Jamal Arkat

At this point in time, climate change has become one of the most urgent and pressing global issues. The considerable damages resulting from the widespread use of fossil fuels underscore the immediate necessity to address environmental crises. This situation has made the creation of innovative solutions in transportation an inevitability. Among these, the adoption of electric vehicles (EVs) is being recognized as a key solution to reduce air pollutants and carbon dioxide emissions. Dual-purpose designed charging and battery swapping stations play a significant role in advancing the goals of clean transportation. These stations assist urban managers and transportation policymakers in developing the desired infrastructure for the acceptance and expansion of EV usage. The current study presents a mathematical model using mixed-integer programming aimed at optimizing the location of charging and battery swapping stations. The primary objective of the model is to minimize the total distance traveled by electric vehicles to access these stations, in addition to reducing the costs incurred. This reduction in distance leads to a broader coverage of charging needs across the city and the use of the minimum number of necessary stations. The model also includes constraints that address the optimal allocation of customers to candidate locations as well as capacity and performance limitations of the stations. The results of this research indicate that smart investments in EV charging infrastructure, especially with a strategic and long-term view, can bring about significant benefits for governments and companies in the logistics sector. This approach not only enhances economic efficiency but can also significantly improve social welfare and well-being.

Designing drone-based systems for the delivery of drugs and medical supplies is a new and important topic in the fields of technology and healthcare. Such systems, utilizing the maneuverability capabilities of drones in three dimensions, can significantly improve the delivery performance of drugs and medical supplies. This research focuses on the design of a drug and medical supply delivery system using drones. In this delivery system, multiple drone stations are assumed to facilitate the process of delivering drugs and medical supplies to the recipients. It is assumed that there are several potential locations for establishing drone stations, and a certain number of stations should be selected to cover the demand of all recipients. In the proposed delivery system, the delivery process is carried out using drones whose exact quantity is unknown and needs to be determined optimally based on the number of demand points covered by each station. One of the main concerns in real-world delivery systems is inventory management at the centers, which has not been considered in the mathematical models developed for drone-based delivery systems. Taking this into account, this research addresses the location-allocation-inventory problem in a drone-based drug and medical supply delivery system. The objective function of the mathematical model is designed to minimize the total costs of establishing drone stations, allocating drones to stations, and managing inventory and ordering drugs and medical supplies at the stations. Due to the NP-hardness of the problem, a genetic algorithm is proposed to solve the problem for large-scale instances. Based on the conducted analyses, it is found that the GAMS software lacks the capability to solve the model for long time periods, while the proposed algorithm provides better results in a shorter time frame. The results obtained reveal that the cost of establishing drone stations has a significant impact on the system's costs, and the optimal order quantity at the stations directly affects the costs of inventory management and ordering at the stations. Furthermore, increasing the number of drone missions reduces the overall system costs.

The global surge in energy consumption poses a constellation of formidable challenges. This inexorable rise accelerates the depletion of finite energy reserves and exacerbates the atmospheric release of greenhouse gases. Manufacturing industries, in particular, consume a substantial portion of the world's available energy, rendering them a critical locus for mitigating these concerns. By seamlessly integrating production scheduling with energy consumption management, manufacturers can proactively identify avenues and strategies to enhance energy efficiency without compromising the stability of their production processes. This approach simultaneously reduces greenhouse gas emissions and minimizes operating costs, fostering a paradigm of sustainable manufacturing. Common operation scheduling is one of the scheduling problems that finds the optimal arrangement of the operations required by a set of jobs under the condition that, when an activity is done, it is done for all the jobs that require it. In this problem, each job includes several components, and the job is ready to be delivered when all its components are completed after processing one or more operations. Moreover, processing each operation has the potential to contribute to the completion of multiple jobs simultaneously. In this research, the common operation scheduling problem in an identical parallel machine environment is investigated by considering energy consumption. According to the mechanism used for energy consumption management and the type of objective functions, the problem is studied in three modes. In the first mode, the objective is to simultaneously minimize the total tardiness and the total energy consumption. This problem integrates energy consumption considerations into the scheduling process by employing the speed-scaling strategy to evaluate energy consumption. The second mode focuses on the concurrent minimization of the total completion time and the total energy consumption, also utilizing the speed-scaling strategy to assess energy consumption. In the third mode, the objective is to simultaneously minimize the total completion time and the total cost of energy consumption, taking into account the speed-scaling strategy for energy consumption evaluation and time-of-use pricing to determine the energy cost. Each of the problem modes is modeled as mixed-integer linear programming and explained by solving a small example. According to the complexity of the problem, multi-objective meta-heuristic algorithms are developed to solve medium- and large-scale random instances within each mode. The efficiency of the proposed algorithms developed for each problem mode is evaluated by solving random test problems and comparing the obtained results for the performance metrics of multi-objective algorithms. Based on the results obtained, the non-dominated ranking genetic algorithm has generated more diverse non-dominated solutions in the first mode of the problem, while the non-dominated sorting genetic algorithm has shown better performance in terms of convergence of the Pareto front solutions. For the second mode of the problem, the hybrid non-dominated sorting genetic algorithm with particle swarm optimization has demonstrated better performance in all evaluation criteria compared to the non-dominated sorting genetic algorithm and has been able to provide more convergent and diverse non-dominated solutions. In the third mode of the problem, the multi-objective artificial bee colony algorithm has provided more non-dominated solutions with better variety, while the non-dominated sorting genetic algorithm has shown better performance in terms of convergence of the Pareto front solutions. Finally, the influence of various problem parameters on the values of the objectives is analyzed for each problem mode.

