مکان یابی تسهیلات نامطلوب با استفاده از روش آزادسازی لاگرانژ

از یک دیدگاه کلی می‌توان مسایل مکان‌یابی را در دو دسته‌ی مکان‌یابی تسهیلات مطلوب و تسهیلات نامطلوب بررسی نمود. در مکان‌یابی تسهیلات نامطلوب بر خلاف تسهیلات مطلوب، سعی می‌شود که تا حد امکان، تسهیلات دور از مناطق دریافت کننده‌ خدمت استقرار یابند. در این مقاله در مورد مساله‌ی مکان‌یابی این قبیل تسهیلات بحث شده ‌است. این تحقیق با تمرکز بر نه در حیاط خلوت من می‌باشد که اشاره به پدیده‌های اجتماعی دارد که در آن ساکنان با مکان‌یابی تسهیلات نامطلوب اطراف خانههایشان مخالف هستند. نمونه‌هایی از این تسهیلات شامل خطوط انتقال برق و مراکز بازیافت است. با توجه به مخالفتی که معمولاً در ساخت یک تسهیل نامطلوب مواجه می‌شود، برنامه‌ریز تسهیل باید ماهیت پدیده‌ی نه در حیات خلوت من را درک کرده و به عنوان یک عامل کلیدی در تعیین مکان تسهیل در نظر بگیرد. در این تحقیق مدل عددصحیح خطی این مساله و روش آزادسازی لاگرانژ ارایه شده است. این روش محدودیت‌های سخت را آزاد می‌‌کند و با یک ضریب لاگرانژ به تابع هدف اضافه می‌کند. برای نشان دادن این‌‌که روش آزادسازی لاگرانژ الگوریتم محاسباتی قوی و دقیق است و قادر به حل مسایل تا سایز متوسط است، عملکرد الگوریتم ارایه شده با اجرا بر روی چندین مسئله، بررسی شده است.

Undesirable facility location using Lagrangian relaxation method

Overally location problem could be classified as desirable facility location and undesirable facility location. In the undesirable facility location problem contrary to desirable location, facilities are located far from service receiver facilities as much as possible. The problem of locating such facilities is discussed in this paper. This research is focused on the “not in my backyard” (NIMBY) which refers to the social phenomena in which residents are opposed to locate undesirable facilities around their houses. Examples of such facilities include electric transmission lines and recycling centers. Due to the opposition typically encountered in constructing an undesirable facility, the facility planner should understand the nature of the NIMBY phenomena and consider it as a key factor in the determining facility location. A integer linear model of this problem and a Lagrange relaxation method are proposed in this research. This method relaxes up the hard constraints and adds the constraints to the objective function with a Lagrangian multiplier. To show that the Lagrangian relaxation method is computationally powerful exact solution algorithm and is capable to solve the mediumsize problems, the performance of the proposed algorithm is examined by applying it to several test problems.