ارائه مدل بهینه‌سازی استوار پویا برای مساله مسیریابی-زمانبندی در لجستیک بشردوستانه و حل آن با استفاده از الگوریتم فراابتکاری گروه‌بندی (مطالعه موردی: زلزله تهران)

هر ساله بحران‌های طبیعی مختلف، تعداد زیادی از افراد سراسر دنیا را تحت تاثیر خود قرار می‌دهند. بعد از وقوع یک بحران، ارسال منابع امدادی از طریق لجستیک امداد سریع و کارا مهم‌ترین اقدام برای کاهش درد و رنج افراد تحت تاثیر است. سرعت و کارایی برنامه‌های امدادی به توانایی لجستیک در تهیه، دریافت، انتقال و توزیع موجودی‌ها به مناطق آسیب‌پذیر بستگی دارد. تصمیم‌گیری در زمان وقوع بحران معمولاً بر اساس تجربه صورت می‌گیرد. از اینرو، فراهم کردن یک ابزار کارآمد برای مدیریت عملیات‌های بشردوستانه مهم است. در این مقاله دوتا از اصلی‌ترین تصمیمات لجستیکی در زمان وقوع بحران، یعنی مسیریابی و زمانبندی وسایل نقلیه برای توزیع منابع به نقاط آسیب‌دیده مورد توجه قرار گرفته است. برای این منظور یک مدل برنامه‌ریزی ریاضی پویا، چند کالایی، چند انبار، چند سفره تحت شرایط عدم قطعیت توسعه داده شده است که همزمان چندین ویژگی مهم مسائل دنیای واقعی را دربر می‌گیرد. برنامه‌ریزی چند دوره‌ای استفاده شده این امکان را برای برنامه‌ریزان فراهم می‌کند که در صورت هر گونه تغییر در پارامترها، برنامه‌های لجستیکی را با در نظر گرفتن وقایع جدید و اقدامات انجام شده قبلی به‌هنگام نموده و بر کارایی برنامه‌ریزی‌های انجام شده بیافزاید. در نتیجه پیچیدگی مدل بیان شده، یک الگوریتم فراابتکاری گروه‌بندی برای حل‌ مساله بیان شده و برای نخستین بار مساله از دیدگاه گروه‌بندی دیده می‌شود. برای ارزیابی درست‌نمایی و کارایی مدل‌ ارائه شده، مطالعه موردی از کلان‌شهر تهران ارائه شده است. یافته‌ها، کاربردی بودن مدل‌ بیان شده را برای حل مسائل واقعی نشان می‌دهند.

A dynamic robust optimization model for the routing-scheduling problem in humanitarian logistics and its solution via grouping metaheuristic algorithm (case study: Tehran earthquake)

Every year, various natural disasters affect many people around the world. After a disaster occurs, it is critical to dispatch relief resources through efficient emergency logistics distribution so as to alleviate death and suffering of victims. The velocity and efficiency of relief operations depend on logistics capabilities in procurement, receipt, transmission and distribution goods to affected areas. Decisionmaking at times of a disaster is usually done based on experience. Hence, it is essential that an effective tool is provided in order to manage humanitarian logistics operations. In this paper, two of the main relief logistics decisions are considered in the distribution of resources to the affected areas to include scheduling and routing decisions. For this purpose, a dynamic, multicommodity, multidepot, multitrip linear mathematical programming model is developed under conditions of uncertainty that simultaneously captures many important aspects relevant to the real world. Multiperiod planning provides possibilities for planners to adjust plans respect to new events and past actions as more information becomes available and improve the effectiveness of plans. Since the proposed model has its own complexities, a grouping metaheuristic algorithm is presented and this is the first time that the problem is viewed from a grouping perspective. To evaluate the validity and efficiency of the proposed model, a case study for the megacity of Tehran is presented. The findings demonstrate the applicability of the presented model to solve real problems.