The prevalence of cesarean births is on the rise globally, often exceeding the World Health Organization's recommended 10-15% threshold of all deliveries. This increase in cesarean sections poses health risks for both mothers and infants, hinders maternal recovery, and elevates maternal mortality rates. Numerous studies have explored this issue, with some failing to offer effective solutions or proposing measures already in place, such as our country's healthcare system transformation plan. In this thesis, we focus on a practical case involving three hospitals offering both cesarean and natural delivery services to expectant mothers. We investigate two scenarios: one without government intervention and another employing a Stackelberg game approach, where the government acts as the leader. The government introduces a policy based on incentives and penalties, setting limits on the number of cesarean sections each hospital can perform. Hospitals operating below this limit receive subsidies or incentives, while those exceeding it face fines. Given the complexity of the problem, we employ meta-heuristic solving methods, including genetic algorithms, to address both scenarios. After analyzing these scenarios and considering the competitive dynamics among hospitals, we compare the results, evaluating the impact of the second scenario and its proposed policy on reducing the cesarean section rate. Our research findings and analyses demonstrate that the policy implementation leads to an increase in natural childbirth, which was the primary goal. Initially, the hospitals embraced the policy, exploring strategies like raising fees for cesarean sections. However, over time, it became apparent that the profit from performing cesarean sections outweighed the benefits of the policy, leading hospitals to revert to paying fines.

According to world health organization (WHO) published data, cancer is the second leading causes of death worldwide. Among different options to treat cancer, chemotherapy remains one of the most common methods for treating malignant tumors. Drug resistance is one of the main drawbacks of chemotherapy, which acts like a barrier in having a successful treatment. Using multiple non-cross resistance drugs is one the common ways to overcome this obstacle, which as a consequence, may increase the possibility of drug toxicity. This study considers the design of optimal drug regimens for patients with colorectal cancer. Drug toxicity and drug resistance are also taken into account and two of the most commonly used drugs in treating colorectal cancer, namely 5-FU and CPT-11, are assumed to be used. To determine optimal drug regimens for patients with colorectal cancer, a multi-drug cell-cycle nonspecific tumor growth model and also two multi-drug cell-cycle specific tumor growth models with distinct action mechanisms are extended in this study. To follow the effects of drugs on the growth course of cancerous cells, a multi-drug two compartment pharmacokinetics model is aslo extended to describe the effects of body on the distribution, absorption and excretion of the drugs and yielding the drug’s concentrations. Due to the importance of they way of drugs administration on the treatment outcome, two distinct administration strategies, seuqntial and simultaneous strategies, are proposed. To minimize the tumor size at the end of therapy or equivalently to prolong the patient’s survival time, optimal control problems are defined and solved using the genetic algorithm (GA), and then, the obtained results of the extended growth models in providing the optimal drug regimens are evaluated for both of the sequential and simultaneous strateiges. By comparing the simulation results, it is shown that the simultaneous strategy yields better results and hence, is the preferred strategy. To verify the resultant findings, a robust evaluation with uncertain model parameters is also performed, which again shows the superiority of the simultaneous strategy.

Supply chain management tries to improve the efficiency of the entire chain and increase the level of customer service. Although factors such as location and inventory play an important role in improving the efficiency and longevity of a supply chain, but one of the most important issues that is crucial in responding appropriately to customers’ demand and timely delivery of products is increasing the reliability of the supply chain. One of the ways to increase the reliability in factories and production firms is proper allocation of redundant components. In the present study, for the first time, the issue of simultaneous optimization of facility location-inventory-redundancy allocation has been investigated. In this regard, a multiple-period three-level problem including supplier, distributor and retailer has been take into account. It has been assumed that demand for each retailer is stochastic and follows the normal distribution. Moreover, in order to deal with the fluctuations of demand, the risk pooling strategy has been applied, as a result of which, inventory will be held only in distribution centers. For this purpose, a bi-objective integer nonlinear programming model has been proposed to optimize the total cost of the supply chain as well as its reliability. Furthermore, by adding environmental considerations and energy cost, another three-objective model has been developed with the goals of minimizing the amount of environmental pollution and also the costs of the entire supply chain and maximizing its reliability. Since facility location-inventory and redundancy allocation are commonly categorized as NP-Hard problems, multi-objective metaheuristic algorithms i.e., AMOSA, NSGAII and MOABC have been developed for solving the aforementioned problem. By evaluating and comparing the presented meta-heuristic algorithms using a number of comparative indices of multi-objective algorithms, the results state that the MOABC algorithm has shown better performance in finding quality solutions and in lower time in both models, however, the NSGAII algorithm has provided more diverse Pareto optimal solutions. On the other hand, the results show that using the risk pooling strategy in conditions where the demand uncertainty is very high can be effective in reducing costs by six percent.

