One of the most necessary operations in humanitarian logistics is the distribution of relief goods to the population in disaster areas. When a disaster occurs, some parts of the distribution infrastructure may be damaged and consequently make it impossible to reach all the demand nodes and delivering the relief goods. In this study, we focus on the planning of infrastructure recovery efforts in post-disaster response. The problem is the scheduling of the emergency repair of a network that has been damaged by a disaster. The objective is to maximize network accessibility for all demand nodes in order to deliver relief goods to them. We adopt a dynamic programming algorithm to solve the problem when more than one crew group is available. Our numerical analysis of the solution shows the performance of the algorithm. We, also, compare our results with some similar studies to indicate the differences between one and multi-crew scheduling. تفاصيل المقالة

هدف از این مقاله یافتن توالی بهینه به منظور کمینه کردن فاصله زمانی ساخت برای مسئله زمانبندی جریان کارگاهی بدون صفهای میانی میباشد. مسائل زمانبندی بدون انتظار در آن دسته از محیطهای تولیدی رخ میدهد که در آن یک کار میبایست از آغاز تا پایان بر روی یک ماشین یا چند ماشین بدون وقفه پردازش شود. از آنجایی که ساختار این مسئله شباهت بسیاری با مسئله فروشنده دورهگرد دارد، در تحقیق حاضر از یک رویکرد جدید جهت بدست آوردن دیرکردها کمک گرفته شده به گونه ای که با هدف یافتن توالی بهینه عملیاتی که کمترین فاصله زمانی ساخت را داراست از ماتریس دیرکردهای بدست آمده از مسئله فروشنده دورهگرد استفاده شده است. همچنین از الگوریتم جستجوی تصادفی تطابقی حریصانه برای حل مسئله تعیین توالی جریان کارگاهی بدون صفهای میانی استفاده و کارایی آن پس از تعیین پارامتر از طریق روش فاکتوریل، با الگوریتم کلونی مورچگان مقایسه شده است. تفاصيل المقالة

The aim of this paper is to propose a new particle swarm optimization algorithm to solve a hybrid flowshop scheduling with sequence-dependent setup times problem, which is of great importance in the industrial context. This algorithm is called diversified particle swarm optimization algorithm which is a generalization of particle swarm optimization algorithm and inspired by an anarchic society whose members behave anarchically to improve their situations. Such anarchy lets the algorithm explore the solution space perfectly and prevent falling in the local optimum traps. Besides, for the first time, for the hybrid flowshop, we proposed eight different local search algorithms and incorporate them into the algorithm in order to improve it with the help of systematic changes of the neighborhood structure within a search for minimizing the makespan. The proposed algorithm was tested and the numerical results showe that the proposed algorithm significantly outperforms other effective heuristics recently developed. تفاصيل المقالة

This paper studies multiple cross-dockings where the loads are transferred from origins (suppliers) to destinations (customers) through cross-docking facilities. Products are no longer stored in intermediate depots and incoming shipments are consolidated based on customer demands and immediately delivered to them to their destinations. In this paper, each cross-docking has a covering radius that customers can be served by at least one cross-docking provided. In addition, this paper considers the breakdown of trucks. We present a two-stage model for the location of cross-docking centers and scheduling inbound and outbound trucks in multiple cross-dockings.We work on minimizing the transportation cost in a network by loading trucks in the supplier locations and route them to the customers via cross-docking facilities. The objective, in the first stage, is to minimize transportation cost of delivering products from suppliers to open cross-docks and cross-docks to the customers; in the second-stage, the objective is to minimize the makespans of open cross-dockings and the total weighted summation of completion time. Due to the difficulty of obtaining the optimum solution tomedium- and large-scale problems, we ‌propose four types of metaheuristic algorithms, i.e., genetic, simulated annealing, differential evolution, and hybrid algorithms.The result showed that simulated annealing is the best algorithm between the four algorithms. تفاصيل المقالة

