مقدمه و هدف پژوهش: هدف تحقیق حاضر طراحی مدل چند هدفه فازی شبکه زنجیره تامین حلقه بسته در صنعت خودرو با رویکرد مدیریت شهری می‌باشد. تولید خودرو فرآیندی پیچیده و پرانرژی است که مقدار قابل توجهی مواد اولیه و آب را مصرف می‌کند. برای ادامه رقابت، تولیدکنندگان تجهیزات اصلی خودرو باید با بهبود مستمر روند تولید خود و هدایت تولید گازهای گلخانه ای با میزان کم کربن و افزایش پایداری، برای کیفیت بهتر محصول تلاش کنند. در همین راستا شبکه های زنجیره تامین معکوس و زنجیره های حلقه بسته دارای ویژگی های خاصی هستند که در صنعت مورد بررسی بسیار مفید می‌باشد. روش پژوهش: در تحقیق حاضر به منظور رسیدن به اهداف تحقیق از روش تحقیق کمی استفاده خواهد شد و براساس هدف به صورت کاربردی تعریف شده است. در این مطالعه، از روش MOPSO برای تسهیل اجرای آن و توانایی آن در ارائه هم‌گرایی خوب و همچنین الگوریتم ژنتیک NSGA II استفاده می‌کنیم. یافته‌ها: در بررسی یافته های الگوریتم های پیشنهادی مشخص شد که میانگین خطای حاصل از این الگوریتم‌ها کمتر از 04/0 است. همچنین نتایج نشان می‌دهد که الگوریتم های پیشنهادی کارایی لازم را در حل این مسائل دارند نتیجه گیری:نتایج قابل توجه مدل خود را چنین ذکر می‌کنیم: (1) شبکه ی حلقه بسته ی کارآمدی که مزایای اقتصادی با توجه به در نظر گرفتن ارزش زمان را با توجه به بازیافت محصول فرسوده نشان می‌دهد. (2) این توانایی را دارد که ظرفیت را برای دستیابی به حداکثر مزایا از نظر ارزش هزینه و نیز چشم انداز محیطی نشان دهد که چه ظرفیتی را باید حفظ کند. Manuscript profile

This paper studies the hybrid flow shop scheduling where the optimization criterion is the minimization of total tardiness. First, theproblem is formulated as a mixed integer linear programming model. Then, to solve large problem sizes, an artificial immune algorithmhybridized with a simple local search in form of simulated annealing is proposed. Two experiments are carried out to evaluate the modeland the algorithm. In the first one, the general performance of the model and the proposed algorithm is experimented. In the next one, thepresented algorithm is compared against some other algorithms. The results support high performance of the proposed algorithm. Manuscript profile

Task assignment problem (TAP) involves assigning a number of tasks to a number of processors in distributed computing systems and its objective is to minimize the sum of the total execution and communication costs, subject to all of the resource constraints. TAP is a combinatorial optimization problem and NP-complete. This paper proposes a hybrid meta-heuristic algorithm for solving TAP in a heterogeneous distributed computing system. To compare our algorithm with previous ones, an extensive computational study on some benchmark problems was conducted. The results obtained from the computational study indicate that the proposed algorithm is a viable and effective approach for the TAP. Manuscript profile