Marine oil spills, whether caused by human errors or natural disasters, present significant risks to the environment and the economy. Prevention is the ideal approach to effectively manage and minimize the impact of an oil spill; however, contingency plans are also important to mitigate adverse effects in the event of a spill. One crucial decision that must be made before oil spill incidents is the selection of coastal or marine stations for housing oil spill collection equipment. These decisions should be made in a manner that allows for the coverage of the largest possible area affected by the oil slick in the shortest possible time, aiming to prevent the spread of oil towards the shoreline. In situations where complete pollution collection is not feasible, burning the remaining oil stains in place is a viable option to remove the remaining pollution and minimize overall damage. However, in-situ incineration has disadvantages such as air pollution from particulate matter and the release of toxic gases into the air or water, which have limited its widespread use and acceptance as an oil pollution management method. This thesis investigates the problem of locating and deploying two categories of equipment, namely first and second-level equipment, for controlling petroleum product leaks. Taking into consideration the possibility of oil product leaks in the areas under investigation, a number of selected sites are considered for the deployment of this equipment. With budget limitations in mind, the goal is to select a certain number of sites that minimize two objective functions: the sum of the total costs, including equipment purchases, site construction, and equipment transportation to the spill location, and the total amount of water and air pollution caused by the leakage of oil products and the incineration of leaking materials, respectively. To demonstrate the effectiveness of the presented mathematical model, numerical data from a real case study is used. Finally, the sensitivity of the results obtained from solving the mathematical model to changes in the key parameters of the model is examined.

Due to the increase in natural and man-made disasters and crises such as tsunamis, earthquakes, landslides, massive fires and nuclear leaks, these crises have become a constant danger. Due to the increase and density of the population, the residents of cities and villages have become more and more vulnerable to such events, and this issue has caused the relief and evacuation of urban areas that are at risk to become a challenge in the field of crisis management. One of the key issues to help people who seek to find safe places after such disasters is to design an efficient and optimal program to allocate relief items and evacuate human resources in the shortest possible time. In the event of a crisis, an attempt is made to move the unsafe and threatened places to safe places during the prescribed times and often before or immediately after the disaster. Therefore, an integrated aid chain is necessary to distribute relief items and evacuate people due to the sudden increase in demand in emergency situations. The imbalance between the demand and supply of transportation systems and relief items is a fundamental problem in crisis situations. This problem becomes more complicated when more realistic situations such as evacuation priorities and the possibility of route failure are considered. Having said that, in this research, a multi-objective optimization model is presented for planning the evacuation and allocating facilities to the injured and choosing appropriate communication routes. After presenting the mathematical model, sensitivity analysis has been done on the key parameters of the model. The conducted analysis shows the fact that the number and capacity of the transport fleet plays a very key role in reducing the speed of response.

In recent years, environmental concerns, pollution caused by fossil fuels, the high cost of energy, as well as attention to the lack of energy have faced serious challenges in many developing and even developed countries. Currently, global electricity consumption mainly relies on fossil fuels and non-renewable energies, which has made the fossil energy crisis and environmental pollution two critical issues for the survival and development of human societies. Therefore, the discovery of a new pattern of energy supply and consumption, which will improve the level of well-being of human life, is of great importance; In such a way that this problem has caused the use of traditional electrical networks with centralized power plants to be transferred to smart electrical microgrids in many developing countries. So far, several researches in the field of microgrid planning have been studied in terms of the solution method, the objective function, and most of the articles have modeled and solved the planning problem with the aim of minimizing the cost of the microgrid. In this research, the aim is to locate the microgrid, taking into account the demand response programs and also reducing the emission of polluting gases. A mathematical model for locating and measuring the capacity of microgrids based on renewable resources has been presented. The proposed model is applied on a sample microgrid and its efficiency is evaluated. By considering different scenarios, the problem of locating and measuring the capacity of scattered productions is solved. Based on the obtained results, it can be said that locating microgrids through the installation of resources in the optimal place and with optimal capacity improves all the technical and economic criteria of the microgrid and states that the move towards the design and construction of microgrids based on renewable resources in terms of Economically and environmentally, it is considered a necessity and will be useful for energy producers, users and consumers at the same time.

