پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,533 |
| تعداد مقالات | 70,513 |
| تعداد مشاهده مقاله | 124,129,929 |
| تعداد دریافت فایل اصل مقاله | 97,236,558 |
Disaster relief vehicle routing with covering tour approach and fuzzy demands, solved by Hybrid Harmony Search Algorithm | ||
| Advances in Industrial Engineering | ||
| مقاله 8، دوره 49، شماره 1، تیر 2015، صفحه 79-92 اصل مقاله (1.23 M) | ||
| نوع مقاله: Research Paper | ||
| شناسه دیجیتال (DOI): 10.22059/jieng.2015.54143 | ||
| نویسندگان | ||
| Mahdi Alinaghian* 1؛ Alireza Goli1؛ Farimah Mokhatab Rafiei2 | ||
| 1Faculty of Industrial and systems Engineering, Isfahan University of Technology, I.R. Iran | ||
| 2Industrial Engineering Dept., School of Engineering, Tarbiat Modares University, I.R. Iran | ||
| چکیده | ||
| One of the most important measures needed to be done in times of crisis is to optimize the allocation and distribution of resources among individuals. Time is a critical factor effective to increase the number of people rescued by the relief activities.In this paper, we present a relief vehicle routing model in the affected area which uses covering tour approach to reduce total response time. Also, it is too difficult to determine the real amount of demands for essential commodities, e.g. first-aids, drinking water, etc. Therefore, we consider a fuzzy chance constrained programming model based on the fuzzy credibility theory. In order to validate the model, several numerical examples are solved using branch and bound A metaheuristic algorithm based on harmony search algorithm incorporated with stochastic simulation is developed and proposed to solve the problem. The results of the proposed algorithm compared with the results of the exact method shows 1% error for the algorithm. This indicates the efficiency of the proposed algorithm. To evaluate the proposed algorithm on a large scale, the results of the algorithm, has been compared with the results of GRASP method.The experimental results have shown that the proposed algorithms have appropriate performance in a reasonable time. | ||
| کلیدواژه‌ها | ||
| Disaster relief vehicle routing؛ covering tour؛ Stochastic simulation؛ credibility theory؛ Hybrid Harmony search algorithm | ||
| عنوان مقاله [English] | ||
| مسیریابی تجهیزات امدادی درشرایط بحران با رویکرد پوششی و تقاضای فازی با استفاده از الگوریتم هیبریدی جست و جوی هارمونی | ||
| نویسندگان [English] | ||
| مهدی علینقیان1؛ علیرضا گلی1؛ فریماه مخاطب رفیعی2 | ||
| 1استادیار دانشکدة صنایع و سیستم‌های دانشگاه صنعتی اصفهان | ||
| 2دانشیار دانشکدة فنی بخش مهندسی صنایع دانشگاه تربیت مدرس | ||
| چکیده [English] | ||
| یکی از اقدامات مهمی که لازم است هنگام وقوع بحران صورت پذیرد بهینه‌سازی نحوة توزیع و تخصیص منابع بین افراد است. زمانْ در افزایش تعداد افراد نجات‌یافته توسط فعالیت‌های امدادی تأثیری به‌سزا دارد. در این پژوهش یک مدل مسیریابی وسایل نقلیة امدادی مبتنی بر مسیریابی پوشش تور در منطقة آسیب‌دیده توسعه داده شد. همچنین، به دلیل اینکه تعیین میزان دقیق تقاضا برای کالاهای اساسی هنگام وقوع فجایع، که مهم‌ترین آن‌ها داروست، بسیار دشوار و در بسیاری موارد ناممکن است و به منظور نزدیک‌سازی مدل به شرایط واقعی عدم قطعیت تقاضا بر اساس اعداد فازی مد‌ّنظر قرار گرفت. به منظور صحه‌گذاری بر مدل ارائه‌شده چندین نمونة عددی به کمک روش شاخه و کران حل شد. همچنین یک الگوریتم فراابتکاری مبتنی بر الگوریتم جست‌وجوی هارمونی همراه شبیه‌سازی تصادفی توسعه داده شد. مقایسة نتایج حاصل از الگوریتم ارائه‌شده در مقایسه با نتایج حاصل از روش دقیق خطای 1 درصد را برای الگوریتم نشان می‌دهد. این موضوع نشان‌دهندة کارایی مناسب الگوریتم ارائه‌شده است. به منظور بررسی الگوریتم ارائه‌شده در ابعاد بزرگ، نتایج حاصل از الگوریتم جست‌وجوی هارمونی با نتایج حاصل از ترکیب الگوریتم با الگوریتم ابتکاری GRASP مقایسه شد. بررسی‌ها کارایی الگوریتم ترکیبی پیشنهادی را نشان می‌دهد. | ||
| کلیدواژه‌ها [English] | ||
| الگوریتم جست‌وجوی هارمونی, تئوری اعتبار فازی, تور پوششی, شبیه‌سازی تصادفی, لجستیک بحران | ||
| مراجع | ||
|
1. Kovács, G. and Spens, K. M. (2007). “Humanitarian logistics in disaster relief operations.” International Journal of Physical Distribution & Logistics Management, 37(2), 99-114.
