فهرس المقالات Non-dominated Sorting Genetic Algorithm

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - طراحی مدل ریاضی شبکه زنجیره تأمین سبز چند محصولی صنعت خودرو در شرایط عدم اطمینان
  داود خدادادیان رضا رادفر عباس طلوعی
  امروزه شبکه های زنجیره تامین به عنوان ستون اصلی فعالیتهای اقتصادی شناخته می شوند. اهمیت آنها به دلیل تحویل به موقع و کارامد بودن محصولات گوناگون نظیر مواد غذایی، پوشاک، انرژی و سخت افزارهای کامپیوتری باعث علاقمندی محققان و متخصصان جهت تجزیه و تحلیل مسایل زنجیره تامین شد أکثر

  امروزه شبکه های زنجیره تامین به عنوان ستون اصلی فعالیتهای اقتصادی شناخته می شوند. اهمیت آنها به دلیل تحویل به موقع و کارامد بودن محصولات گوناگون نظیر مواد غذایی، پوشاک، انرژی و سخت افزارهای کامپیوتری باعث علاقمندی محققان و متخصصان جهت تجزیه و تحلیل مسایل زنجیره تامین شده است. از سوی دیگر عدم اطمینان مسایل در همه سطوح زندگی ما وارد شده و روزمره با آنها در ارتباط هستیم. مقاله حاضر در حیطه زنجیره تامین سبز تهیه شده که با در نظر گرفتن شرایط عدم قطعیت به حل یک مدل برای طراحی شبکه زنجیره تامین سبز (زیست محیطی) رو به جلو و تحت عدم اطمینان شرایط اقتصادی آینده در شرکت ایران خودرو می پردازد. مسأله طراحی شبکه مورد نظر شامل فرضیاتی از قبیل: چند محصولی، چند سطحی و تک دوره ای می باشد. به علت عدم ثبات شرایط اقتصادی، عدم اطمینان در این مسأله به شکلی متفاوت با مقالات گذشته در نظر گرفته شده ‌است. در این مساله چندین پارامتر مهم از قبیل تقاضای مشتریان، هزینه های عملیاتی و ظرفیت تولیدی و ارسالی تسهیلات به صورت غیر قطعی در نظر گرفته شده‌اند. اهداف این تحقیق شامل مینیمم سازی هزینه ها و مینیمم سازی اثرات زیست محیطی با استفاده از روش ECO-indicator 99 می باشد. از مزایای این روش صرفه‌جویی در هزینه ها و کاهش آلودگی در نتیجه ی استفاده از تجهیزات حمل‌و‌نقل و زیرساخت های مشترک می باشد. با توجه به پیچیدگی حل این مسأله وNP-hard بودن آن روش فرا ابتکاری1 الگوریتم ژنتیک با مرتب سازی نامغلوب (NSGA-II)2 تشریح و در انتها نیز نحوه عملکرد مدل با یک مثال عددی و حل آن با نرم افزارهای MATLAB3 و GAMS مورد بررسی قرار گرفته است. نتایج نشان می دهند که الگوریتم NSGA-II پیشنهادی دارای عملکرد قابل قبولی در مدت زمان مناسبی می باشد. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  2 - A Multi-Objective Green Supply Chain: Multi-Product Model Considering Uncertainty
  D. Khodadadian R. Radfar A. Tolooei Eshlaghi‎
  10.30495/ijim.2022.19857
  The purpose of this research is to provide a mathematical model for designing the purchase, production, and distribution in a multi-level and multi-product supply chain network such that the environmental impact and total costs of supply chain is minimized and the custo أکثر

  The purpose of this research is to provide a mathematical model for designing the purchase, production, and distribution in a multi-level and multi-product supply chain network such that the environmental impact and total costs of supply chain is minimized and the customers' satisfaction level is maximized. According to the results, the proposed NSGAII is a reliable method to find efficient Pareto frontiers in a reasonable time. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  3 - Optimal Placement of Phasor Measurement Units to Maintain CompleteObservability Considering Maximum Reliability by Non-dominated Sorting Genetic Algorithm-II (NSGA-II)
  bahman taheri Farzad Ghasemzade Payam Farhadi
  Ever-increasing energy demand has led to geographic expansion of transmission lines and their complexity. In addition, higher reliability is expected in the transmission systemsdue to their vital role in power systems. It is very difficult to realize this goal by conven أکثر