This paper considers a different version of the parallel machines scheduling problem in which the parallel jobs simultaneously requirea pre-specifiedjob-dependent number of machines when being processed.This relaxation departs from one of the classic scheduling assumptions. While the analytical conditions can be easily statedfor some simple models, a graph model approach is required when conflicts of processor usage are present. The main decisions and solving steps are as follows, respectively. (i) Converting the scheduling problem to graph model; (ii) Dividing jobs into independent sets: in this phase, we propose a semi-definite relaxation algorithm in which we use graph coloring concept; (iii) Sequencing the independent sets as a single-machine scheduling in which jobs in such a system arejob sets formed by using a semi-definite relaxation solution and determining the problem as a schedule that minimizes the sum of the tardiness of jobs. In this regard, after grouping the jobs by a semi-definite programming relaxation algorithm, we used the rounding algorithm for graph coloring. We also proposed a variable neighborhood search algorithm for sequencing the obtained job sets in order to minimize the sum of the tardiness. Experimental results show that this methodology is interesting by obtaining good results. تفاصيل المقالة

در این تحقیق به ارائه مدلی با توجه به ماهیت داده‌های ورودی مسئله و همچنین ماهیت تصادفی رخدادهای آتی سهم‌ها پرداخته‌ شده است. به ‌منظور پویاسازی سبد سهام، مدل برنامه‌ریزی استفاده‌ شده است که در آن هر یک از زمان‌های تصمیم‌گیری به عنوان یک مرحله در مدل برنامه‌ریزی تصادفی در نظر گرفته‌ شده است. به دلیل وابستگی جواب‌های حاصل از مدل برنامه‌ریزی تصادفی با بازخورد به روش تولید سناریو، به ارائه روش مناسب تولید سناریو با توجه به ماهیت ورودی داده‌های مسئله پرداخته‌ شده است. در نهایت اعتبار مدل ارائه شده پس از حل با نرم‌افزار گمز ارزیابی شده است. همان‌طور که نشان داده‌ شده است استفاده از برنامه‌ریزی تصادفی با بازخورد و ترکیب آن با روش تولید سناریوی معرفی شده، این امکان را به سرمایه‌گذاران می‌دهد که بتوانند برنامه‌ریزی‌های کوتاه‌مدت و بلندمدت برای خریدها و فروش‌های خود در بازارهای مالی را داشته و نتایج مدل تا حد خوبی نشان‌دهنده کارایی مدل حاضر در بازارهای مالی است. تفاصيل المقالة

مسأله انتخاب سبد سهام، از جمله مسائلی با اهمیت برای سرمایه‌گذاران بورس است بطوریکه با سرمایه‌گذاری بر روی چندین سهام در عوض یک سهم خاص، بتوانند در سطح معینی از ریسک بیشترین بازدهی و با کمترین ریسک به ازای سطح معینی از بازدهی را بدست آورند. آنچه تا به امروز در محاسبات مالی و در زمینه انتخاب سبد سهام و سرمایه‌گذاری عنوان شده است بگونه‌ای است که سرمایه‌گذاری‌های موجود از لحاظ درجه ریسک و نرخ بازده، با هدف در نظر گرفتن امکانات مالی و سایر سیاست‌های فراروی خود، اولویت‌بندی شده تا در نهایت پورتفوی مطلوب تشکیل گردد. در اینجا و در شرایطی که فرد سرمایه‌گذار با دارایی‌های متفاوتی روبرو می‌گردد، بایستی در مورد تعداد دارایی‌های انتخابی و میزان سرمایه‌گذاری در هر کدام از آنها، تصمیم‌گیری نموده و در نتیجه به نوعی دچار یک نوع عدم قطعیت در انتخاب‌های خویش می‌گردد. در این پژوهش با در نظر گرفتن مفاهیم فازی در بحث بهینه‌سازی سبد سهام، عدم قطعیت موجود در این مسأله مدلسازی شده است. در ادامه با استفاده از روش بونیسون اولویت بین هر یک از سهام مشخص شده تا از آشفتگی در تصمیم‌گیری کاسته شود و در نهایت با ارائه نیز به دلیل پیچیدگی موجود در مسأله، الگوریتم ترکیبی بر پایه الگوریتم‌های جستجوی همسایگی متغیر و ژنتیک، ارائه و برای اعتبارسنجی با سایر الگوریتم‌های حل مقایسه شده است. تفاصيل المقالة