Abstract:
سیستم های کنترل موجودی مختلف تلاش می کنند، زمان و مقدار سفارش را به گونه ای تعیین نمایند که با کمترین هزینه، بیشترین سطح خدمت به مشتری فراهم گردد. سیستم موجودی احتمالی مرور دائم این مقاله، سه هدف مربوط به هزینه و کمبود را کمینه سازی می نماید. در این مدل برخلاف مدل های سنتی موجودی، سطح خدمت به مشتری، به شکل هزینه کمبود، وارد تابع هدف نمی شود بلکه تعداد دفعات کمبود و میزان کمبودهای سالانه به طور مستقل به عنوان اهداف کمینه سازی مطرح می گردند. به منظور یافتن مجموعه جواب های بهینه پارتو، از الگوریتم های تکاملی چندهدفه استفاده شده است. ابتدا الگوریتمهای RWGA، VEGA، MOGA، NSGA-II طراحی گردیدند و سپس بهبودهایی در مکانیزم های الگوریتم NSGA-II ایجاد شد و الگوریتم R-NSGA-II طراحی گردید. سپس این الگوریتم ها، با معیارهایی همچون پوشش مجموعه و فاصله گذاری با یکدیگر مقایسه شده و الگوریتم برتر در معیار مشخص گردید. نتایج نشان می دهد الگوریتم R-NSGA-II در بیشتر معیارها نمرات خوبی کسب نموده است. در پایان جواب های آرشیو پارتو با استفاده از روش معیار عمومی، رتبه بندی شدند.
Different inventory control systems try to determine how much and when to order at the least relevant cost while maintaining a desirable service level for customers. In this article, a continuous review stochastic inventory system, with three objectives, is optimized. In this model, contrary to the traditional inventory models, customer service is not considered a shortage cost in the objective function. But the frequency of stock out occasions and the number of items stocked out annually are to be minimized. For determining the Pareto optimal set, multi-objective evolutionary algorithms are used. First, NSGA-II, MOGA, VEGA, RWGA are developed. Then some improvements in NSGA-II mechanisms are made and R-NSGA-II is developed. Subsequently, these algorithms are examined for some criteria such as set coverage and spacing, and the best algorithms for each criteria arc presented. The Result shows that R-NSGA-II has good scores for most criteria. Afterwards, Pareto optimal set is ranked using the method of global criteria.
Machine summary:
"SS+)???(-r )x()???( تابع احتمال تجمعی توزیع نرمال استاندارد{o8o} مسأله موجودی اگر ]Q,k[-x بردار تصمیم مسأله و ])Q,K(S,)Q,K(N,)Q,K(C[-)Q,K()???( بردار هدف در نظر گرفته شوند،توابع هدف و حدود متغیرهای تصمیم را به صورت زیر میتوان تعریف نمود: (به تصویر صفحه مراجعه شود) {o(1)- tsoc meti tinU o} {o(2)- etar gniyrrac yrotnevnI o} {o(3)- emit daeL o} {o(4)- dnamed emit daeL o} {o(5)- rotcaf ytefaS o} {o(6)- kcots ytefaS o} {o(7)- tniop redroeR o} {o(8)- noitubrtsid lamron dradnats fo noitcnuf ytisned ytilibaborP o} رابطه 1 مربوط به حد اقل نمودن هزینه کل سالیانه مورد انتظار است که از مجموع هزینههای سفارشدهی و نگهداری سالیانه به دست آمده است.
طراحی الگوریتم تکاملی چند هدفه باتوجه تنوع الگوریتمهای تکاملی چند هدفه،پس از بررسی کامل ادبیات موضوع الگوریتمهای تکاملی موجود و روش محاسباتی هریک از آنها و در نظر گرفتن الگوریتمهایی که قبلا برای این مسأله موجودی توسعه یافتهاند،همچنین بررسی ویژگیهای مسأله موجودی مورد مطالعه،الگوریتمهای تکاملی چند هدفه ای،که با آن مطابقت بیشتری داشته و در پیشینه تحقیق به عنوان الگوریتمهای کارا در حل مسائل مختلف شناخته شدهاند،به این ترتیب انتخاب شدند: II-AGSN }o3o{AGWR,}o2o{AGEV,}o1o{AGOM پس از برنامهنویسی و آزمایش این الگوریتمها، مشخص گردید II-AGSN میتواند نسبت به سایر الگوریتمها،مجموعه آرشیو پارتو بهتری ترسیم کند.
(به تصویر صفحه مراجعه شود) مقایسه کارایی الگوریتمها همگرایی به جوابهای بهینه پارتو و فراهم نمودن چگالی و تنوع در میان مجموعه جوابهای به دست آمده دو هدف اصلی هر الگوریتم تکاملی چند هدفه هستند ولی به دلیل آنکه این دو هدف تا حدودی در تضاد با یکدیگرند،معیاری که بتواند به تنهایی و به صورت مطلق در مورد عملکرد الگوریتمها تصمیم بگیرد، وجود ندارد."