یک مدل مکان‌یابی-مسیریابی هاب دوهدفه تصادفی برای مساله طراحی شبکه‌های ریلی تندرو

این مطالعه به توسعه‌ی یک مدل مکان یابی-مسیریابی هاب دو هدفه ی تصادفی برای مساله ی طراحی شبکه ی ریلی تندرو می‌پردازد. به دلیل استفاده از سیستم های ریلی تندرو در هر دوی زیرشبکه های سطح هاب (شبکه ی میان گره های هاب) و سطح غیرهاب (اسپک یا شبکه ای که گره های غیرهاب را به یکدیگر و به گره های هاب متصل می کند)، تصمیم گیری درخصوص مکان یابی گره های هاب، گره‌های غیرهاب، یال های هاب و یال‌های غیرهاب، تخصیص گره‌های غیرهاب به گره‌های هاب و تعیین خطوط حرکت هاب، خطوط حرکت غیرهاب، درصد تقاضاهای خدمت‌دهی ‌شده و نحوه‌ی مسیریابی جریان از طریق خطوط شبکه به طور همزمان صورت می گیرد. عدم قطعیت برای تقاضاها درنظر گرفته شده که با مجموعه ی محدودی از سناریوها نشان داده می شوند. مساله با روش مدل سازی تصادفی دومرحله ای فرموله شده است. اهداف مساله بیشینه سازی امیدریاضی سود خالص کل و کمینه‌سازی امید ریاضی زمان خدمت کل می باشد. عملکرد مدل پیشنهادی از طریق آزمایشات محاسباتی با استفاده از مجموعه داده ی شناخته شده ی پست استرالیا ارزیابی گردید. نتایج محاسباتی اهمیت درنظر گرفتن مدل تصادفی و اهداف متضاد سود و زمان را برای مساله تایید نمودند. برخی بینش‌های مدیریتی نیز از طریق تجزیه‌وتحلیل شبکه‌های حاصل تحت تنظیمات مختلف پارامترها و بررسی چگونگی تاثیر این تنظیمات بر ویژگی‌های جواب‌های حاصل و تعاملات بین جنبه های مختلف مساله ی تصمیم گیری پیچیده ی مورد مطالعه، ارائه گردید

a bi-objective stochastic hub location-routing model for the railway rapid transit network design

this study focuses on the development of a stochastic bi-objective hub location-routing model for a railway rapid transit network design problem. due to the use of railway rapid transit systems in the hub-level sub-network (i.e., the network among the hub nodes) and the spoke-level sub-network (i.e., the network that connect spoke nodes to each other and to hub nodes), the decisions to make concern the location of hub nodes, spoke nodes, hub edges and spoke edges, and the determination of hub and spoke lines, the percentage of satisfied demands, and the way of routing the demands, simultaneously. uncertainty is assumed for demands represented by a finite set of scenarios. the problem is formulated through a two-stage stochastic modeling framework. the aim is to maximize the total expected profit and to minimize the total expected service time. the performance of the model is evaluated through computational tests using the well-known ap dataset. the computational results confirm the importance of considering the stochastic model and the conflicting profit and time objectives for the given problem. some managerial insights are also provided through the analysis of the resulting networks under various parameter settings and the investigation of the effect of these settings on the characteristics of the obtained solutions and the interactions among the different aspects of the studied complex decision problem