ارایه یک مدل چند هدفه به منظور توسعه مکان‌یابی انبارها از طریق الگوریتم بهینه‌سازی ازدحام ذرات در شرکت آرتاویل تایر

محورهای موضوعی : مطالعات توسعه اجتماعی ایران

حجت الله درخشان ¹ , حسن مهرمنش ² , عارفه فدوی ³

1 - دانشجوی دکتری مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
2 - استادیار گروه مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران (نویسنده مسئول).
3 - استادیار گروه مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران

تاریخ دریافت : 1400/02/26 تاریخ پذیرش : 1400/03/31 تاریخ انتشار : 1386/10/01

کلید واژه: بهینه سازی, الگوریتم ازدحام ذرات, آرتاویل, مکان‌یابی,

چکیده مقاله :

این پژوهش با هدف ارایه یک مدل چند هدفه به منظور مکان‌یابی انبارها از طریق الگوریتم بهینه سازی ازدحام ذرات در شرکت آرتاویل تایر به رشته تحریر در آمده است. پژوهش حاضر از حیث هدف کاربردی بوده و از نظر ماهیت تحقیق و گردآوری داده‌ها پیمایشی و از شاخۀ توصیفی می باشد. ابزار گردآوری داده‌ها از نوع اسناد، مدارک و مصاحبه با خبرگان می‌باشد. و همچنین متناسب با این‌که پژوهش به دنبال مکان‌یابی انبار با استفاده از الگوریتم بهینه سازی ازدحام ذرّات بوده، پژوهش از نوع پیش‌بینی است. با توجّه به اینکه این مسئله در رده بندی مسائل Hard-PN قرار می گیرد، برای حل آن از یک روش فرا ابتکاری بر مبنای روش بهینه‌سازی الگوریتم ازدحام ذرّات استفاده می‌شود. برای ارزیابی عملکرد الگوریتم پیشنهادی، از دو الگوریتم بهینه‌سازی گروه ذرّات و ژنتیک به عنوان الگوریتم‌های معیار استفاده شده است. الگوریتم های پیشنهادی و بهینه‌سازی گروه ذرات، در محیط 7.5 Matlab برنامه‌نویسی و الگوریتم ژنتیک با استفاده از جعبه ابزار نرم‌افزار 7.5 Matlab پیاده‌سازی شده است. طبق نتایج به دست آمده در این تحقیق مشخّص شد که استفاده از الگوریتم ازدحام ذرّات برای حل مسئله مسیریابی وسایل نقلیه می‌تواند میزان تابع هدف و همچنین مجموع مسیرهای پیمایش شده توسط وسایل نقلیه را بهبود ببخشد.

چکیده انگلیسی:

This research has been written with the aim of presenting a multi-objective model for locating warehouses through the particle swarm optimization algorithm in Artaville Tire Company. The present study is applied in terms of purpose and in terms of the nature of research and data collection is a survey and descriptive branch. Data collection tools are documents, documents and interviews with experts. Also, considering that the research seeks to locate the warehouse using the particle swarm optimization algorithm, the research is of a predictive type. Given that this problem falls into the category of Hard-PN problems, a supra-innovative method based on the particle swarm optimization algorithm is used to solve it. To evaluate the performance of the proposed algorithm, two particle group optimization algorithms and genetics have been used as benchmark algorithms. The proposed algorithms and particle group optimization are implemented in 7.5 Matlab programming environment and the genetic algorithm is implemented using Matlab 7.5 software toolbox. According to the results of this study, it was found that the use of particle swarm algorithm to solve the problem of vehicle routing can improve the amount of objective function as well as the total number of routes traveled by vehicles.