انتخاب تامین‌کننده و تخصیص سفارش در شرایط عدم قطعیت و اختلال با استفاده از الگوریتم‌های تکاملی (مطالعه موردی: شرکت پشتیبانی اقلام عمومی ایثار)

مدیریت زنجیره تامین تاب آور یکی از رویکردهای نوین در مدیریت زنجیره تامین و یک مزیت رقابتی برای سازمان‌ها تلقی می‌شود. هدف از این تحقیق ارائه یک مدل ترکیبی جهت انتخاب تامین‌کننده و تخصیص سفارش در شرایط عدم قطعیت می‌باشد که در آن‌یک مدل برنامه‌‌ریزی عدد صحیح غیرخطی دو هدفه‌‌ برای بهینه‌‌سازی زنجیره تامین اقلام عمومی ارائه‌شده است که در آن تمام پارامترهای توابع هدف و محدودیت‌‌ها به‌صورت غیرقطعی در نظر گرفته‌شده است. روش حل بدین گونه است که ابتدا اوزان مناسب معیارها و زیرمعیارهای مرتبط برای تولیدکنندگان با استفاده از معیارهای سازمان از طریق روش تصمیم‌‌گیری چند معیاره بدست می‌‌آید. این اوزان داده‌های ورودی به مدل ریاضی پیشنهادی را ایجاد می‌‌کند. مدل ریاضی ارائه‌شده در قالب یک مطالعه موردی با استفاده از نرم‌‌افزار gams حل‌شده است. سپس دو الگوریتم فرا ابتکاری چندهدفه شامل الگوریتم ژنتیک و بهینه‌سازی ذرات با مرتب‌‌سازی نامغلوب ارائه‌شده است و برای اعتبارسنجی، نتایج آن‌‌ها با نرم‌‌افزار دقیق مقایسه شده است. جواب‌‌های الگوریتم‌‌های فرا ابتکاری نسبت به جواب‌‌های gams برای مسائل مختلف، نشان دهنده اختلاف کم‌‌تر از 2.5 درصد است. این نتایج بیانگر آن است که  الگوریتم‌‌های پیشنهادی همگرا به جواب بهینه و کارا می‌‌باشند.

Supplier selection and order allocation under uncertainconditions using evolutionary algorithms(case study: Isar general items support company)

Supply Chain Management is one of the new approaches in supply chain management anda competitive advantage for organizations. The purpose of this research is to present a hybridmodel for supplier selection and order allocation under uncertainty in which a twoobjectivenonlinear integer programming model is presented to optimize the general supply chain whereall parameters of objective functions and constraints are presented. It is considered uncertain.The method of solving this is that the appropriate weights of the relevant metrics and subcriteriafor the producers are first obtained by using the organization’s criteria through the multicriteriadecision making method. These weights provide input to the proposed mathematical model. Themathematical model presented is solved as a case study using GAMS software. Then, two multiobjectivemetaheuristic algorithms, including genetic algorithm and particle optimizationalgorithm with inappropriate sorting, are presented and their results are compared with accuratesoftware for validation. The responses of the metaalgorithms to the GAMS solutions fordifferent problems are less than 2.5%. These results show that the proposed algorithms convergeto the optimal and efficient solution