  Ever-increasing energy demand has led to geographic expansion of transmission lines and their complexity. In addition, higher reliability is expected in the transmission systemsdue to their vital role in power systems. It is very difficult to realize this goal by conventional monitoring and control methods. Thus, phasor measurement units (PMUs) are used to measure system parameters. Although installation of PMUsincreases the observability and system reliability, high installation costs of these devices requireplacing them appropriately in proper positions. In this research, multi-objective placement of PMUs with the aims of improving investment and risk costs in power systems is performed along with observability constraint. Then, PMU placement problem is solved as an optimization problem using Non-dominated Sorting Genetic Algorithm-II (NSGA-II). Finally, the performance of the proposed method is tested on standard IEEE 24-bus test system and Roy Billiton IEEE 31-bus test system. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  4 - طراحی چندهدفه زنجیره تأمین چابک و ارزشی با رویکرد الگوریتم ژنتیک چندهدفه
  حسین علی حسن‌پور مرتضی جبله
  یک محصول هنگامی که در تعداد مناسب و به موقع و در زمان مناسب به مشتری تحویل داده شود با ارزش است. امروزه، شرکت ها و مردم با چالش های چابکی و ارزش های محوری روبرو هستند که استفاده از هر دو رویکرد و ترکیب آنها در مدل تحلیلی زنجیره تأمین و ادبیات پیشین وجود ندارد. در این پژ أکثر

  یک محصول هنگامی که در تعداد مناسب و به موقع و در زمان مناسب به مشتری تحویل داده شود با ارزش است. امروزه، شرکت ها و مردم با چالش های چابکی و ارزش های محوری روبرو هستند که استفاده از هر دو رویکرد و ترکیب آنها در مدل تحلیلی زنجیره تأمین و ادبیات پیشین وجود ندارد. در این پژوهش یک مطالعه مبتنی بر مدل سازی عدد صحیح خطی در زمینه طراحی شبکه زنجیره تأمین برای رسیدگی به این شکاف تحقیقاتی انجام شده است. زنجیره تأمین مورد نظر در سه سطح تولیدکنندگان، توزیع کنندگان و مشتریان به صورت چندهدفه، چندمحصولی و چنددوره ای ارائه شده است. توابع هدف شامل حداکثرسازی چابکی و ارزش های محوری است. برای حل مدل ریاضی از نرم افزار گمز استفاده شده است. سپس الگوریتم ژنتیک چندهدفه با مرتب سازی نامغلوب اعضای جمعیت ارائه شد و برای اعتبارسنجی الگوریتم پیشنهادی نتایج آن با حل دقیق مقایسه شده است. در پایان، نتایج مورد تحلیل قرار گرفته است. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  5 - Modelling and optimization of a tri-objective Transportation-Location-Routing Problem considering route reliability: using MOGWO, MOPSO, MOWCA and NSGA-II
  Fariba Maadanpour Safari Farhad Etebari Adel Pourghader Chobar
  10.22094/joie.2020.1893849.1730
  In this research, a tri-objective mathematical model is proposed for the Transportation-Location-Routing problem. The model considers a three-echelon supply chain and aims to minimize total costs, maximize the minimum reliability of the traveled routes and establish a w أکثر

  In this research, a tri-objective mathematical model is proposed for the Transportation-Location-Routing problem. The model considers a three-echelon supply chain and aims to minimize total costs, maximize the minimum reliability of the traveled routes and establish a well-balanced set of routes. In order to solve the proposed model, four metaheuristic algorithms, including Multi-Objective Grey Wolf Optimizer (MOGWO), Multi-Objective Water Cycle Algorithm (MOWCA), Multi-objective Particle Swarm Optimization (MOPSO) and Non-Dominated Sorting Genetic Algorithm- II (NSGA-II) are developed. The performance of the algorithms is evaluated by solving various test problems in small, medium, and large scale. Four performance measures, including Diversity, Hypervolume, Number of Non-dominated Solutions, and CPU-Time, are considered to evaluate the effectiveness of the algorithms. In the end, the superior algorithm is determined by Technique for Order of Preference by Similarity to Ideal Solution method. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  6 - A multi-objective evolutionary approach for integrated production-distribution planning problem in a supply chain network
  Keyvan Sarrafha Abolfazl Kazemi Alireza Alinezhad
  Integrated production-distribution planning (PDP) is one of the most important approaches in supply chain networks. We consider a supply chain network (SCN) to consist of multi suppliers, plants, distribution centers (DCs), and retailers. A bi-objective mixed integer li أکثر

  Integrated production-distribution planning (PDP) is one of the most important approaches in supply chain networks. We consider a supply chain network (SCN) to consist of multi suppliers, plants, distribution centers (DCs), and retailers. A bi-objective mixed integer linear programming model for integrating production-distribution designed here aim to simultaneously minimize total net costs in supply chain and transfer time of products for retailers. From different terms of evolutionary computations, this paper proposes a Pareto-based meta-heuristic algorithm called multi-objective simulated annealing (MOSA) to solve the problem. To validate the results obtained, a popular algorithm namely non-dominated sorting genetic algorithm (NSGA-II) is utilized as well. Since the solution-quality of proposed meta-heuristic algorithm severely depends on their parameters, the Taguchi method is utilized to calibrate the parameters of the proposed algorithm. Finally, in order to prove the validity of the proposed model, a numerical example is solved and conclusions are discussed. تفاصيل المقالة