ارائه مدل بهینه‌سازی استوار برای طراحی شبکه زنجیره‌تامین حلقه بسته سبز کالاهای فاسدشدنی

آلودگی هوا و انتشارگاز co2، یک مساله مهم جهانی است، و کاهش انتشار کربن یکی از مهم‌ترین اهداف است. در زنجیره‌تامین محصولات فسادپذیر، تحویل و توزیع موضوع بسیار مهمی است، که همواره بسیاری از پژوهشگران به آن توجه نموده‌اند. در این پژوهش برای مدل‌سازی زنجیره‌تامین سبز، برنامه‌ریزی خطی عدد صحیح مختلط استفاده نموده‌ایم، که شامل دو تابع هدف بیشینه‌سازی سود و کمینه‌سازی انتشار گاز co2 است. به‌دلیل بروز پدیده‌های تصادفی، پارامترهای هزینه و قیمت به‌صورت غیرقطعی است که از رویکرد بهینه‌سازی استوار استفاده نموده‌ایم، و یک مدل جدید بهینه‌سازی استوار ارائه نمودیم. این مساله در دسته مسائل ان پی هارد است و روش حل دقیق در ابعاد بزرگ کارآمد نیست. برای حل دقیق مساله روش اپسیلون محدودیت و برای حل در ابعاد بزرگ الگوریتم‌های فراابتکاری ژنتیک مرتب‌سازی غیرمسلط، شبیه‌سازی تبرید چندهدفه و بهینه‌سازی ازدحام ذرات چندهدفه استفاده شد. به‌منظور دستیابی به بهترین و دقیق‌ترین جواب‌ها در الگوریتم‌های فراابتکاری، پارامترها با کمک طراحی آزمایش تاگوچی، تنظیم شد. باتوجه به نتایج حاصل از آزمون‌های محاسباتی، میانگین اختلاف با جواب بهینه 0/2 تا 0/8 درصد و در مدل‌های استوار 0/7 تا 0/9 درصد است، این مقدار قابل قبول است. کمترین زمان اجرا به‌ترتیب مربوط به الگوریتم شبیه‌سازی تبرید چندهدفه، ژنتیک مرتب‌سازی غیرمسلط و بهینه‌سازی ازدحام ذرات چندهدفه است، و کارآمدی این الگوریتم‌ها باتوجه به معیارهای استاندارد چندهدفه‌ تفاوت معنی‌داری ندارند

a robust optimization model for designing of green close loop supply chain of perishable products

air pollution and co2 emissions are important global issues, and reducing carbon emissions is one of the most important goals. in the supply chain of perishable products, delivery and distribution are significant issues, which many researchers have always paid attention to. in this research, we have used mixed integer linear programming to model the green supply chain, which includes two objective functions profit maximization and co2 emission minimization. due to the occurrence of uncertainties, cost and price are uncertain, we have used the robust optimization approach, and presented a new robust optimization model. this problem is included in np-hard problems and the exact method is not efficient in large dimensions. the exact solution method of the constraint epsilon, and for the large-scale problems, meta-heuristic algorithms of nsga, mosa and mopso were used. in order to obtain the best and most accurate solutions in meta-heuristic algorithms, the parameters were adjusted with the help of taguchi's design. according to the results of validity tests, the average difference with the optimal solution is 0.2 to 0.8% and in robust models, it is 0.0.7 to 0.9%, which is acceptable. the lowest execution time is related to the mosa algorithm, nsga and mopso respectively, and the efficiency of these algorithms is not significantly different according to the standard multi-objective criteria.