طراحی شبکه مکان‌یابی محور قابل اعتماد تحت اختلال گسترده با امکان برقراری ارتباط مستقیم بین غیر‌محورها

مکان یابی صحیح تسهیلات اثرات زیادی بر منافع اقتصادی، ارائه خدمات مطلوب و افزایش سطح رضایت مندی مشتریان دارد.  تصمیم در مورد مکان تسهیلات عمدتاً از تصمیم گیری های بلند مدت و استراتژیک شرکت های بزرگخصوصی و دولتی است و در مکان یابی تسهیلات؛ قابلیت اطمینان امر مهمی است که در هنگام اخذ این تصمیم استراتژیک باید مدنظر قرار گرفته شود تا در صورت عدم کارکرد یا خرابی یکی از اجزاء، سیستم با کم ترین زیانی به کارکرد خود ادامه دهد.در این مقاله برای اولین بار مدل عددصحیح غیرخطی برای مسئله مکان یابی محور با تخصیص تک تحت اختلال ارائه شده است که به منظور افزایش قابلیت اطمینان علاوه بر درنظر گرفتن محور پشتیبان و مسیرهای جایگزین از رویکرد تقویت استفاده شده است، در حالی که امکان برقراری ارتباط مستقیم بین گره های غیر محور وجود دارد. به دلیل دشوار بودن حل مسئله، از الگوریتم ژنتیک جهت حل استفاده شده است و نتایج محاسباتی نشان می دهد که الگوریتم ژنتیک از نظر سرعت حل عملکرد بهتری نسبت به گمز دارد، هم چنین جواب هایی با کیفیت عالی ارائه می دهد. نتایج آنالیز حساسیت نشان می دهد که در نظر گرفتن رویکرد تقویت باعث کاهش در هزینه کل شده است.

Design of a Reliable Hub Location Network under Massive Disruption with Direct Connections between Non–Hub Nodes

The optimal locating of facilities has large effects on economic benefits, providing satisfactory service and levels of customer satisfaction.The decision of facilities location mostly is a longterm and strategic decision of the large private and public companies and reliability is important to make this strategic decision so that the system continues to operate with the least damage in case of stop working or failure of one of the components. This paper at the first time proposes a nonlinear integer model for reliable single allocation hub location problem that considers backup hub, alternative routes, and also uses fortification approach to improve the network reliability, while there is the possibility of direct connection between nonhub nodes . Due to the NP hard nature of the model, genetic algorithm is use in order to solve the defined problem and the numerical results illustrate the genetic algorithm has better performance than the GAMS in terms of speed , it also shows great quality answers. The results of the sensitivity analysis show that considering the protection approach has reduced the total cost.