ارایه یک مدل چندهدفه برای برنامه‌ریزی موجودی چندمحصولی و چند دوره‌ای با محصولات جانشین دارای تقاضای تصادفی و حل با استفاده از الگوریتم‌های nsga ii و تکامل تفاضلی

در این پژوهش یک مدل کنترل موجودی سه هدفه با فرض جانشینی اقلام ارایه گردیده است که تقاضا در آن احتمالی است. توابع هدف به ترتیب به دنبال بیشینه سازی سود، کمینه کردن ریسک مواجهه با کمبود و نارضایتی ناشی از جانشینی اقلام می باشند. برخی دیگر از فرضیات پژوهش عبارتند از: برنامه ریزی چند دوره ای و چند محصولی است، پارامترهایی از قبیل هزینه نگهداری، سفارش دهی و کمبود در دوره برنامه ریزی ثابت هستند. همچنین کمبود از نوع فروش از دست رفته است، میزان موجودی در ابتدای دوره اول بسیار ناچیز است (می تواند صفر باشد) و موجودی باقی مانده در انتهای هر دوره به دوره بعد منتقل می شود. از آنجا که مدل های مشابه پیشین همه به صورت تک هدفه می باشند به منظور مقایسه، تابع هدف اول مدل خود را در ابعاد کوچک به صورت مجزا در دو حالت با و بدون جانشینی حل نمودیم که نتایج به دست آمده، همانند مدل های مشابه بهبود سود دهی را نشان می دهد. همچنین مدل به صورت کامل، یک بار به روش lpmetric در ابعاد کوچک برای مشاهده روند تغییر پاسخ و یک بار هم با روش های فراابتکاری الگوریتم ژنتیک چندهدفه با مرتب سازی نامغلوب نسخه دوم و الگوریتم تکامل تفاضلی در ابعاد متوسط حل شده است و پاسخ ها با یکدیگر مقایسه گردیده اند.

A Multi Objective Model for MultiItem MultiPeriod Inventory Planning with Substitutable Goods and Random Demand and Solving by NSGA II and DE

In this paper, a three objective model with the substitution assumption are considered. Some parameters are assumed, such as probabilistic demand. The objective functions are looking for maximizing the profit, minimizing the risk of facing slack and minimizing of the dissatisfaction rising from the substitution, respectively. Some other assumptions are: Planning is considered as multiperiod and multiitem, and the inventory control parameters such as holding costs, ordering cost and slack cost are fixed during the planning period. Slack is allowed only in the form of the lost sale. Since all of the previous studies had only one objective function in order to compare, we solve our first objective function separately with and without substitution assumption in a small size. The results show that the improvements with substitution assumption. Also, a three objective model in small size with the LPMetric method is solved to see the trend of answers and it is solved by medium and large size by using two metaheuristic algorithms, Nondominated Sorting Genetic AlgorithmII (NSGAII) and Differential Evolution (DE).