را ترکیب می­ کند، مانند VRP ظرفیت­دار با پنجره زمانی(CVRPTW)، VRP چند انبار با پنجره زمانی (MDVRPTW) و غیره (Zheng, 2012).

نتیجه ­گیری
زنجیره تأمین، شامل سازمان­ها و فرآیندهایی است که با همکاری یکدیگر محصولات، اطلاعات و خدماتی را تولید و برای رساندن آن­ها به مشتریان و توزیع آن­ها اقدام می­ کنند. در دهه­های اخیر مبحث لجستیک بسیار مورد توجه شرکت­های خدماتی و تولیدی قرار گرفته است. لجستیک فرآیندی است که در آن مواد خام از ابتدایی­ترین نقطه زنجیره تولید، در طول زنجیره حرکت کرده و به صورت محصول نهایی به نقطه انتهایی آن، که همان مشتری است می­رسند. فرایند لجستیک شامل فعالیت­هایی مانند حمل­و­نقل، ذخیره موجودی، بسته­بندی، بـارگیری و تخلیه و انتقـال اطلاعـات می­باشد. طراحی شبکه ­های حمل­ونقل یکی از مهم­ترین مسائل در مهندسی برنامه­ ریزی حمل­ونقل است و حل آن با بهره گرفتن از روش­های معمول بهینه­سازی امکان­ پذیر نیست. بهینه­سازی هزینه­ های حمل­ونقل، اهمیت بالایی دارد و مسیریابی ناوگـان باری از جمله روش­هـایی است که تـاثیر بسزایی در بهینه­سازی هزینه­ های حمل­ونقل دارا می­باشد (افندی­زاده، غفاری و کلانتری، ۱۳۹۰ب؛ بانک مقالات مدیریت بیمارستان، ۱۳۹۰).
در فصل دوم وجود عدم قطعیت در مسائل و چگونگی مدیریت آن با بهره گرفتن از الگوریتم ژنتیک بیان می­ شود.
عدم قطعیت در مسائل و مدیریت آن به کمک الگوریتم ژنتیک
فصل دوم

مقدمه
یکى از واژه‏هایى که امروزه در مقیاس وسیعى گفته و شنیده می­ شود، مقوله­ی عدم‏ قطعیت[۴۴] یا عدم ‏حتمیت یا عدم ‏تعیّن است (بی­­نیاز، ۱۳۸۶).
اگر به زندگی روزمره بشر نگاهی انداخته شود، می‌توان دریافت که زندگی سراسر عدم قطعیت است. اکثر مردم آموخته‌اند، که برای اتخاذ تصمیمات بزرگ و کوچکی که در طی حیات آنان رخ می­دهد، با عدم قطعیت موجود، دست به گریبان شده و از میان گزینه‌های پیش‌ رویشان دست به انتخاب بهترین گزینه بزنند. آن‌چه در اغلب موارد تصمیمات بشر را دچار اشتباه می کند، نبود اطلاعات کافی و در نتیجه بروز عدم قطعیت در مسائل می‌باشد. انسان به عنوان موجود محدودی که نمی‌تواند تمامی متغیرهای یک مسأله و عواقب ناشی از اتخاذ یک تصمیم را از نظر بگذراند، همواره در پی کسب تجربه، افزایش آگاهی و از بین بردن ابهامات موجود در سر راه خویش می‌باشد. این تلاشِ بشر به منظور روشن نمودن نقاط تار و فضاهای تاریک گیتی، ممکن است موجب افزایش آگاهی گردد، اما بی‌تردید کاهش ابهام را در پی نخواهد داشت و باعث افزایش عدم قطعیت می‌گردد. با تمامی این اوصاف تلاش مزبور تلاشی بیهوده نبوده و مهمترین عامل در پیشرفت بشر به سمت کمال مطلوب خویش می‌باشد (مرجع متخصصین ایران، ۲۰۱۰).
در شرایط عدم قطعیت، ممکن است یکسری از پارامترها تغییر کنند بنابراین هدف ما در این مطالعه، یافتن جواب­هایی است که نسبت به تغییرات محیط منحرف نشوند و بتوانند با تغییرات محیط، همچنان بهینگی خود را حفظ کنند. الگوریتم ژنتیک ما را در یافتن جواب­های پایدار در شرایط عدم قطعیت کمک می­ کند.
در این فصل، ابتدا مطالبی در مورد عدم قطعیت ارائه می­ شود و سپس به شرح الگوریتم ژنتیک و چگونگی حل مسائل در شرایط عدم قطعیت با بهره گرفتن از این الگوریتم می­پردازیم.