Effective and efficient inventory control has a fundamental role in today’s competitive market by reducing costs significantly and helps with the effective flow of goods and services in the economy. During the last decades, numerous models have been proposed for inventory control problems. In the early models, an implicit assumption was that the goods stored in inventory had unlimited life and an invariable performance. In reality this assumption isn’t proper for a large category of inventories. This category includes inventories exposed to decay, obsolescence or perishability, which entered the mathematical models of inventory control problems in subsequent decades. In this research inventory control policies for a perishable product have been studied. The perishability of the product is non-instantaneous, that is, perishability doesn’t exist in the first interval of product’s lifetime, and then it begins in the second interval. Besides, in the studied problem demand has a probabilistic distribution and regarding that the problem is a single period one, the retailer should decide at the beginning, how much to order considering the mentioned conditions. Retailer can reduce the amount of perished products and increase his profits by investing in preservation technology (leasing preservation equipment). He can also increase the demand and thus his own profits by reducing the sale price of products at the beginning of product deterioration in the second period of product lifetime. The objective of the problem is finding the best combination of order quantity, sales price and the amount of investment in preservation technology to maximize the total profit. The problem has been modelled mathematically and a solution approach has been proposed for it. Finally, the problem has been evaluated using a numerical example and sensitivity analysis and results survey have been performed. Results show that the sensitivity of total profit is higher to the variations of first interval of product’s life time (without perishability), the expected value of the stochastic portion of demand function and product’s holding cost per time unit, in comparison to other parameters.

Municipal solid waste (MSW) management can be considered as an integrated supply chain problem that involves all parts of the supply chain process including waste generation centers, transfer stations, treatment facilities, and landfills. For this purpose, source separation causes a reduction of waste separation costs and increases the quality of recycled products by preventing mixed waste generation and improving waste management by assisting the waste recycling process in the supply chain network. In this paper, a multi-period mixed-integer linear programming model is presented to design an integrated and sustainable supply chain network for MSW management by considering source separation and using an incentive-punitive mechanism. Therefore, a four-echelon integrated supply chain model is formulated including waste collection centers, transfer stations, treatment facilities, and sanitary landfills. Also, the objective functions contain simultaneously minimizing the total system cost, greenhouse gas emissions, and environmental impacts on residential areas. To evaluate the efficiency of the model, the application of the proposed model is shown through a real case study in Kermanshah. Hence, the results of the proposed system, the proposed system assuming that the current location of the landfill is fixed and the existing waste management system of Kermanshah city have been compared in the form of three scenarios 1, 2, and 3, respectively. The results show that the utilization of the proposed system compared to scenarios 2 and 3 led to a reduction by 12.4% and 66.6% in waste management costs, reduction by 0.5% and increase by 3.3% in greenhouse gas emissions, and finally increase by 16.5% and reduction by 8.9% in environmental impacts, respectively. To indicate the impacts of sustainability, the proposed multi-objective model is compared with individual objectives. According to the results, considering sustainability in the model simultaneously improves economic, environmental, and social aims, significantly. Finally, a sensitivity analysis is performed to investigate the effect of changing the parameter of waste impurity percentage on supply chain performance, according to which source separation reduces system costs.

