پایان نامه با واژه های کلیدی مکان‌یابی، روش ترکیبی، شبیه‌سازی

دانلود پایان نامه ارشد

ظرفیت نامحدود مسئله‌ی مکان‌یابی محور ارائه کرده‌اند. آن‌ها یک نقش عمومی در ارتباط با برداشتن سطوح از مسئله‌ی مکان‌یابی تسهیلات ظرفیت نامحدود به مدل تخصیص چندگانه‌ی ظرفیت نامحدود مسئله‌ی مکان‌یابی محور توسعه داده‌اند. آن‌ها یک مدل جدید را ارائه کرده‌اند که در آن تمام سطوح تعریف‌ شده‌اند.
برای مدل تخصیص ساده‌ی ظرفیت نامحدود مسئله‌ی مکان‌یابی محور، Labbé and Yaman (2004) به خانواده‌ای از نامساوی‌های معتبر دست‌یافته‌اند که سطح تعریف نامساوی‌ها را تعمیم می‌دهد و آن را می‌توان به زمان چندجمله‌ای تفکیک کرد.
Boland et al. (2004) برخی ویژگی‌های راه‌حل‌های بهینه‌ی هر دوی مدل‌های ظرفیت محدود و ظرفیت نامحدود تخصیص چندگانه‌ی مسئله‌ی مکان‌یابی محور را خلاصه‌شده بررسی کرده‌اند. بر اساس این نتایج آن‌ها پیش‌پردازش رویه‌ها و محدودیت‌های فشردگی‌ جهت بهبود ساده‌سازی‌های برنامه‌ریزی خطی را برای مدل‌های برنامه‌ریزی خطی عدد صحیح مختلط توسعه داده‌اند. آن‌ها همچنین محدودیت‌های پوشش-جریان را برای حالت ظرفیت محدود جهت بهبود زمان‌های محاسباتی به کار گرفته‌اند. این مدل‌ها منجر به یک کاهش کلی در زمان CPU مورد نیاز استفاده‌شده در CPLEX در قیاس با مدل‌های موجود شده است.
Elhedhli and Hu (2005) ازدحام محورها را در نظر گرفته و یک تابع هزینه‌ی غیر‌خطی محدّب را برای تابع هدف مدل تخصیص ساده‌ی مسئله‌ی مکان‌یابی p-محور میانه پیشنهاد داده‌اند. آن‌ها این مدل را با استفاده از توابع خطی پاره‌ای خطی سازی کرده و سپس ساده‌سازی لاگرانژی را به کار برده‌اند. از طریق مقایسه با مسئله‌ی غیر ازدحامی بر روی مجموعه داده‌های CAB، نویسندگان این مقاله ادعا کرده‌اند که نتایج مدل ازدحامی دارای توزیع تعادلی جریان بیشتری در محورها است.
Topcuoglu et al. (2005) الگوریتم ژن شناختی دیگری را برای تخصیص ساده‌ی ظرفیت نامحدود مسئله‌ی مکان‌یابی محور پیشنهاد داده‌اند. روش ابتکاری آن‌ها بر مجموعه داده‌های AP و CAB آزمایش شد و جواب‌های به دست آمده نسبت به روش ترکیبی Abdinnour-Helm (1998) در زمان محاسباتی کم‌تر و باکیفیت بهتری حاصل شدند.
Marin (2005a) یک مدل جدید برای حالت تخصیص چندگانه بر اساس همان ایده‌ای که در Ebery et al. (2000) وجود داشت، ارائه کرده‌اند اما از برخی ایده‌ها در مقاله‌ی Marin (2006) جهت کاهش اندازه‌ی مسائل بهره برده است. Marín (2005b) تعدادی سطوح معرف نامساوی‌های معتبر را برای مسئله‌ی ظرفیت نامحدود مکان‌یابی محور با هزینه‌های برآورده‌کننده‌ی نامساوی مثلثی ارائه کرده‌ است. او مسئله را الگوریتم تخفیف و برش حل نموده است.
Labbé et al. (2005) مدل تخصیص ساده‌ی ظرفیت محدود مسئله‌ی مکان‌یابی محور را در نظر گرفته‌اند که در آن هر محور ظرفیتی ثابت بر حسب ترافیکی که از آن عبور می‌کند، بررسی کرده‌اند. آن‌ها برخی خصوصیات چند سطحی این مسئله را بررسی کرده و الگوریتم انشعاب و تحدید را بر اساس این نتایج توسعه داده‌اند.
