بررسی مدل احتمالی چندهدفه برای مساله زنجیره تامین حلقه بسته پایدار با در نظرگرفتن مسیریابی وسایل نقلیه با استفاده از الگوریتم های نوین و ترکیبی فراابتکاری

اخیرا نگرانی ها در خصوص اثرات زیست محیطی و اجتماعی در فعالیت های تجاری افزایش یافته است. در حالی که بیشتر مقالات در زمینه ی طراحی شبکه زنجیره تامین به عملکرد اقتصادی تمرکز دارند، اخیرا برخی مطالعات ابعاد زیست محیطی و اجتماعی را نیز مورد توجه قرار گرفته است. با این حال هنوز هم شکاف هایی در مدل سازی اثرات اجتماعی بهمراه اثرات زیست محیطی و هم چنین اقتصادی احساس می شود. در این مطالعه یک مدل احتمالی چند هدفه برای طراحی شبکه لجستیک حلقه بسته پایدار تحت عدم قطعیت ارائه می شود. اهداف این مدل کاهش هزینه، افزایش اثرات اجتماعی و کاهش اثرات زیست محیطی می باشد. سپس مدل نه تنها با استفاده از الگوریتم های فرابتکاری مشهور نظیر الگوریتم ژنتیک و تبرید شبیه سازی شده حل می شود بلکه الگوریتم جدید بهینه سازی نهنگ همراه با روش بهبود یافته ی ترکیبی آن نیز برای حل استفاده شده است. با بررسی آزمایشات مختلف و مسائل طراحی شده، کارایی الگوریتم ها با هم مقایسه شده اند. نتایج نشان از اثربخشی الگوریتم جدید ترکیبی بهینه سازی نهنگ می دهد.

MultiObjective Closedloop Supply Chain Considering Vehicles and Solving by New Approaches in Metaheuristics

Recently, concerns have been raised about the environmental and social impacts of commercial activities. Also, most papers on the design of the supply chain network, focus on economic performance. Recently, some studies have considered environmental and social dimensions. There are still some gaps in modelling social impacts along with environmental and economic impacts. In this study, a multiobjective probabilistic model for designing a sustainable closedloop logistics network is presented under uncertainty. The goals of this model consist of cost reduction, increasing social impact and decreasing environmental impacts. Then the model was solved not only using wellknown Metaheuristic algorithms including genetic algorithm and Simulated Annealing (SA) algorithm, but also new whale optimization algorithm along with its improved combination method was used. Performance of algorithms was compared through examining different experiments and designed test problems. They compared in different situations and some important criteria. The results show the superiority of the whale optimization algorithm.