امروزه در بسیاری از کاربردهای پایش فرآیندهای آماری، از متغیرهایی استفاده می شود که علاوه بر تمرکز بر توزیع متغیرها، وجود همبستگی معنادار بین آنها نیز مورد توجه قرار می گیرد. براین اساس، فرآیندهای مختلفی همچون فرآیندهای چندمتغیره کمی و فرآیندهای چندمتغیره کیفی تعریف می شوند. تاکنون تحقیقات مختلفی در حوزه پایش فرآیندهای چندمتغیره کمی با درنظر گرفتن شرایط مختلف برای فرآیند ارائه شده است. اما آنچه که کمتر مورد توجه محققین قرار گرفته است، پایش فرآیندهای چندمتغیره کیفی با مشخصه های طبقه بندی شده می باشد. در این تحقیق بدنبال ارائه و توسعه رویکردهای مختلفی به منظور پایش فرآیندهای چندمتغیره طبقه بندی شده هستیم که برای نمایش اولیه آن از جدول توافقی استفاده شده است. نکته حائز اهمیت آنکه تحقیقات مختلفی در حوزه پایش فرآیندهای چندمتغیره اسمی تاکنون انجام پذیرفته است که این تحقیق با هدف توسعه این دسته از پژوهش ها، رویکردهای جدیدی به منظور پایش فرآیندهای چندمتغیره طبقه بندی شده مبتنی بر داده های ترتیبی در هر دو فاز 1 و 2 ارائه داده است. در این تحقیق ابتدا به پایش فاز 1 فرآیندهای چندمتغیره ترتیبی پرداخته می شود. بدین منظور آماره های MR و آزمون نسبت درستنمایی استاندارد (SLRT) برای پایش این دسته از فرآیندها مبتنی بر مدل لگاریتم خطی ترتیبی توسعه داده شده است. علاوه براین، در پایش فاز 1، مقادیر پارامترهای مدل لگاریتم خطی ترتیبی نامعلوم است و باید تخمین زده شود که در این تحقیق از الگوریتم نیوتن-رافسون برای این منظور استفاده شده است. نتایج محاسبات شبیه سازی شده در فاز 1 نشان دهنده عملکرد بهتر روش MR در کشف تغییرات کوچک و متوسط در پارامترهای فرآیند است. همچنین به منظور نشان دادن عملکرد مناسب روش های پیشنهادی در دنیای واقعی، از یک مجموعه داده در صنعت داروسازی با تمرکز بر فرآیند آزمایش انحلال به مدت 6 دوره زمانی استاندارد استفاده شده است. در پایش فاز 2 فرآیندهای چندمتغیره ترتیبی، نمودارهای کنترل MR و MG-p توسعه داده شدند. نتایج تحقیق مبتنی بر شاخص متوسط طول دنباله که تحت تغییرات کوچک، متوسط و بزرگ در پارامترهای مدل لگاریتم خط ترتیبی بدست آمده، حاکی از عملکرد بهتر آماره MR در اکثر تغییرات است. همچنین در همین فاز، آماره دیگری تحت عنوان آماره ترتیبی-نرمال چندمتغیره (MONS) توسعه یافت. به منظور ارزیابی عملکرد این آماره، مقادیر متوسط طول دنباله تحت تغییرات مختلف در پارامتر مدل، با آماره Generalized-p مورد مقایسه قرار گرفت که نتایج حاکی از عملکرد بهتر آماره MONS می باشد. علاوه براین، برای بررسی عملکرد این نمودارهای کنترل در فضای واقعی، از یک مثال عددی در حوزه مراقبت سلامت که توسط[1] ارائه شد، مورد استفاده قرار گرفت. نتایج مثال عددی واقعی نیز بیانگر عملکرد مناسب روش پیشنهادی در این بخش است.

برنامه ریزی و تصمیم گیری درست برای کاهش آثار ناشی از وقوع بحران از اهداف کلیدی مدیریت بحران هستند. در این تحقیق، مسأله ی مکان یابی هاب و مسیریابی با در نظر گرفتن احتمال خرابی مسیر ارتباطی در زمان وقوع بحران بررسی می گردد. بدین منظور، یک مدل برنامه ریزی ریاضی دوهدفه برای انتخاب مکان تسهیلات و در نظر گرفتن خرابی (از دسترس خارج شدن) مسیرهای ارتباطی پس از وقوع حوادث طبیعی یا انسان ساز ارائه می شود. این امکان به صورت احتمالات خرابی هریک از کمان های شبکه در فرایند مدل سازی مسأله در نظر گرفته می شود. در نظر گرفتن این احتمالات باعث می شود تا مسیرهایی با قابلیت اطمینان بالاتری برای جابجایی افراد و توزیع کمک بشر دوستانه انتخاب شود که این امر باعث افزایش سرعت پاسخگویی در واقعیت می گردد . در مدل ریاضی ارائه شده، تعدادی انبار با مکان و موقعیت مشخص جهت حفظ ملزومات موردنیاز در زمان وقوع بحران در نظر گرفته شده اند. در زمان وقوع بحران، این ملزومات از طریق تعدادی انبار موقت و واسطه (هاب) به محل مشتریان انتقال داده می شوند. مکان هاب ها از قبل مشخص نیست و باید از بین تعدادی سایت کاندیدا که شرایط تبدیل شدن به هاب را دارند، انتخاب شوند. از طرفی به دلیل صدمات ناشی از وقوع بحران های طبیعی یا انسان ساز ممکن است برخی از مسیرهای ارتباطی بین گره های شبکه، از بین بروند یا امکان تردد به راحتی از آن ها وجود نداشته باشد. احتمال خرابی هر یک از مسیرها با توجه به شرایط جغرافیایی شبکه، از قبل مشخص است. هدف مسأله انتقال ملزومات به آسیب دیدگان از انبارهای اصلی به هاب ها و سپس از آنجا به مناطق جمعیتی است. مسیر انتقال از انبارها به هاب ها مشخص است اما لازم است مسیر انتقال از هاب ها به مناطق جمعیتی به عنوان متغیرهای تصمیم مسأله مشخص شوند. توابع هدف مدل ارائه شده شامل بیشینه سازی پوشش و کمینه سازی هزینه های احداث و انتقال و از دست رفت مشتری می باشد. برای حل مسأله مورد بررسی دو روش حل، شامل دقیق (روش محدودیت اپسیلون بهبود یافته) و فراابتکاری ژنتیک چند هدفه ارائه می گردد. برای صحت و اعتبار مدل ریاضی و کارایی الگوریتم فراابتکاری ارائه شده از طریق ارائه ی مثال عددی ارزیابی می شود.

