عنوان پایان‌نامه
مکان یابی پایدار هاب با در نظر گرفتن فواصل نا اقلیدسی
- رشته تحصیلی
- مهندسی صنایع- صنایع
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه فنی فومن شماره ثبت: F14;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 77901;کتابخانه فنی فومن شماره ثبت: F14;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 77901
- تاریخ دفاع
- ۱۶ شهریور ۱۳۹۵
- دانشجو
- امیر خالقی
- استاد راهنما
- محمد مهدی نصیری خونساری
- چکیده
- در این پایان‌نامه، ما مدلی را برای طراحی و بهینه‌سازی یک شبکه پایدار هابی سلسله‌مراتبی با فرض وجود فواصل نا‌اقلیدسی ارائه می‌دهیم. در مدل پیشنهادی، سه هدف مربوط به پایداری شامل اهداف اقتصادی، زیست‌محیطی و اجتماعی در نظر گرفته شده است. در بعد اقتصادی، به دنبال کمینه‌سازی هزینه‌های حمل و نقل در شبکه هستیم. در بعد زیست‌محیطی، هدف کمینه‌سازی انتشار آلاینده‌ها در شبکه است و در بعد اجتماعی، اهداف شامل: بیشینه‌سازی رضایت مشتریان، کمینه‌سازی ماکزیمم زمان سفر و بیشینه‌سازی فرصت‌های شغلی ثابت و متغیر در شبکه می‌باشد. فرض وجود فواصل نا‌اقلیدسی در شبکه، محدودیت‌هایی را در رابطه با ماکزیمم زمان سفر وارد مدل می‌کند. به منظور اعتبار‌سنجی مدل، کاربرد آن را در بخش محدودی از شبکه کشور ایران در زمینه حمل و نقل بار بررسی می‌کنیم. برای حل دقیق مدل پیشنهادی در ابعاد کوچک، از الگوریتم لکسیکوگرافیک چبیشف استفاده می‌کنیم و از این طریق جواب‌های کارای مسئله را تعیین می‌کنیم. در حل مدل، جواب‌ها در دو حالت فاصله اقلیدسی و نا‌اقلیدسی با هم مقایسه می‌گردند. با توجه به این که با افزایش ابعاد مسئله زمان حل به طور نمایی افزایش می‌یابد، برای حل مدل در ابعاد بزرگ‌تر از الگوریتم فرا‌ابتکاری ژنتیک چند‌هدفه شامل NSGAII و NRGA استفاده می‌کنیم. نتایج حل مدل، کارایی الگوریتم ژنتیک چند‌هدفه را در کاهش زمان حل نشان می‌دهد. هم‌چنین، اعتبار روش‌های فرا‌ابتکاری از طریق محاسبه برازندگی سه تابع هدف برای جواب‌ها و مقایسه آن با جواب بهینه مدل ریاضی به صورت تک‌هدفه سنجیده می‌شود. برای مقایسه کارایی روش چبیشف با دو الگوریتم دیگر، شاخص‌هایی را معرفی می‌کنیم. نتایج محاسبه شاخص‌ها، برتری الگوریتم NSGAII را نسبت به دو الگوریتم دیگر نشان می‌دهد.
- Abstract
- In this thesis, we propose a mathematical model for design and optimization of hierarchical sustainable hub network considering non-euclidean distances. In our model, we have three objective functions related to sustainability. These objectives are economic, environmental and social. In economic dimension, objective is minimization of transportation costs in network. In environmental dimension, objective is to minimize cost of emissions and in social dimension, objectives are include: maximization of customers satisfaction, minimization of maximum travel time and maximization of fixed and variable job apportunities. Considering non-euclidean distances in network, imports constraints in model. These constraints are related to maximum travel time in network. For model validation, we use it in a part of Iran for cargo transportation. To solve model in small size, we use lexicographic weighted tchebycheff method (LWT) and get the pareto solutions. In solving model, answers in Euclidean and non-Euclidean distances are compared with each other .Because model is NP-hard, Thus, we use multi-objective genetic algorithm (NSGAII & NRGA) To solve model in large size. The results show performance of the meta-heuristics in reducing run time. Also, to validation of meta-heuristics, we compute fitness of solutions in objective functions and compare them with optimal solution in single-objective mode. To compare performance of LWT method with NSGAII & NRGA, we use some indexes. The results of indexes show performance of NSGAII in solving model. Keywords: hierarchical hub location, sustainability, non-euclidean distance, multi-objective optimization, multi-objective genetic algorithm;
