ارایه خدمت تخصیص کالاها به وسائل حمل از کارخانه به شعب توزیع

مسئله حمل‌ کالا با هزینه ثابت گسترش یافته مسئله حمل‌ و نقل عمومی است. در این مسئله تخصیص وسائط حمل به مسیرها جهت ارسال چند محصول یک شرکت تولیدی در پاسخ به تقاضا به محل‌های تقاضا یا شعب توزیع نیز مطرح می باشد. به منظور یافتن جواب مسئله، کمینه کردن کل هزینه حمل شامل دو نوع هزینه ثابت و هزینه های متغییر با مکانیزم تخفیف به عنوان هدف در نظر گرفته ایم. بواسطه ترکیبی بودن جوابها ابتدا مسئله در قالب یک مدل برنامه ریزی ریاضی فرموله شد. مدل ریاضی توسعه داده شده حسب ساختار مسئله یک مدل برنامه ریزی ریاضی با متغییرهای مختلط صحیح و صفر و یک است که در زمره مدلهای غیر پولی نومیال سخت دسته بندی می شود. از اینرو روشهای حل کلاسیک مانند الگوریتم های شاخه و حد و روشهای حل مدل برنامه ریزی پویا تنها قادر به یافتن جواب مسئله در کاربردهای مسائل کلاسیک هستند و توان یافتن جواب را در یک زمان معقول محاسباتی برای مسائلی که در دنیای واقعی مطرح می شوند ندارند.به عبارت دیگر زمان محاسباتی حل مسئله باروشهای کلاسیک تابعی نمائی از تعداد متغییرهای تصمیم است به نحوی که در اکثر مواقع حل مسئله دنیای واقعی با استفاده از الگوریتم کلاسیک می‌ تواند حتی تا 10 به توان 100 سال به‌ طول بیانجامد.از اینرو به توسعه روشهای حل مدل در چارچوب الگوریتم های ابتکاری و فرا ابتکاری مبادرت گردید. بر این اساس یک روش فرا ابتکاری از ترکیب الگوریتم ژنتیک درخت پوشا و جستجوی هارمونیک کلونی مورچگان و یک روش ابتکاری را برای حل مدل برنامه ریزی ریاضی توسعه داده شد.به منظور تحلیل کارائی محاسباتی الگوریتم های توسعه داده شده، از بعد دستیابی به جواب بهینه و یا نزدیک به بهینه و زمان محاسباتی، طرح ازمایش اماری را به کار گرفته و با تولید مسائل به صورت تصادفی در گروههای کوچک، متوسط و بزرگ روشهای توسعه داده شده با روش حل کلاسیک و الگوریتم ژنتیک درخت پوشا و الگوریتم جستجوی هارمونی کلونی مورچگان به محک ازمایش قرارگرفت.در نتیجه مشاهده گردید که استفاده از روش فرا ابتکاری ترکیبی ژنتیک باکلونی مورچه ها پاسخ های نزدیک به بهینه را در زمان محاسباتی مناسب ارائه می کند. در نهایت مدل و روشهای حل توسعه داده شده برای حل مسئله توزیع محصولات در شرکت رامک به کار گرفته شد.

development of an algorithm for allocating vehicles to rout for transporting goods from a manufacturer to its depots, to minimize the transportation costs (case study: ramak dairy inc.)

the problem of the transportation of goods at an extended fixed cost is the problem of public transportation. in this study, the allocation of means of transportation to the routes to send several products of a manufacturing company in response to demand to demand locations or distribution branches is also discussed. in order to find the answer to the problem, we have minimized the total shipping cost, including two types of fixed costs and variable costs with a discount mechanism. due to the combination of answers, the problem was first formulated in the form of a mathematical planning model. the mathematical model developed according to the structure of the problem is a mathematical programming model with correct and zero and one mixed variables, which is classified as a hard non-monetary model. therefore, classical solution methods such as branch & bound algorithms and dynamic programming model solution methods are only able to find the answer to the problem in the applications of classical problems and the ability to find the answer in a reasonable computational time for problems that in the real world, they are not. in other words, the computational time of problem solving with classical methods is a function of the number of decision variables, so that in most cases real-world problem solving using the classical algorithm can take up to 10 to the power of 100 years. therefore, we proceeded to develop model solving methods in the framework of innovative algorithms and innovative ovens. based on this, we developed a meta-experimental method combining the genetic algorithm of the spanning tree and the ant colony harmonic search and an innovative method to solve the mathematical programming model. in order to analyze the computational efficiency of the developed algorithms, in order to achieve the optimal or near-optimal answer and computational time, the statistical test design is used and by generating problems randomly in small, medium and large groups, the developed methods are developed. we tested the ant colony genetic algorithm and the ant colony harmony search algorithm with the classical solution method and the genetic algorithm. as a result, it was observed that the use of meta-innovative genetic combination method with ant colony provides near-optimal responses at appropriate computational times. finally, we used the developed model and solution methods to solve the problem of product distribution in ramek company.