Kimms (2005) نیز فرض کرده است که صرفه‌جویی اقتصادی نه تنها در اتصال بین محورها بلکه می‌تواند در تمامی انواع اتصال‌ها اتفاق بیفتد. او مدلی را با تابع هزینه‌ی خطی پاره‌ای پیشنهاد داده است که متحمل هزینه‌ی ثابت استفاده از اتصال می‌شود. در مقاله‌ی Wagner (2004b) نویسنده α را یک تابع کمیتی وابسته‌ی غیر افزایشی ‌در مدل‌های تخصیص ساده‌ی پوششی محور تعریف کرده است.
Racunicam and Wynter (2005) یک مدل مکان‌یابی محور ظرفیت نامحدود برای تعیین مکان بهینه‌ی محورهای باربری چند وظیفه‌ای ارائه کرده‌اند. آن‌ها از یک تابع هزینه‌ی مقعّر غیرخطی برای نمایش صرفه‌جویی اقتصادی تولیدی در هر دوی اتصال‌های بین محوری و محور به مقصد استفاده کرده‌اند. تابع آن‌ها چنان است که هزینه‌های بین محوری بیشتر از هزینه‌های خطی سرحد مقدار آستانه و از آن به بعد کمتر است.
هنگامی‌که آن‌ها مدل خود را با تابع غیرخطی O’Kelly (1998) مقایسه کردند، اقدامات آن‌ها به صورت مستقیم بر روی جریان اتصال بود درحالی‌که اقدامات O’Kelly (1998) بر روی نسبت جریان اتصال بین محوری به جریان کلی شبکه انجام گرفته بود. آن‌ها این تابع را با یک تابع خطی پاره‌ای تقریب زده‌اند و تعدادی از ویژگی‌های چند سطحی مدل خطی جدید را ارائه کرده‌اند. همچنین دو روش ابتکاری متغیر-کاهش را توسعه داده و یک مورد مطالعه‌ای بر روی شبکه‌ی باربری Alpine تهیه ‌کرده‌اند.
Marín et al. (2006) یک مدل جدید پیشنهاد کرده‌اند که تعمیمی از مدل قبلی مسئله‌ی ظرفیت نامحدود مکان‌یابی محور با هزینه‌های برآورده‌کننده‌ی نامساوی مثلثی است و فرض داشتن ساختار هزینه برآورده‌کننده‌ی نامساوی مثلثی را تخفیف می‌دهد. مدل آن‌ها دارای محدودیت‌های کمتری بود و نسبت به همه‌ی مدل‌های قبل از خود دارای برتری بود.
Kratica et al. (2007) از دو الگوریتم ژن شناختی برای حل مدل تخصیص ساده‌ی ظرفیت نامحدود مسئله‌ی مکان‌یابی p-محور میانه استفاده کرده‌اند. آن‌ها با استفاده از این دو الگوریتم ابتکاری خود توانسته‌اند مسائلی با 200 گره و 20 محور را به صورت بهینه در زمان محاسباتی معقولی حل نمایند.
در مقاله‌ی Tan and Kara (2007)، نویسندگان آن بر روی سیستم‌های تحویل بار تمرکز کرده‌اند. آن‌ها با تجزیه و تحلیل شرکت‌های فعال ترکیه در این زمینه، محدودیت‌ها، التزامات و معیارهای مسئله‌ی تخصیص ساده‌ی مکان‌یابی محور را در ارتباط با سیستم‌های تحویل بار تعیین کرده‌اند.
Cunha and Silva (2007) بدون اطلاع از کار Topcuoglu et al. (2005) الگوریتم ژن شناختی دیگری را برای تخصیص ساده‌ی ظرفیت نامحدود مسئله‌ی مکان‌یابی محور ارائه کردند که با روش ابتکاری شبیه‌سازی تبرید تلفیق شده بود. این روش ترکیبی جدید از هر دوی الگوریتم‌های ژن شناختی Abdinnour-Helm (1998) and Abdinnour-Helm and Venkataramanan (1998) عمل می‌کرد.
