سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات161
تعداد شماره‌ها6,573
تعداد مقالات71,037
تعداد مشاهده مقاله125,513,534
تعداد دریافت فایل اصل مقاله98,775,333
Oladi, Sahar, Bashiri, Mahdi, Nikzad, Erfaneh. (1397). An Algorithm for the Multi-Stage Stochastic Relief Routing Problem. , 52(3), 325-336. doi: 10.22059/jieng.2019.236899.1398
Sahar Oladi; Mahdi Bashiri; Erfaneh Nikzad. "An Algorithm for the Multi-Stage Stochastic Relief Routing Problem". , 52, 3, 1397, 325-336. doi: 10.22059/jieng.2019.236899.1398
Oladi, Sahar, Bashiri, Mahdi, Nikzad, Erfaneh. (1397). 'An Algorithm for the Multi-Stage Stochastic Relief Routing Problem', , 52(3), pp. 325-336. doi: 10.22059/jieng.2019.236899.1398
Oladi, Sahar, Bashiri, Mahdi, Nikzad, Erfaneh. An Algorithm for the Multi-Stage Stochastic Relief Routing Problem. , 1397; 52(3): 325-336. doi: 10.22059/jieng.2019.236899.1398

An Algorithm for the Multi-Stage Stochastic Relief Routing Problem

Advances in Industrial Engineering
مقاله 2، دوره 52، شماره 3، دی 2018، صفحه 325-336    اصل مقاله (699.04 K)
نوع مقاله: Research Paper
شناسه دیجیتال (DOI): 10.22059/jieng.2019.236899.1398
نویسندگان
Sahar Oladi1؛ Mahdi Bashiri* 2؛ Erfaneh Nikzad
1Department of Industrial Engineering, Shahed University
2Department of Industrial Engineering, Shahed University, Tehran, Iran
چکیده
There is usually uncertainty in the information during a disaster. These uncertainties are revealed in different stages during the time, but they still exist. Therefore, when information is appeared over the time, it is necessary to model and solve the problem in a multi-stage stochastic programming to make more real decisions. In this paper, a multi-stage relief routing model is presented for a disaster problem. It is assumed that the routing plan can be rerouted in each stage according to new received information. Also, an approximation algorithm is presented based on the two-stage stochastic programming. It is shown that the proposed algorithm is an appropriate approximation of the multi-stage model. Comparison of results with the deterministic model
indicates that more survivors will be achieved by the proposed model comparing to the deterministic one and it shows effectiveness of the proposed approach.
کلیدواژه‌ها
Disaster؛ Multi-stage Modeling؛ uncertainty؛ Search and Rescue؛ Routing
عنوان مقاله [English]
ارائة الگوریتم حل مسئلۀ چندمرحله‌ای مسیریابی امداد با داده‌های تصادفی
نویسندگان [English]
سحر اولای1؛ مهدی بشیری2؛ عرفانه نیک‌زاد
1فارغ التحصیل کارشناسی ارشد، دانشکدة فنی و مهندسی، دانشگاه شاهد، تهران
2استاد گروه مهندسی صنایع، دانشکدة فنی و مهندسی، دانشگاه شاهد، تهران
چکیده [English]
در مسائل مربوط به بحران، معمولاً عدم قطعیت در اطلاعات وجود دارد که در مراحل مختلف و با گذر زمان و دریافت اطلاعات لحظه‌ای کاهش می‌یابد، اما همچنان سطحی از آن‌ مشاهده می‌شود؛ بنابراین در مسائلی که اطلاعات در چند مرحله به‌روزرسانی می‌شوند، ضروری است مسئله به‌صورت بهینه‌سازی تصادفی چندمرحله‌ای، مدل‌سازی و حل شود تا تصمیم‌‌ها به واقعیت نزدیک‌تر شوند. در این مقاله، مدل چندمرحله‌ای مسیریابی برای امداد و نجات مسائل بحران ارائه شده است که در هر مرحله با دریافت اطلاعات به‌موقع، نقاط بازدیدنشده بار دیگر مسیریابی می‌شود. همچنین روش تقریبی مبتنی بر برنامه‌ریزی تصادفی دومرحله‌ای ارائه شده است که تقریب مناسبی از مدل چندمرحله‌ای خواهد بود. نتایج مقایسه‌ای این روش با نتایج مدل قطعی نشان می‌دهد تعداد نجات‌یافتگان با استفاده از روش تقریبی بیشتر از مدل قطعی است. ضرورت استفاده از رویکرد پیشنهادی نیز بیان شده است.