سرطان بیماری است که از تکثیر غیرطبیعی سلول های بدن به وجود می آید و سالانه افراد زیادی را درگیر می کند. این بیماری به عنوان دومین عامل موثر و شایع در مرگ شناخته می شود. یکی از روش-های مطلوب برای درمان آن شیمی درمانی است. اما از آن جایی که شیمی درمانی علاوه بر سلول های سرطانی، برسلول های سالم نیز تاثیر می گذارد، بنابراین باید دوز داروهای مورد استفاده در آن را به-گونه ایی تنظیم نمود که همزمان با کاهش اندازه تومور، میزان آسیب به سلول های سالم نیز کاهش یابد. هم چنین، با توجه به روند رو به رشد موارد ابتلا به سرطان، تقاضا برای شیمی درمانی نیز افزایش یافته است اما، منابع کلینیک های آنکولوژی به این سرعت افزایش نخواهند یافت. به این ترتیب، با تصمیمات صحیح می توان این مسائل را به درستی مدیریت نمود. به همین دلیل در این تحقیق سه مدل ریاضی ترتیبی برای سه مسأله برنامه ریزی درمان، برنامه ریزی قرارملاقات و زمان بندی قرارملاقات شیمی درمانی جهت مدیریت شیمی درمانی و ارائه یک برنامه درمان کامل برای بیماران پیشنهاد می شود. هم چنین، چهار مرحله از مراحل شیمی درمانی شامل، پذیرش، انجام آزمایشات خون، مشاوره با آنکولوژیست و تزریق دارو، در نظر گرفته می شود. مدل نخست، یک مدل برنامه ریزی غیرخطی عدد صحیح مختلط است که دوز بهینه دارو را برای بیماران جدید، با هدف کمینه سازی تعداد سلول های سرطانی در انتها افق برنامه ریزی تعیین می کند. دومین مدل، یک مدل برنامه ریزی خطی عدد صحیح مختلط است که روز شروع درمان بیماران جدید را با هدف کمینه سازی تأخیر در شروع درمان بیماران، اضافه کاری و بیکاری کلینیک، بهینه سازی می نماید. مدل سوم نیز، یک مدل برنامه ریزی خطی عدد صحیح مختلط است که زمان قرارملاقات بیماران جدید تعیین شده در مدل های اول و دوم را با هدف کمینه سازی زمان اتمام تمامی قرارملاقات ها معین می کند و آنها را به خدمت دهنده ها تخصیص می دهد. برای حل مدل ها از نرم افزار GAMS استفاده شده است که جواب های مناسبی در مدت زمان منطقی ارائه می کند.

امروزه پیوند عضو به عنوان یکی از راه های موثر در درمان بیماری هایی نظیر نارسایی های حاد کلیه و مشکلات حاد کبدی و بسیاری دیگر از بیماری های خطرناک و کشنده شناخته می شود. از آن جا که همواره عدم توازن بین عرضه و تقاضای عضو پیوندی وجود دارد، مسأله مدیریت عرضه بسیار حائز اهمیت است. در سال های اخیر مطالعات زیادی بر روی این مسأله صورت گرفته است که منجر به مدل سازی های مختلف شده است. یکی از موضوعات مورد بررسی در پژوهش ها، برنامه پیوند جفتی کلیه است. این برنامه سعی دارد با تخصیص مناسب اهداکنندگان هر جفت به بیماران جفت های دیگر، بیشترین کارائی را در تبادلات ایجاد کند. با توجه به ضرورت رسیدگی به بیماران منتظر در صف دریافت کلیه و هم چنین ارتباط روز افزون برنامه های درمانی کشورهای مختلف، در این مطالعه مسأله پیوند جفتی کلیه در سطح بین المللی توسعه یافته و یک مدل برنامه ریزی خطی عدد صحیح دو هدفه به منظور بیشینه کردن تعداد وزنی پیوندهای جفتی کلیه بین المللی و کمینه کردن هزینه ها ارائه می شود. در طراحی تبادلات این مسأله، علاوه بر چرخه ها، زنجیره هایی که توسط اهداکنندگان داوطلب و اهداکنندگان پل تشکیل می شوند نیز حضور دارند. علاوه بر این، اثر حساسیت زدایی نیز در کمک به افزایش احتمال موفقیت پیوند ها لحاظ می گردد. در این پژوهش، مفروضاتی نظیر اولویت بیماران با حال وخیم، حساسیت زدایی و حداکثر طول زنجیره و چرخه به طول 3 در نظر گرفته می شود. برنامه های پیوند کلیه کشورهای مختلف می توانند با یک دیگر تبادل داشته باشند و هم چنین تبادلات بین المللی دارای هزینه هایی خواهد بود که مدل به بررسی هزینه های برنامه و کمینه سازی آن نیز می پردازد. مسأله با داده های مصنوعی و داده های واقعی بیماران یک مرکز درمانی در آمریکا حل و مورد ارزیابی قرار گرفته است. بدین صورت که ابتدا مدل مسأله به مدل چرخه تبدیل شده و سپس با استفاده از روش محدودیت اپسیلون بهبودیافته و با بررسی همه حالت های بالقوه تشکیل زنجیره و چرخه، در نرم افزار GAMS حل می شود. برنامه پیوند جفتی کلیه بین المللی جزو مسائل تصمیم گیری است، و مجموعه ای از جواب های ناحیه پارتو به عنوان جواب بهینه به دست آمد. نتایج به دست آمده نشان می دهد که این برنامه کارایی بالایی در طراحی تبادل ها دارد. برای مثال، با افزودن هر اهداکننده داوطلب، تعداد پیوندها به طرز چشم گیری افزایش خواهد یافت.

