یک مدل ریاضی چند هدفه برای طراحی شبکه لجستیک بشردوستانه با استفاده از الگوریتم فرا ابتکاری: مدلی برای افزایش هماهنگی بازیگران

سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 287

فایل این مقاله در 23 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_DMOR-9-1_004

تاریخ نمایه سازی: 15 مرداد 1403

چکیده مقاله:

هدف: هدف این پژوهش بهینه سازی لجستیک بشردوستانه برای افزایش هماهنگی میان بازیگران در فاز حین و پس از فاجعه است و درصدد تحقق کمینه کردن هزینه های امداد رسانی، زمان امداد رسانی و هزینه بازسازی زیرساخت ها و مسکن افراد آسیب دیده است.روش شناسی پژوهش: این پژوهش ازنظر انواع جهت ­گیری­ های پژوهش، جزو پژوهش های توسعه ­ای است؛ چرا که سعی دارد که مدل های موجود در طراحی شبکه لجستیک بشردوستانه را گسترش دهد و بهینه سازی دو فاز حین و بعد فاجعه را در نظر بگیرد. مدل پیشنهادی این تحقیق با استفاده از الگوریتم ژنتیک چندهدفه و ازدحام ذرات چند هدفه حل شده است.یافته ها: اجرای این مطالعه منجر به کاهش هزینه های مکان یابی-مسیریابی و بازسازی در زنجیره تامین بشردوستانه و هم چنین کاهش زمان امداد رسانی به افراد آسیب دیده و افزایش رضایت مندی آنان خواهد شد. هم چنین می توان به کمک آن مساله وجودی محصولات امدادی را کاهش داد. برنامه ریزی مناسب در فرآیندهای لجستیک بشر دوستانه در فاز هماهنگی بازسازی با توجه به بودجه محدود دولت، موجب استفاده مناسب از منابع خواهد شد.اصالت/ارزش افزوده علمی: یکی از نوآوری های این مطالعه کاهش هزینه بازسازی بعد از وقوع از زلزله است. مطالعات متعددی در راستای بازیابی فاجعه انجام شده است. در طول دو دهه گذشته، عملیات امدادی مرحله پاسخ توسط تعداد قابل توجهی از پژوهشگران مورد توجه قرار گرفته است. با این حال، موضوع برنامه های بازیابی و بازسازی پس از فاجعه به اندازه کافی در مجامع علمی مورد بحث قرار نگرفته است.

نویسندگان

بهزاد معصومی

گروه مدیریت صنعتی، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران.

حسنعلی آقاجانی

گروه مدیریت صنعتی، دانشکده علوم اقتصادی و اداری، دانشگاه مازندران، بابلسر، ایران.

احمد جعفرنژاد

گروه مدیریت صنعتی، دانشگاه تهران، تهران، ایران.

محمد مهدی موحدی

گروه مدیریت صنعتی، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Yadav, D. K., & Barve, A. (۲۰۱۸). Segmenting critical success ...
  • Moghadam, M. R. S., Sahebi, I. G., Masoomi, B., Azzavi, ...
  • Mozaffari, M. M., & Ajalli, M. (۲۰۱۸). Critical success factors ...
  • Sahebi, I. G., Masoomi, B., & Ghorbani, S. (۲۰۲۰). Expert ...
  • Damoah, I. S. (۲۰۲۲). Exploring critical success factors (CSFs) of ...
  • Thomas, A., & Kopczak, L. R. (۲۰۰۷). Life-saving supply chains: ...
  • Vahanvati, M., & Mulligan, M. (۲۰۱۷). A new model for ...
  • Peyravi, M., & Ahmadi Marzaleh, M. (۲۰۲۰). The effect of ...
  • Farahani, H., Hajipoor, M., & others. (۲۰۱۲). Evolution of the ...
  • Menth, M., & Stamm, J. L. H. (۲۰۱۵). An agent-based ...
  • Jalali, R., Balouei Jamkhaneh, H., & Shahin, R. (۲۰۲۱). Analyzing ...
  • Hatami-Marbini, A., Varzgani, N., Sajadi, S. M., & Kamali, A. ...
  • Ghasemian Sahebi, I., Toufighi, S. P., Azzavi, M., Masoomi, B., ...
  • Zhang, W., & Wang, N. (۲۰۱۶). Resilience-based risk mitigation for ...
  • Frangopol, D. M., & Bocchini, P. (۲۰۱۱). Resilience as optimization ...
  • Sahebi, I. G., Mosayebi, A., Masoomi, B., & Marandi, F. ...
  • Li, C., Zhang, F., Cao, C., Liu, Y., & Qu, ...
  • Bocchini, P., Frangopol, D. M., Ummenhofer, T., & Zinke, T. ...
  • Balcik, B., Beamon, B. M., Krejci, C. C., Muramatsu, K. ...
  • Baharmand, H., Saeed, N., Comes, T., & Lauras, M. (۲۰۲۱). ...
  • Mamashli, Z., Bozorgi-Amiri, A., Dadashpour, I., Nayeri, S., & Heydari, ...
  • Khorsi, M., Chaharsooghi, S. K., Bozorgi-Amiri, A., & Kashan, A. ...
  • Ghasemi, P., Goodarzian, F., Muñuzuri, J., & Abraham, A. (۲۰۲۲). ...
  • Setiawan, E., Liu, J., & French, A. (۲۰۱۹). Resource location ...
  • Esmaeeli Kakhaki, F., Naji Azimi, Z., Pooya, A., & Tavakoli, ...
  • Sahebi, I. G., Masoomi, B., Ghorbani, S., & Uslu, T. ...
  • Loree, N., & Aros-Vera, F. (۲۰۱۸). Points of distribution location ...
  • Sun, H., Li, J., Wang, T., & Xue, Y. (۲۰۲۲). ...
  • Nezhadroshan, A. M., Fathollahi-Fard, A. M., & Hajiaghaei-Keshteli, M. (۲۰۲۱). ...
  • Baharmand, H., Vega, D., Lauras, M., & Comes, T. (۲۰۲۲). ...
  • Faiz, T. I., & Vogiatzis, C. (۲۰۲۲). A robust optimization ...
  • Ghaffarian, S., Roy, D., Filatova, T., & Kerle, N. (۲۰۲۱). ...
  • Fathalikhani, S., Hafezalkotob, A., & Soltani, R. (۲۰۲۰). Government intervention ...
  • Muggy, L., & Stamm, J. L. H. (۲۰۲۰). Decentralized beneficiary ...
  • Dubey, R., Altay, N., & Blome, C. (۲۰۱۹). Swift trust ...
  • John, L., Gurumurthy, A., Soni, G., & Jain, V. (۲۰۱۹). ...
  • Kamyabniya, A., Lotfi, M. M., Cai, H., Hosseininasab, H., Yaghoubi, ...
  • Nikkhoo, F., & Bozorgi-Amiri, A. (۲۰۱۸). A procurement-distribution coordination model ...
  • Bertazzo, T. R., Leiras, A., Yoshizaki, H. T. Y., & ...
  • Dubey, R., Luo, Z., Gunasekaran, A., Akter, S., Hazen, B. ...
  • Opdyke, A., Lepropre, F., Javernick-Will, A., & Koschmann, M. (۲۰۱۷). ...
  • Octavia, T., Halim, C., A Widyadana, I. G., & Palit, ...
  • Suárez-Moreno, J. D., Osorio-Ramírez, C., & Adarme-Jaimes, W. (۲۰۱۶). Agent-based ...
  • Al Theeb, N., & Murray, C. (۲۰۱۷). Vehicle routing and ...
  • Du, L., & Peeta, S. (۲۰۱۴). A stochastic optimization model ...
  • Holguín-Veras, J., Pérez, N., Jaller, M., Van Wassenhove, L. N., ...
  • Alaedini, P., Farzizadeh, Z., Azizimehr, K., & Yeganeh, N. (۲۰۲۱). ...
  • Agapitos, A., & Lucas, S. M. (۲۰۰۷). Evolving modular recursive ...
  • Deb, K., Pratap, A., Agarwal, S., & Meyarivan, T. (۲۰۰۲). ...
  • Kennedy, J., & Eberhart, R. (۱۹۹۵). Particle swarm optimization. Proceedings ...
  • Gharaei, A., Pasandideh, S. H. R., & Akhavan Niaki, S. ...
  • Salehi, F., Mahootchi, M., & Husseini, S. M. M. (۲۰۱۹). ...
  • نمایش کامل مراجع