Cunha and Silva (2007) مسئله‌ی پیکر‌بندی شبکه‌ی محور را برای یک شرکت حمل‌و‌نقل کمتر از گنجایش یک کامیون در برزیل در نظر گرفته‌اند. آن‌ها در مدل‌شان به جای ثابت در نظر گرفتن ضریب کاهشی محور به محور، ضریب کاهشی را بر طبق میزان کل باربری بین محورها متغیر فرض کرده‌اند.
روش ابتکاری دیگری که برای تخصیص ساده‌ی ظرفیت نامحدود مسئله‌ی مکان‌یابی محور پیشنهاد شده است، Chen (2007) است. روش ابتکاری ترکیبی او بر اساس روش شبیه‌سازی تبرید، جستجوی ممنوعه و روندهای بهبود‌یافته است. این روش ابتکاری هم از نظر کیفیت جواب‌ها و هم از دیدگاه زمان محاسباتی از روش ارائه‌شده در Topcuoglu et al. (2005) نیز بهتر عمل می‌کند.
Canovas et al. (2007) دوباره یک روش ابتکاری را برای تخصیص ساده‌ی ظرفیت نامحدود مسئله‌ی مکان‌یابی محور بر اساس فن صعود دوتایی ارائه کردند. آن‌ها سپس این روش ابتکاری را در الگوریتم انشعاب و تحدید اجرا کردند. با توجه به نتایج به دست آمده از اجرای این روش بر روی مجموعه داده‌های CAB و AP آن‌ها قادر به حل مثال‌هایی با 120 گره نیز بودند.
Costa et al. (2007) یک روش متفاوت را برای مدل تخصیص ساده‌ی ظرفیت محدود مسئله‌ی مکان‌یابی محور پیشنهاد کرده‌اند. به جای استفاده از محدودیت‌های ظرفیت بر روی میزان جریان پردازش‌شده در محورها نویسندگان یک تابع هدف دوم برای مدل ریاضی‌شان معرفی کرده‌اند که مدت زمان پردازش جریان‌ها را حداقل می‌کند. آن‌ها دو مسئله‌ی دو معیاره‌ی متفاوت را در نظر گرفته‌اند. علاوه بر حداقل کردن هزینه‌ی کل در هر دوی مسائل، در اولی آن‌ها مدت زمان کل پردازش جریان را در محورها حداقل کرده‌اند و در دومین مسئله حداکثر زمان سرویس‌دهی محورها را کمینه کرده‌اند. آن‌ها یک روش تکراری را پیشنهاد داده‌اند که برای محاسبه‌ی جواب‌های غیر غالب شده از آن استفاده شده است.
Stanimirović (2008) با ارائه‌ی روش ابتکاری جدیدی بر پایه‌ی الگوریتم ژن شناختی، مدل تخصیص چندگانه‌ی ظرفیت نامحدود مسئله‌ی مکان‌یابی p-محور میانه را حل کرده ‌است. Randall (2008) از 4 روش فوق ابتکاری مختلف مبتنی بر الگوریتم‌ کلونی مورچه‌ها برای حل مدل تخصیص ساده‌ی ظرفیت محدود مسئله‌ی مکان‌یابی محور استفاده کرده است. de Camargo et al. (2008) مدل تخصیص چندگانه‌ی ظرفیت نامحدود مسئله‌ی مکان‌یابی محور را با ارائه‌ی الگوریتم‌های تجزیه‌ی بِندر13 حل نموده‌اند.
Iwasa et al. (2009) برای مدل تخصیص ساده‌ی شبکه‌ی محور و میله از یک الگوریتم 3-تقریبی قطعی ساده و یک الگوریتم 2-تقریبی تصادفی بر پایه‌ی مسئله‌ی ساده‌سازی خطی و روند گرد کردن تصادفی استفاده کرده‌اند.de Camargo et al. (2009) مدل تخصیص چندگانه‌ی مسئله‌ی مکان‌یابی محور تحت ازدحام را با استفاده از روش تجزیه‌ی بندِر برای نمونه‌های واقعی تا مرز 81 گره به خوبی توسط مدل پیشنهادی خود حل نموده‌اند. Silva and Cunha (2009) برای حل مدل تخصیص ساده‌ی ظرفیت نامحدود مسئله‌ی مکان‌یابی محور سه نوع روش ابتکاری ساده و کارای جستجوی ممنوعه‌ با آغازهای چندگانه و نیز یک روش ابتکاری جستجوی ممنوعه‌ی جامع دو مرحله‌ای پیشنهاد کرده‌اند.
