Journal of Operational Research and Its Applications

fa ارایه یک رویکرد ترکیبی مبتنی بر روش‌های تجزیه و الگوریتم‌های فراابتکاری برای حل مساله طراحی شبکه زنجیره‌تأمین A Hybrid Solution Approach Based on Benders Decomposition and Meta-Heuristics to Solve Supply Chain Network Design Problem تخصصي Special پژوهشي Research طراحی شبکه زنجیره‌تأمین (SCND) از مسایل استراتژیک مدیریت زنجیره‌تأمین است که پیکربندی آن را معین می‌سازد. این مساله به طور عمده بر مکان و تعداد تسهیلات، ظرفیت‌ها،  انتخاب تکنولوژی، انتخاب تأمین‌کنندگان، تخصیص تسهیلات تولید و توزیع به بازار و ... تمرکز دارد. اگرچه حل بهینه مساله SCND موجب کاهش قابل توجه در هزینه‌های زنجیره‌تأمین می‌گردد، اما قرار گرفتن این مساله در رده NP_Hard باعث می‌شود که در برخی از شبکه‌ها (به‌خصوص در ابعاد بزرگ) دستیابی به پاسخ بهینه با استفاده از الگوریتم‌های کلاسیک مقدور نباشد. در این تحقیق، به مدل‌سازی و ارایه رویکرد حل ترکیبی دقیق مبتنی بر روش تجزیه بندرز و الگوریتم ژنتیک برای مساله SCND چهارسطحی پرداخته می‌شود. رویکرد پیشنهادی سرعت حل را از الگوریتم‌های فراابتکاری و تجزیه مساله، و تضمین همگرایی به جواب بهینه را از روش بندرز به ارث می‌برد. در مساله SCND  مورد نظر تحقیق، عمده تصمیمات طراحی و برنامه‌ریزی در نظر گرفته شده است تا مدل و رویکرد حل پیشنهادی فراگیری بیشتری از مسایل واقعی مدیریت زنجیره‌تأمین داشته باشد. در بخش پایانی، چندین مساله آزمایشی در ابعاد مختلف به صورت تصادفی تولید شده و کارایی رویکرد حل پیشنهادی مورد ارزیابی قرار می‌گیرد. نتایج عددی نشان می‌دهد رویکرد حل پیشنهادی می‌تواند بر ضعف کندبودن روش کلاسیک تجزیه بندرز و ضعف بهینگی محلی الگوریتم‌های فراابتکاری غلبه کند و مساله SCND را در مدت زمان قابل قبول حل نماید. 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 four-echelon 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 meta-heuristic methods, guarantees global optimization of the SCND problem. طراحی شبکه زنجیره‌تأمین, تجزیه بندرز, متغیرهای پیچیده‌ساز, فراابتکاری, روش حل ترکیبی Supply Chain Network Design, Benders Decomposition, Complicating Variables, Meta-Heuristics, Hybrid Solution Approach. 63 88 http://jamlu.lahijan.iau.ir/browse.php?a_code=A-11-857-2&slc_lang=fa&sid=1 A. Papi علی پاپی a_papi@ind.iust.ac.ir 10031947532846008296 10031947532846008296 No School of Industrial Engineering, Iran University of Science and Technology, Tehran, Iran مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه علم و صنعت F. Barzinpour فرناز برزین پور barzinpour@iust.ac.ir 10031947532846008297 10031947532846008297 No School of Industrial Engineering, Iran University of Science and Technology, Tehran, Iran مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه علم و صنعت M. Pishvaee میرسامان پیشوایی pishvaee@iust.ac.ir 10031947532846008298 10031947532846008298 Yes School of Industrial Engineering, Iran University of Science and Technology, Tehran, Iran مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه علم و صنعت