سودآوری، موفقیت و بقای یک کسب و کار بیش از هر چیزی به رضایت و جذب حداکثری مشتریان آن کسب و کار وابسته است. بدون شک ازدحام و تشکیل صف های طولانی یا خرابی های مکرر و توقف های طولانی موجب نارضایتی مشتریان و انصراف آنها می شود. تصمیمات مکان یابی بر حجم ازدحام تسهیلات و میزان از دست رفتن مشتریان ناشی از خرابی موثر است. در این تحقیق مساله مکان یابی تسهیلات پرازدحام و خدمت دهندگان مستعد خرابی با فرض مشتریان بی حوصله در نظر گرفته می شود. ازدحام مشتریان برای دریافت خدمت معمولا موجب تشکیل صف های انتظار در تسهیلات می شود. همچنین وقوع حوادثی همچون خرابی ماشین آلات، قطع برق یا قطع سیستم های ارتباطی می تواند موجب توقف خدمت شوند. هر تسهیل مادامی که شکستی رخ نداده است همانند سیستم صف M⁄(M⁄1) کار می کند. پس از وقوع شکست، خدمت دهنده از کار می افتد و مشتریانی که در حال دریافت خدمت و یا در صف انتظار هستند تسهیل را ترک می کنند. علاوه بر این، مشتریانی که در خلال تعمیرات به تسهیل مراجعه می کنند نیز از ورود به تسهیل و دریافت خدمت منصرف می شوند. در این تحقیق، دو مساله متفاوت برای مکان یابی تسهیلات پرازدحام با خدمت دهندگان مستعد خرابی ارائه می شود. در هر دو مساله، وقوع ازدحام و وقوع خرابی به عنوان دو منبع بالقوه برای از دست رفتن مشتریان در نظر گرفته می شوند. همچنین دو نوع سیستم صف متفاوت برای تحلیل وضعیت های مختلف تسهیلات و محاسبه معیارهای سیستم صف در نظر گرفته می شود. در سیستم صف نوع اول چنین فرض می شود که خدمت دهنده فقط در زمان ارائه خدمت به مشتریان دچار توقف می شود و هیچ خرابی در زمان بیکاری خدمت دهنده رخ نمی دهد. در سیستم صف نوع دوم، خرابی در زمان بیکاری خدمت دهنده نیز رخ می دهد. نتایج تحلیل سیستم صف در ارائه مدل های مکان یابی به کار برده می شوند. در مدل های ارائه شده، معیارهای مختلف سیستم صف با توجه به متغیرهای مربوط به مساله مکان یابی و نحوه توزیع تقاضا تعیین می شوند. در مساله اول، مدلی برای تعیین تعداد و مکان بهینه تسهیلات ارائه می شود. تابع هدف این مدل، مجموع سود حاصل از ارائه خدمت به مشتریان را بیشینه می کند. مثال های عددی نشان می دهند که با در نظر گرفتن فرض توقف خدمت دهندگان، تعداد و مکان بهینه تسهیلات تغییر می کنند. همچنین دو رویکرد حل تقریبی (الگوریتم شیرمورچه و الگوریتم ژنتیک) برای حل مثال های با سایز بزرگ ارائه می شود. در مساله دوم، تعداد تسهیلات مشخص است و مکان بهینه آنها به نحوی تعیین می شود که کمینه ضریب بهره وری تسهیلات بیشینه شود. برای این مساله یک مدل برنامه ریزی ریاضی غیرخطی و چندین مدل تقریبی خطی ارائه می شود. همچنین یک الگوریتم حل دقیق (الگوریتم شاخه و کران) و دو الگوریتم حل تقریبی (الگوریتم ابتکاری و الگوریتم شیرمورچه) ارایه می گردد. آزمایش های عددی کارایی الگوریتم های حل را نشان می دهند.