Alumur et al. (2009) با ارائه‌ی چارچوبی یکنواخت در ارتباط با مدل‌سازی مسائل تخصیص ساده‌ی مکان‌یابی محور انواع مختلف این مسائل را در حالتی که طراحی شبکه محور به صورت ناقص است، حل نموده‌اند. آن‌ها از داده‌های هواپیمایی آمریکا و ترکیه برای این کار استفاده کرده‌اند.
در مقاله‌ی Ilić et al. (2010) یک روش متغیر عمومی جدید جستجوی همسایگی برای مسئله‌ی تخصیص ساده‌ی p-محور میانه در شبکه‌ها با احداث محورهایی جهت کاهش ترافیک در بین هر زوج مبدأ/مقصد ارائه شده است. آن‌ها با آزمایش این روش ابتکاری بر روی مجموعه داده‌های AP و دیگر مجموعه داده‌های موجود، ادعا کرده‌اند که روش جدیدشان نسبت به دیگر روش‌های ابتکاری موجود جواب‌های بهینه‌ی باکیفیت‌تری تولید می‌کند.
در مقاله‌ی Stanimirović (2010) یک الگوریتم ژن شناختی برای مسئله‌ی تخصیص ساده‌ی ظرفیت محدود p-محور میانه ارائه شده است که این قابلیت را دارد مسائلی با تعداد حداکثر 50 گره را به سرعت حل کند و جواب بهینه را به دست آورد، همچنین این روش را برای مسائلی با تعداد 200 گره در مدت زمان بیشتری نیز می‌توان به کار برد.
Correia et al. (2010) مدل کلاسیک تخصیص ساده‌ی ظرفیت محدود مسئله‌ی مکان‌یابی محور را توسعه داده‌اند که در آن اندازه‌ی محورها به عنوان بخشی از فرآیند تصمیم‌گیری مطرح است.Correia et al. (2010) مدل کلاسیک و مشهور تخصیص ساده‌ی ظرفیت محدود مسئله‌ی مکان‌یابی محور را دوباره بررسی کرده‌اند و ابراز داشته‌اند که این مدل در حل بعضی از مسائل به خوبی عمل نمی‌کند و دارای کاستی‌ها و نواقصی است، بنابراین محدودیت جدیدی به مدل اضافه کرده و نتایج به دست آمده را تجزیه و تحلیل کرده‌اند.
در مقاله‌ی de Camargo et al. (2011)، یک روش کارآمد برای مواجهه‌ با تخصیص ساده‌ی مسئله‌ی مکان‌یابی محور تحت ازدحام ارائه شده است. در این روش به صورت همزمان از برش‌های تجزیه‌ی بندِر و تقریب خارجی14 استفاده می‌شود و مسائلی با حدود 200 گره را در زمان‌های منطقی و معقول حل می‌کند.
در مقاله‌ی Correia et al. (2011) توسعه‌ی جدیدی از مدل تخصیص ساده‌ی ظرفیت محدود مسئله‌ی مکان‌یابی محور پیشنهاد شده است که در آن ظرفیت محورها بخشی از فرآیند تصمیم‌گیری است و ملزومات تعادل به شبکه تحمیل شده است.Puerto et al. (2011) بیان ریاضی جدیدی از مدل تخصیص ساده‌ی ترتیبی مسئله‌ی مکان‌یابی محور میانه با الگوهای توزیع جدید که از نقش‌های متفاوت کاربران درون شبکه‌ی زنجیره تأمین نشأت می‌گیرد، ارائه کرده‌اند.
در مقاله‌ی de Camargo and Miranda (2012) مدل تخصیص ساده‌ی مسئله‌ی مکان‌یابی محور تحت ازدحام بررسی شده است. این برنامه‌ریزی عدد صحیح مختلط غیر‌خطی که در مقالات پیشین نیز به آن ارجاعات زیادی داده شده، دارای کاربردهای واقعی زیادی است. دو چشم‌انداز مختلف طراحی شبکه پیشنهاد شده: (1) شبکه‌ی دارنده و (2) شبکه‌ی کاربر. این مدل با استفاده از روش

پایان نامه
Previous Entries پایان نامه با واژه های کلیدی مکان‌یابی، شبیه‌سازی، بهبود عملکرد Next Entries پایان نامه با واژه های کلیدی عدم قطعیت، مکان‌یابی، زنجیره تأمین