کلیدواژه‌ها [English]
امداد و نجات, بحران, عدم قطعیت, مدل‌سازی چندمرحله‌ای, مسیریابی
مراجع
  1. Luis, E., Dolinskaya, I. S. And Smilowitz, K. R., (2012). "Disaster Relief Routing: Integrating Research and Practice", Socio-Economic Planning Sciences, Vol. 46, No. 1, PP. 88-97.
  2. Hoyos, M. C., Morales, R. S., and Akhavan Tabatabaei, R., (2015). "OR Models With Stochastic Components in Disaster Operations Management: A Literature Survey", Computers and Industrial Engineering, Vol. 82, No. 1, PP. 183-197.
  3. Https://En.Wikipedia.Org/Wiki/2003_Bam_Earthquake//.
  4. Https://En.Wikipedia.Org/Wiki/2010_Haiti_Earthquake//.
  5. Fiedrich, F., Gehbauer, F., and Rickers, U., (2000). "Optimized Resource Allocation for Emergency Response After Earthquake Disasters", Safety Science, Vol. 35, No. 1, PP. 41-57.
  6. Chen, L., and Miller-Hooks, E., (2012)."Optimal Team Deployment in Urban Search And Rescue", Transportation Research Part B: Methodological, Vol. 46, No. 8, PP. 984-999.
  7. Tofighi, S., Torabi, S. A., and Mansouri, S. A., (2016). "Humanitarian Logistics Network Design Under Mixed Uncertainty", European Journal of Operational Research, Vol. 250, No. 1, PP. 239-250.
  8. Alem, D., Clark, A., and Moreno, A., (2016). "Stochastic Network Models for Logistics Planning in Disaster Relief", European Journal of Operational Research, Vol. 255, No. 1, PP. 187-206.
  9. Errico, F. et al. (2016). "A Priori Optimization with Recourse for the Vehicle Routing Problem with Hard Time Windows and Stochastic Service Times", European Journal of Operational Research, Vol. 249, No. 1, PP. 55-66.
  10. Hong, X., Lejeune, M. A., and Noyan, N., (2015). "Stochastic Network Design for Disaster Preparedness", IIE Transactions, Vol. 47, No. 4, PP. 329-357.
  11. Rennemo, S. J. et al. (2014). "A Three-Stage Stochastic Facility Routing Model for Disaster Response Planning", Transportation Research Part E: Logistics and Transportation Review, Vol. 62, No. 1, PP. 116-135.
  12. Verma, A., and Gaukler, G. M., (2015). "Pre-Positioning Disaster Response Facilities at Safe Locations: An Evaluation of Deterministic and Stochastic Modeling Approaches", Computers and Operations Research, Vol. 62, No. 1, PP. 197-209.
  13. Davis, L. B. et al. (2013). "Inventory Planning and Coordination in Disaster Relief Efforts", International Journal of Production Economics, Vol. 141, No. 2, PP. 561-573.
  14. Bozorgi Amiri, A. et al. (2012). "A Modified Particle Swarm Optimization for Disaster Relief Logistics Under Uncertain Environment", The International Journal of Advanced Manufacturing Technology, Vol. 60, No. 1, PP. 357-371.
  15. Salmerón, J., and Apte, A., (2010)."Stochastic Optimization for Natural Disaster Asset Prepositioning", Production and Operations Management, Vol. 19, No. 5, PP. 561-574.
  16. Gendreau, M., Jabali, O., and Rei, W. (2016). "50th Anniversary Invited Article—Future Research Directions in Stochastic Vehicle Routing". Transportation Science, Vol. 50, No. 4, PP. 1163-1173.
  17. Birge, J. R., and Louveaux, F., (2011). "Introduction to Stochastic Programming", Springer Science and Business Media.
  18. Https://Www.Sintef.No/Projectweb/Top/Vrptw/Solomon-Benchmark//.
آمار
تعداد مشاهده مقاله: 1,270
تعداد دریافت فایل اصل مقاله: 541





سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب