کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8900926 1631723 2018 15 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Sustainable multi-depot emergency facilities location-routing problem with uncertain information
ترجمه فارسی عنوان
ایستگاه های اضطراری چند منظوره ایستگاه های موقعیت یابی مسیریابی با اطلاعات نامشخص
کلمات کلیدی
مدل سازی عدم اطمینان، نظریه عدم اطمینان، مشکل مسیریابی محل سکونت تدارکات اضطراری، پایداری،
ترجمه چکیده
محل تسهیلات اضطراری و مسیریابی وسایل نقلیه یکی از مهمترین مسائل در تدارکات اضطراری هستند. این مقاله اکتشاف مسائل مربوط به مسیریابی اضطراری چندگانه پایدار با اطلاعات نامشخص را ارائه می دهد. یک مدل برنامه نویسی مسیریابی چند منظوره چند منظوره برای پاسخ اضطراری با در نظر گرفتن زمان سفر، هزینه های اضطراری اضطراری و انتشار دی اکسید کربن از طریق تئوری عدم اطمینان ساخته شده است. با استفاده از روش اصلی هدف، مدل چند منظوره نامشخص می تواند به عنوان یک مدل بهینه سازی یکپارچه نامشخص بازسازی شود. خواص مدل در چارچوب نظریه عدم قطعیت مورد بحث قرار گرفته است. یک الگوریتم هوشمند ترکیبی که شبیه سازی نامشخص و یک الگوریتم ژنتیکی را ادغام می کند، برای حل مدل پیشنهاد شده طراحی شده است. در نهایت، نمونه های عددی برای نشان دادن ایده های بهینه سازی و استحکام و کارایی الگوریتم پیشنهاد شده ارائه می شود.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات ریاضیات کاربردی
چکیده انگلیسی
Emergency facilities location and vehicle routing are two of the most challenging issues in emergency logistics. This paper presents an exploration of the sustainable multi-depot emergency facilities location-routing problem with uncertain information. An uncertain multi-objective location-routing programming model is constructed for emergency response with consideration of travel time, emergency relief costs and carbon dioxide emissions via uncertainty theory. By implementing the main-objective method, the uncertain multi-objective model can be rebuilt as an uncertain single-objective optimization model. The properties of the model are discussed in the framework of uncertainty theory. A hybrid intelligent algorithm that integrates uncertain simulation and a genetic algorithm is designed to solve the proposed model. Finally, numerical examples are presented to illustrate the optimization ideas and the robustness and effectiveness of the proposed algorithm.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Applied Mathematics and Computation - Volume 333, 15 September 2018, Pages 506-520
نویسندگان
, , , ,