توسعه مدل همیاری وسائل نقلیه یخچالی و غیریخچالی برای کالاهای فساد پذیر

مسئله همیاری ناوگان حمل ونقل برای بهینه سازی لجستیک بخشی اساسی از زنجیره تامین پایدار است و در سالهای اخیر به طور فزایندهای مورد بررسی قرار میگیرد. در این پژوهش نوع جدیدی از مدل غیرخطی ریاضی برای همکاری ناوگان حمل و نقل توسعه داده میشود. این مسئله شامل مجموعه از وسائل نقلیه ناهمگن با ظرفیت های مشخص برای سرویس دهی کالاهای فسادپذیر را در بر میگیرد. کالاها با نرخ ثابتی فاسد میشوند . هدف از این مدل پیدا کردن مسیر شدنی به منظور حداکثر کردن سود در راستای بالا بردنمیزان رضایت مشتری است. افزایش رضایت مشتری بر اساس میزان تازگی کالاها تعریف میشود. مدل پیشنهادی کاربردهای فراوانی را شامل میباشد؛ به کاهش آلودگی ناشی از حمل و نقل به میزان قابل توجهیکمک میکند. برای حل مدل، الگوریتم ژنتیک هیبریدی توسعه داده میشود که جهت هدفمندتر شدن الگوریتم برای تولید مقادیراولیه از ساختار همسایگی استفاده میگردد . به منظور اعتبارسنجی نتایج به دست آمده نتایج روش شاخه وحد که در نرم افزار گمز تهیه شده، با مثال های عددی مقایسه میشود. نتایجبه دست آمده حاکی از آن است که الگوریتم پیشنهادی کارایی لازم برای به دست آوردن جواب منطقی در بازه زمانی مشخص را دارا می باشد.

developing refrigerated and general carriers’ collaboration model for perishable product

the carrier collaboration problem for logistic optimization is a fundamental part of the sustainable supply chain, and has increasingly been of concern in recent years. this study proposes a novel nonlinear mathematical model to address the carrier collaboration problem. it involves a set of heterogenous vehicles with specific capacities for serving perishable products to several pickup and delivery nodes. products are corrupted at a constant rate. the purpose is simultaneously finding routes to maximize profits in order to enhance customer satisfaction which is dependent on the freshness of delivered products. there are various applications of the proposed model in the environment which can help reducing transportation emissions, eliminating empty back hauls. further, the proposed model uses a hybrid genetic algorithm (hga) is proposed to solve this problem due to improve the quality of initial solutions variable neighborhood search (vns) method is developed. the obtained results demonstrate the efficiency of the proposed algorithm in providing reasonable solutions within an acceptable computational time.