ارایه یک رویکرد ترکیبی مبتنی بر روش‌های تجزیه و الگوریتم‌های فراابتکاری برای حل مساله طراحی شبکه زنجیره‌تامین

طراحی شبکه زنجیره تامین (scnd) از مسایل استراتژیک مدیریت زنجیره تامین است که پیکربندی آن را معین می سازد. این مساله به طور عمده بر مکان و تعداد تسهیلات، ظرفیت ها، انتخاب تکنولوژی، انتخاب تامین کنندگان، تخصیص تسهیلات تولید و توزیع به بازار و ... تمرکز دارد. اگرچه حل بهینه مساله scnd موجب کاهش قابل توجه در هزینه های زنجیره تامین می گردد، اما قرار گرفتن این مساله در رده np_hard باعث می شود که در برخی از شبکه ها (به خصوص در ابعاد بزرگ) دستیابی به پاسخ بهینه با استفاده از الگوریتم های کلاسیک مقدور نباشد. در این تحقیق، به مدل سازی و ارایه رویکرد حل ترکیبی دقیق مبتنی بر روش تجزیه بندرز و الگوریتم ژنتیک برای مساله scnd چهارسطحی پرداخته می شود. رویکرد پیشنهادی سرعت حل را از الگوریتم های فراابتکاری و تجزیه مساله، و تضمین همگرایی به جواب بهینه را از روش بندرز به ارث می برد. در مساله scnd مورد نظر تحقیق، عمده تصمیمات طراحی و برنامه ریزی در نظر گرفته شده است تا مدل و رویکرد حل پیشنهادی فراگیری بیشتری از مسایل واقعی مدیریت زنجیره تامین داشته باشد. در بخش پایانی، چندین مساله آزمایشی در ابعاد مختلف به صورت تصادفی تولید شده و کارایی رویکرد حل پیشنهادی مورد ارزیابی قرار می گیرد. نتایج عددی نشان می دهد رویکرد حل پیشنهادی می تواند بر ضعف کندبودن روش کلاسیک تجزیه بندرز و ضعف بهینگی محلی الگوریتم های فراابتکاری غلبه کند و مساله scnd را در مدت زمان قابل قبول حل نماید.

A Hybrid Solution Approach Based on Benders Decomposition and MetaHeuristics to Solve Supply Chain Network Design Problem

Supply Chain Network Design (SCND) is a strategic supply chain management problem that determines its configuration. This mainly focuses on the facilities location, capacity sizing, technology selection, supplier selection, transportation, allocation of production and distribution facilities to the market, and so on. Although the optimal solution of the SCND problem leads to a significant reduction in the supply chain costs, but placing this problem in the NP_Hard order makes it impossible for some networks (especially large scale) to achieve the optimal solution using classical algorithms. In this research, we present a hybrid solution method based on the benders decomposition and genetic algorithm for a fourechelon SCND problem. The proposed approach inherits the run time efficiency from the metaheuristics and decomposition method, and ensures convergence to the optimal solution using Banders method. We consider major design and planning decisions in the SCND problem, to provide a more comprehensive model and solution approach which is compatible with the real supply SCND problem. To evaluate performance and effectiveness of the proposed hybrid benders decomposition and genetic algorithm (HBDGA) approach, some random test problems are generated in various scales. Numerical results show that the proposed HBDGA solution approach can overcome the speed weakness of the classic benders decomposition. In addition, proposed HBDGA, unlike metaheuristic methods, guarantees global optimization of the SCND problem.