2. Knott, R. (1987). The logistics of bulk relief supplies. Disasters, 11(2), 113-115.
3. Huang, M., Smilowitz, K., and Balcik, B. (2012). “Models for relief routing: Equity, efficiency and efficacy.” Transportation research part E: logistics and transportation review, 48(1), 2-18.
4. Mete, H. O. and Zabinsky, Z. B. (2010). “Stochastic optimization of medical supply location and distribution in disaster management.”International Journal of Production Economics, 126(1), 76-84.
5. Nolz, P. C., Doerner, K. F., Gutjahr, W. J., and Hartl, R. F. (2010). “A bi-objective metaheuristic for disaster relief operation planning.” In: Coello, C.A. et al., (Eds.) A dv. in Multi- Objective Nature Inspired Computing. SCI 272, 167–187.
6. Zhu, J., Huang, J., Liu, D., and Han, J. (2008). “Resources allocation problem for local reserve depots in disaster management based on scenario analysis.” In The 7th International Symposium on Operations Research and its Applications. Lijiang, China,395-407.
7. Shen, Z., Dessouky, M. M., and Ordóñez, F. (2009). “A two‐stage vehicle routing model for large‐scale bioterrorism emergencies.” Networks, 54(4), 255-269.
8. Naji-Azimi, Z., Renaud, J., Ruiz, A., and Salari, M. (2012). “A covering tour approach to the location of satellite distribution centers to supply humanitarian aid.” European Journal of Operational Research, 222(3), 596-605.
9. Zadeh, L. A. (1965). “Fuzzy sets.” Information and control, 8(3), 338-353.
10. Liu, B. (2004). Uncertainty theory: “an introduction to its axiomatic foundations” (Vol. 154). Springer.
11. Ghaffari-Nasab, N., Ahari, S. G., and Ghazanfari, M. (2013). “A hybrid simulated annealing based heuristic for solving the location-routing problem with fuzzy demands.” Scientia Iranica, 20(3), 919-930.
12. Cao, E. and Lai, M. (2010). “The open vehicle routing problem with fuzzy demands”. Expert Systems with Applications, 37(3), 2405-2411.
13. Wu, B., Qian, C., Ni, W., and Fan, S. (2012). “Hybrid harmony search and artificial bee colony algorithm for global optimization problems.” Computers & Mathematics with Applications, 64(8), 2621-2634
14. Erbao, C. and Mingyong, L. (2009). “A hybrid differential evolution algorithm to vehicle routing problem with fuzzy demands.” Journal of computational and applied mathematics, 231(1), 302-310.
15. Arkin, E. M. and Hassin, R. (1994). “Approximation algorithms for the geometric covering salesman problem.” Discrete Applied Mathematics, 55(3), 197-218.
16. Barbaroso, and gcaron, G. (2004). “A two-stage stochastic programming framework for transportation planning in disaster response.” Journal of the Operational Research Society, 55(1), 43-53.
17. Fischetti, M., Salazar Gonzalez, J. J., and Toth, P. (1997). “A branch-and-cut algorithm for the symmetric generalized traveling salesman problem.” Operations Research, 45(3), 378-394.
18. Kaufmann, A. and Bonaert, A. P. (1977). “Introduction to the Theory of Fuzzy Subsets”-vol. 1: Fundamental Theoretical Elements. IEEE Transactions on Systems Man and Cybernetics, 495-496.
19. Nahmias, S. (1978). “Fuzzy variables.Fuzzy sets and systems”, 1(2), 97-110.
20. Najafi, M., Eshghi, K., and Dullaert, W. (2013). “A multi-objective robust optimization model for logistics planning in the earthquake response phase.” Transportation Research Part E: Logistics and Transportation Review, 49(1), 217249.
21. Haghani, A. and Oh, S. C. (1996). “Formulation and solution of a multi-commodity, multi-modal network flow model for disaster relief operations.” Transportation Research Part A: Policy and Practice, 30(3), 231-250.
22. Ozdamar, L. (2011). “Planning helicopter logistics in disaster relief”. OR spectrum, 33(3), 655-672.
23. Sakakibara, H., Kajitani, Y., and Okada, N. (2004). “Road network robustness for avoiding functional isolation in disasters. ” Journal of transportation Engineering,130(5), 560-567.
24. Wohlgemuth, S., Oloruntoba, R., and Clausen, U. (2012). “Dynamic vehicle routing with anticipation in disaster relief.” Socio-Economic Planning Sciences, 46(4), 261-271.
25. Zadeh, L. A. (1975). “The concept of a linguistic variable and its application to approximate reasoning.” Information sciences, 8(3), 199-249. | ||
|
آمار تعداد مشاهده مقاله: 2,598 تعداد دریافت فایل اصل مقاله: 1,817 |
||