عدم قطعیت
عدم قطعیت به عنوان یک عبارت مصطلح در میان مردم دارای مفهوم مشخصی می‌باشد که ممکن است این مفهوم در تقاطع با علوم مختلف تعاریف متفاوتی را دارا گردد. در هر علم و هر حوزه عدم قطعیت همان ابهامات موجود در آن فضا را در بر می‌گیرد و لذا تعاریف دچار تنوع می‌گردند. اما عدم قطعیت به عنوان یک مفهوم عمومی اصطلاحی است که عدم اطمینان انسان را در مورد برخی اشخاص یا اشیا منعکس می کند، و بازه‌ی باز میان اطمینان کامل و عدم اطمینان محض را دربر می‌گیرد (NRC, 2000).
عدم قطعیت را می‌توان به عنوان خاصیتی از سیستم در نظر گرفت که توصیف کننده نقص دانش بشر درباره یک سیستم و وضعیت پیشرفت آن می­باشد. مطرح نمودن مبحث عدم قطعیت را برای اولین بار، با عنوان احتمال، به ارسطو نسبت داده‌اند. برخی از اصول ریاضی مرتبط با عدم قطعیت، تا قرن بیستم بر اساس تعابیر تناوب احتمال توسط پاسکال[۴۵]، فرما[۴۶]، برنولی[۴۷] و لاپلاس[۴۸] تشریح گردید. تئوری احتمال جدید، بر اساس تعریف کلموگوروف[۴۹] ارائه گردید. وضعیتی که عدم قطعیت در تصمیم‌گیری به وجود می‌آورد، باعث ایجاد انحرافات مثبت (شانس) و منفی (تهدید) از نتایج مورد انتظار می­ شود (Ivanov & Sokolov, 2009).

منابع عدم قطعیت
همان‌طور که از تعاریف عدم قطعیت بر می‌آید، نبود آگاهی سرچشمه اصلی حضور یافتن در چنین وضعیتی است. زمانی که قرار است یک تصمیم اتخاذ گردد، عدم قطعیت در این است که تصمیم‌گیر نمی‌داند کدام موقعیت طبیعی رخ می‌دهد (Monahan, 2000).
باید توجه داشت که در مواجهه با عدم قطعیت‌های متفاوت، اساسی‌ترین مسأله یافتن منبع ایجاد این عدم قطعیت است. اصولا تنها دلیل ایجاد عدم اطمینان در رابطه با یک مورد خاص، نبودِ آگاهی کافی در آن زمینه است. این عدم آگاهی می‌تواند انواع گوناگونی داشته باشد، اما می‌توان به‌طور کلی اکثر آن‌ها را در دو دسته‌ی زیر جای داد:.
تغییرپذیری طبیعی[۵۰]
عدم قطعیت دانش[۵۱]
تغییرپذیری طبیعی به مشاهدات تصادفی در طبیعت برمی‌گردد و عدم قطعیت دانش به وضعیت دانش در مورد یک سیستم فیزیکی و توانایی بشر به منظور اندازه‌گیری و مدل نمودن آن باز می‌گردد (Wallingford, 1997).
تغییرپذیری طبیعی اغلب با عناوین زیر بیان می‌شود: (NRC, 2000; Van Gelder, 1999; Environment Agency, 2000; MAFF, 2000 )
عدم قطعیت الله‌بختی (قمار)[۵۲]
عدم قطعیت خارجی[۵۳]
عدم قطعیت ذاتی[۵۴]
عدم قطعیت مفعولی[۵۵]
عدم قطعیت تصادفی[۵۶]
عدم قطعیت آماری[۵۷]
عدم قطعیت ساده نشدنی[۵۸]

موضوعات: بدون موضوع  لینک ثابت


فرم در حال بارگذاری ...