ارائه مدل تخلیه انبار پیک با ظروف ناهمگن در شرایط اضطرار با رویکرد الگوریتم های هوش ازدحامی

برنامه ریزی برای تخلیه سلول های انبارها یکی از مسائل چالش برانگیز در زمان وقوع بحران است. نیاز به لجستیک اضطراری جهت استفاده موثر از تجهیزات، از اهمیت بالایی برخوردار است. دراین مطالعه یک مدل برنامه ریزی دو هدفه مسیریابی و زمان بندی هم زمان وسایل نقلیه ناهمگن (ظروف پیک) جهت تخلیه سلول های انبار پیک در شرایط اضطراری (عدم انطباق قطعه با برنامه پیک)، به منظور حداقل کردن زمان جابجایی و حداکثر کردن قابلیت اطمینان مسیرها به دلیل ازدحام راهرو های انبار پیشنهاد شده است. برای حل مدل پیشنهادی از روش محدودیت اپسیلون توسعه یافته استفاده شده است. در مدل پیشنهادی امکان ارائه خدمت جهت هر سلول انبار که می‌بایست تخلیه گردد، توسط ظروف پیک ناهمگن به مناطق لجستیکی/ انبار بازکاری با ظرفیت محدود در نظر گرفته شده است. برای نشان دادن کارایی مدل پیشنهادی، مدل بر روی یک مثال تصادفی اجرا و نتایج محاسباتی ارائه شده است. نتایج حاصل از حل مسئله نشان دهنده وجود تعارض بین توابع هدف استفاده شده می‌باشد. جهت بررسی مدل در مقیاس بزرگ با توجه به nphard بودن مسائل مسیریابی، از سه الگوریتم ازدحام ذرات (pso)،کلونی مورچگان(aco) و کلونی زنبور عسل (abc)، از گروه الگوریتم های هوش ازدحامی استفاده شده و نتایج با یکدیگر مقایسه شده است. نتایج حل مسئله در مقیاس بزرگ جهت یافتن بهترین مسیر جابجایی نشان دهنده عملکرد بهتر الگوریتم ازدحام ذرات می‌باشد.

Model presentation to emptying the picking warehouse with heterogeneous containers in emergency situations with swarm intelligence algorithms

Planning to empty warehouse cells is one of the most challenging issues in times of crisis. The need for emergency logistics for the efficient use of equipment is of great importance. In this study, a dualobjective planning model of routing and simultaneous scheduling of heterogeneous vehicles (picking containers)It has been suggested to evacuate the courier warehouse cells in emergency situations (noncompliance of the piece with the courier schedule) in order to minimize the movement time and maximize the reliability of the routes due to the congestion of the warehouse corridors. The developed Epsilon constraint method has been used to solve the proposed model. In the proposed model, the possibility of providing service for each warehouse cell that should be emptied by heterogeneous peak containers to logistics /warehouse areas with limited capacity is considered.To demonstrates the performance of the proposed model, the model is run on a random example and the computational results are presented. The results of problemsolving indicate a conflict between the objective functions used. In order to investigate the largescale model, due to the Nphard routing issues, three Particle Swarm Algorithms (PSO), Ant Colony (ACO), and Bee Colony (ABC), swarm intelligence algorithms were used and the results were compared with each other. The results of largescale problem solving to find the best displacement path show better performance of the particle swarm algorithm.