ارائه یک مدل ریاضی چندهدفه مکان‌یابی، تخصیص و توزیع کالاهای امدادی در شرایط عدم قطعیت

در این مقاله، تصمیمات مربوط به فازهای مختلف چرخه مدیریت بحران در قالب یک مدل برنامه‌ریزی ریاضی یکپارچه با فرض شرایط واقعی بحران مدل‌‌سازی می‌شود. اهداف، کمینه‌سازی تعداد افراد مجروح خدمت‌دهی نشده و کمینه‌‌سازی هزینه های امدادی در مناطق آسیب دیده هستند. بهینه سازی همزمان مسائل مکانیابی پایگاه های امداد، تخصیص منابع، توزیع و ارسال کالاهای امدادی و تخلیه مجروحین( شرایط قبل و بعد از بحران) از جمله نوآوری های این پژوهش می باشد. از این رو سناریوهایی بر اساس گسل های موجود (چهار گسل) در منطقه یک کلان شهر تهران در نظر گرفته شده است. در این پژوهش ابتدا یک مدل برنامه‌ریزی عددصحیح صفر و یک را ارائه می‌کنیم. برای اعتبارسنجی مدل، در ابعاد کوچک از روش محدودیت اپسیلون در محیط نرم افزاری گمز با حل کننده cplex حل شده است. برای حل مسئله در ابعاد بزرگ یک مطالعه موردی را با استفاده از داده‌های پایگاه‌های امداد رسان در منطقه یک شهر تهران بررسی می کنیم. مطالعه موردی نیز با استفاده از رویکرد ژنتیک با مرتب سازی نامغلوب مورد بررسی قرار گرفته است. نتایج تحقیق بیانگر آن است که رویکرد ژنتیک با مرتب سازی نامغلوب با کمترین خطا نسبت به حل دقیق و زمان کمتر قادر حل مدل خواهد بود.

MultiObjective Mathematical Model for Location, Allocation and Distribution of Relief Commodities under Uncertainty

In this paper, decisions about different phases of crisis management cycle are modeled in the form of an integrated mathematical programming model based on the assumption of the real situation of the crisis. Goals are minimizing the number of injured people who are not serviced and minimizing the cost of relief supplies in affected areas. Simultaneous optimization of locating problems of relief bases, allocation of resources, distribution and delivery of relief supplies and evacuation of injured (pre and postcrisis situations) are among the innovations of this research. Therefore, scenarios based on existing faults (four faults) in region one of city of Tehran are considered. In this study, first, we present a binary integer programming model. To validate the model, the Epsilon Constraint method in software environment of GAMS with the CPLEX solver has been used to solve the problem in small scale. To solve the problem in large scale, we have investigated a case study using the data of relief bases in region one of Tehran city. The case study was also investigated using nondominant sorting Genetic approach. The results of the research show that the nondominant sorting Genetic approach can solve the model with the least error than the exact solution and in less time.