طراحی شبکه لجستیک دارو بر اساس مسئله مسیریابی ناوگان حمل ونقل به کمک الگوریتم گرگ خاکستری بهبود یافته

حمل‌‌ونقل مواد دارویی به عنوان یکی از پیچیده‌ترین نوع حمل و نقل‌ها همواره مورد بررسی محققان بوده است. این مسئله که زیرمجموعه یک مسئله کلیدی به نام حمل‌‌ونقل مواد خطرناک می‌باشد، یکی از فعالیت‌های جدایی‌ناپذیر و پرخطر در چرخه فعالیت‌های صنعتی محسوب می‌شود. تلاش برای یافتن جواب بهینه این مسئله، یکی از موضوعات بسیار کاربردی در لجستیک می باشد. بر همین مبنا، در این تحقیق به بهینه‌سازی مسئله طراحی شبکه لجستیک دارو پرداخته شد. در این راستا از مسئله مسیریابی وسایل نقلیه الهام گرفته شده است. به همین منظور، ابتدا یک مدل مفهومی برای این مسئله بیان و یک مدل ریاضی جدید در جهت مسیریابی وسایل نقلیه حمل دارو با در نظر گرفتن نقش حساسیت مسیر و عدم قطعیت پنجره زمانی ارائه شده است. به منظور حل مسئله، از الگوریتم فرا ابتکاری گرگ خاکستری به عنوان یک الگوریتم جدید و کارامد استفاده شده است. برای بررسی کارایی الگوریتم ارائه شده، این الگوریتم با روش حل دقیق و الگوریتم های ژنتیک و ازدحام ذرات مقایسه شده و نتایج بررسی کارایی الگوریتم گرگ خاکستری نشان می‌دهد که این الگوریتم با صرف زمان بسیار اندکی، جواب‌هایی با حداقل خطای ممکن را ارائه می‌کند.

Drug logistics network design based on the fleet routing by using the improved gray wolf optimizer algorithm

Transportation of pharmaceuticals as one of the most complex types of transportation has always been studied by researchers. This issue, which is a subset of a key issue called the transportation of hazardous substances, is one of the most integral and highrisk activities in the industrial activity cycle. Trying to find the optimal solution to this problem is one of the most useful topics in logistics. Accordingly, this study optimized the design of the drug logistics network. In this regard, the issue of vehicle routing (VRP) has been inspired. In this regard, the issue of vehicle routing (VRP) is inspired. To this end, first a conceptual model for this problem and a new mathematical model for routing drug transport vehicles with the role of path sensitivity and time window uncertainty are presented. In order to solve the problem, the Gray Wolf metaheuristic algorithm has been used as a new and efficient algorithm. To evaluate the performance of the proposed algorithm, this algorithm is compared with the exact solution method and genetic algorithms and particle swarm and the results of the gray wolf algorithm show that this algorithm provides answers with the least possible error in a very short time.