عنوان پایان‌نامه

بهینه سازی یک مساله چند هدفه



    دانشجو در تاریخ ۲۶ دی ۱۳۹۱ ، به راهنمایی ، پایان نامه با عنوان "بهینه سازی یک مساله چند هدفه" را دفاع نموده است.


    رشته تحصیلی
    مهندسی صنایع
    مقطع تحصیلی
    کارشناسی ارشد
    محل دفاع
    کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 2386;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 58828
    تاریخ دفاع
    ۲۶ دی ۱۳۹۱
    دانشجو
    لیلا توکلی
    استاد راهنما
    مسعود ربانی

    افزایش روز افزون حجم مبادلات جریان و انتقال کالا بین نقاط مختلف، در بسیاری از حوزه های تولیدی و خدماتی منجر به معطوف شدن تمرکز اغلب پژوهشگران به طراحی شبکه هایی برای حمل و نقل کالا شده است به نحوی که بتوان هزینه های این حمل و نقل ها را تا حد ممکن کاهش داده و از مزایای اقتصادی حمل و نقل بهینه جریان بهره برد. در این راستا مسائل مکان یابی هاب که نوعی از مراکز توزیع به شمار می روند با هدف انتقال جریان بین نقاط مبدأ و مقصد از طریق تمرکز جریان در نقاط واسطه میانی یا همان نقاط هاب به منظور استفاده از مزایای اقتصادی این نوع حمل و نقل به وجود آمدند. از آنجایی که مسائل مکان یابی هاب در دسته مسائل استراتژیک قرار می گیرند، و برای این نوع تصمیم گیری ها، توجه به کلیه ابعاد توسعه پایدار ضروری است، از این رو یکی از مهم ترین مباحثی که امروزه ذهن تصمیم گیرندگان و پژوهشگران را به خود مشغول کرده، عبور از نگاه تک بعدی به فرایند مکان یابی و توجه به ابعاد زیست محیطی به طور همزمان با اهداف اقتصادی می باشد. در نتیجه این تغییر نگرش می توان به طراحی شبکه هایی برای حمل و نقل کالا پرداخت که هم توجیه اقتصادی داشته و هم بتواند اثرات زیست محیطی ناشی از این فرایند را کاهش دهد. با توجه به مطالب ذکر شده، در این پایان نامه به ارائه مدل ریاضی چند هدفه به منظور طراحی شبکه هاب با حداقل هزینه و حداقل اثرات زیست محیطی با در نظر گرفتن تخصیص چندگانه و چند سطح ظرفیت پرداخته می شود به طوری که این سطوح ظرفیت به منظور افزایش انعطاف در شبکه برای انتخاب گره های هاب مورد استفاده قرار می گیرند. به منظور اعتبارسنجی مدل پیشنهادی نرم افزار GAMS برای حل مسأله ای با تعداد 5 گره مورد استفاده قرار گرفته است. همچنین با توجه به قرارگیری این مسأله در دسته مسائل NP-Hard از یک الگوریتم فراابتکاری با عنوان الگوریتم بهینه سازی چند هدفه تکامل دیفرانسیلی-Multi-Objective Deferential Evolution (MODE)- برای حل مسائل نمونه طراحی شده استفاده می شود و نهایتا کارایی الگوریتم با استفاده از سه شاخص کیفیت، فاصله و تنوع مورد ارزیابی قرار می گیرد.
    Abstract
    Today, increasing of flow transportation between different nodes in manufacturing and service areas make many of researchers to concentrate on designing networks for transporting the flows in order to decrease transportation costs as well as possible and to use benefits of optimum transportation. Therefore hub location problems-a kind of distribution center- were defined to transport flow between originated and destination nodes by centralizing the flow in middle points or hub nodes with the goal of using economic benefits of this kind of transportation. Since, hub location problems are a kind of strategic problems and focusing on all aspects of sustainable development is necessary in such decisions, therefore considering environmental aspect of sustainable development with economic objectives simultaneously, is one of the most important concerns of decision makers and researchers. Thus, because of this change in attitude of researchers and decision makers, we could design a flow transportation network with economic justification and less environmental effects. Based on the above, in this thesis a multi-objective mathematical model with multiple allocation and multiple capacity levels is proposed to minimize costs and environmental impacts simultaneously. Capacity levels are used to increase the flexibility of the model for selecting hub nodes. To validate the proposed model, GAMS software is used for solving a problem with five nodes. Also, since this problem is a kind of NP-Hard problems, a Multi-Objective Deferential Evolution (MODE) algorithm is used for solving generated instances. Finally, the proposed algorithm efficiency is evaluated by using three quality, spacing and diversity metrics. Keywords: multi-objective hub location, multiple capacity levels, multiple allocation, environmental effects, multi-objective differential evolution algorithm.