عنوان پایان‌نامه

ارائه مدل پوشش مجموعه جدید با ادغام و احداث نقاط تقاضا بمنظور بهینه سازی سبد غذایی مشتریان



    دانشجو در تاریخ ۰۸ مهر ۱۳۹۵ ، به راهنمایی ، پایان نامه با عنوان "ارائه مدل پوشش مجموعه جدید با ادغام و احداث نقاط تقاضا بمنظور بهینه سازی سبد غذایی مشتریان" را دفاع نموده است.


    رشته تحصیلی
    مهندسی صنایع - صنایع
    مقطع تحصیلی
    کارشناسی ارشد
    محل دفاع
    کتابخانه پردیس قم شماره ثبت: 002797;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 81225;کتابخانه پردیس قم شماره ثبت: 002797;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 81225
    تاریخ دفاع
    ۰۸ مهر ۱۳۹۵
    دانشجو
    امین علوی
    استاد راهنما
    بابک جوادی
    چکیده
    لینک فایل چکیده
    در چند دهه‌ی اخیر، موضوع ادغام نقاط تقاضا در مدل‌های مکان‌یابی تسهیلات و مسائل پوشش مورد توجه تعداد زیادی از پژوهشگران بوده است و در آخرین مطالعات انجام شده نیز قواعدی برای ادغام با خطای ناچیز ارائه گردیده است. در این پایان نامه با استفاده از قواعد ادغامی مطرح شده در مطالعات پیشین به ارائه‌ی "مدل پوشش مجموعه‌ی جدید با ادغام و احداث نقاط تقاضا به منظور بهینه سازی سبد غذایی مشتریان" پرداخته شده است که فرآیند ادغام و مکان‌یابی را با هم تلفیق کرده و از حالت سلسله مراتبی پیشین خارج نموده است. مدل ریاضی توسعه داده شده در این پژوهش، علاوه بر بهره‌گیری از مزیت‌های ادغامی و فراهم کردن بستر مناسب برای برقرای عدالت اجتماعی ناشی از بهبود وضعیت امنیت غذایی نقاط تقاضا، در شرایطی که هزینه‌ی اولیه‌ی ایجاد تسهیلات بالا باشد، به طور طبیعی در مقایسه با مدل دارای محدودیت تعداد تسهیلات عملکرد بهتری خواهد داشت. از آنجایی که مدل پیشنهادی در این پایان نامه از نوع مدل‌های عددصحیح مختلط می‌باشد، به منظور حل بهینه‌ی آن از الگوریتم تجزیه‌ی بندرز استفاده شده است. این الگوریتم که به پایین بودن سرعت همگرایی معروف است، با استفاده از شتاب‌دهنده‌های تجزیه‌ی برش‌های بندرز و برش‌های بهینه‌ی پارتو تقویت شده و عملکرد قابل قبولی از خود نشان داده است. به منظور مقایسه‌ی عملکرد الگوریتم تجزیه‌ی بندرز شتاب یافته با حل کننده‌ی CPLEX، به تولید 80 مساله‌ی نمونه‌ی مختلف با تعداد نقاط تقاضای بین 5 تا 50 نقطه و با استفاده از توزیع یکنواخت پرداخته شده که این مسائل نمونه با استفاده از هر دو روش حل مورد تحلیل و بررسی قرار گرفته‌اند. نتایج بدست آمده نشانگر قدرت بالای الگوریتم بندرز، از نظر زمان حل و دست‌یابی به جواب‌های بهینه در سایزهای بزرگ است. بر اساس این نتایج، حل کننده‌ی CPLEX برای حل مسائلی با بیش از 25 نقطه‌ی تقاضا با زمان حل بی نهایت مواجه شده و عملا از حل آن‌ها ناتوان بوده در حالیکه الگوریتم تجزیه‌ی بندرز شتاب یافته، هر چند با وجود افزایش زمان‌های حل، قابلیت حل مسائل بزرگتر را نیز دارا می‌باشد. همچنین با توجه به تولید کران‌های بالا و پایین توسط الگوریتم ارائه شده، امکان توسعه‌ی هر روش فراابتکاری دیگر در مطالعات آتی، به منظور حل مساله در سایزهای بسیار بزرگ نیز تسهیل شده است.
    Abstract
    In recent decades, the issue of aggregation of demand points in facility location and covering problems have been considered by many researchers and recent studies have also been proposed several principals for aggregation with minimal error. In this thesis, we introduced “a new set covering problem through aggregation and establishing demand points in order to optimize customer food baskets” using the aggregation principals that has been outlined from literature. Suggested method can incorporate the process of locating and aggregation by changing the traditional hierarchical procedure. Presented mathematical model benefiting from the advantages of aggregation and providing a perfect platform to establish social justice resulting from improved food safety conditions in demand points. Also, this model absolutely is better than a model with a number of facility constraints in high establishing cost conditions. Since the proposed model in this thesis is a Mixed Integer Problem (MIP), we use Benders Decomposition Algorithm (BDA) to solve it optimally. This algorithm that is known to slow convergence, improved by decomposition of Benders cuts and Pareto optimal cuts accelerators and demonstrated acceptable performance. In order to compare the performance of Accelerated BDA (ABDA) with CPLEX, we produce 80 different test problems with 5 to 50 demand points using uniform distribution and these samples were analyzed using both methods. Findings confirm the high power of ABDA, in terms of solve time and achieving to optimal solutions in large size problems. Based on this results, CPLEX solver has infinite solving time in problems with more than 25 demand points and cannot solve them, while ABDA, despite the increasing in solution time, has the ability to solve large problems. Also, due to the upper and lower bounds provided by the algorithm, the development of any other meta-heuristic method in future studies facilitated that it can solve the problem in very large sizes. Keywords: Set Covering Problem (SCP), Demand points aggregation, Accelerated Benders Decomposition Algorithm (ABDA), Food safety