اعضای زنجیره تامین مواد غذایی برای حفظ جایگاه خود در بازار رقابتی باید خود را با نیازهای جدید مشتریان تطبیق دهند. امروزه پایداری و کیفیت در زنجیره تامین مواد غذایی دو معیار مهم برای جذب مشتری به حساب می‎آید. تصمیمات اعضای زنجیره تامین بر اهداف اقتصادی، محیط زیستی و اجتماعی تاثیرگذار است، بنابراین برای بهبود عملکرد اعضا در بلند مدت باید هر سه بعد زنجیره تامین پایدار بصورت همزمان در نظر گرفته شود. در این تحقیق زنجیره تامین محصولات غذایی شامل یک تولیدکننده و دو تامین کننده مطالعه می شود. هر سه بعد زنجیره تامین پایدار مواد غذایی شامل بیشینه‎سازی سود اعضای زنجیره تامین (اقتصادی)، کاهش گازهای گلخانه‎ای منتشر شده (محیط زیستی) و سلامتی مصرف‎کنندگان (اجتماعی) برای مساله در نظر گرفته می‎شود. سه مدل برای مساله ارائه شده است که مدل اول بدون محدودیت و دیگر مدلها شامل محدودیت هستند. دو ساختار متمرکز و غیرمتمرکز برای زنجیره تامین در نظر گرفته شده و تاثیر این ساختارها در تصمیمات و اهداف مطالعه می شود. اعضای زنجیره تامین در کنار رقابت برای بهبود عملکرد خود و کل اعضای زنجیره تامین بایکدیگر همکاری می‎کنند. در این تحقیق سناریوهای مختلف برای روابط بین اعضای زنجیره تامین در نظر گرفته شده و تاثیرشان در تصمیمات و اهداف زنجیره تامین مطالعه می شود. در مدل اول، همکاری بین اعضای زنجیره تامین از طریق ائتلاف صورت می‎گیرد. ائتلاف بین اعضای زنجیره تامین و سهیم شدن در هزینه به عنوان دو مکانیزم همکاری در مدل دوم در نظر گرفته شده است. از تئوری بازی‎ها و برنامه‎ریزی دوسطحی برای مدلسازی به ترتیب در دو حالت مدل بدون محدودیت و بامحدودیت استفاده شده است. محصولات لبنی به عنوان مطالعه موردی برای تجزیه و تحلیل مساله انتخاب شده و نتایج جالبی حاصل شد. انگیزه تولیدکننده برای کاهش گازهای گلخانه‎ای منتشر شده با افزایش وابستگی تقاضا به قیمت کاهش می‎یابد. انتشار گازهای گلخانه‎ای با افزایش جریمه دولت برای بخطر افتادن سلامتی مصرف‎کنندگان افزایش می‎یابد. ائتلاف بین اعضای زنجیره تامین زمانی از نظر اقتصادی سودمند است که وابستگی تقاضا به کاهش گازهای گلخانه‎ای بیشتر شود. افزایش بودجه در سناریوهایی اقتصادی است که اعضای زنجیره تامین با یکدیگر رقابت دارند. افزایش ظرفیت و بودجه از نظر محیط زیستی زمانی مفید است که اعضای زنجیره تامین با یکدیگر ائتلاف تشکیل دهند.

با توجه به اینکه مسائل تشکیل سلول، زمان بندی و جانمایی سلولی در طراحی سیستم های تولید سلولی وابسته هستند، طراحی همزمان تشکیل سلول، زمان بندی و جانمایی، روشی مناسب به منظور پیاده سازی بهتر سیستم‎های تولید سلولی است. به همین منظور، این تحقیق یک مدل برنامه ریزی ریاضی عدد صحیح مختلط ارائه می کند تا طراحی هم زمان تشکیل سلول، جانمایی و زمان بندی را بررسی کند. مدل پیشنهاد شده، بسیاری از ویژگی‎های طراحی، مثل کپی ماشین‎ها، مسیرهای عملیاتی جایگزین، قطعات دارای عملیات غیر متوالی یکسان و تعداد سلول متغیر را به طور هم‎زمان در نظر می‎گیرد. در مدل ریاضی ارائه شده، تخصیص ماشین ها به سلول های تولیدی، انتخاب مسیرهای پردازش برای قطعات، توالی پردازش عملیات ها روی ماشین ها و تخصیص سلول ها به موقعیت های کاندید سلول به نحوی انجام می گیرد که مجموع زمان های تکمیل قطعات به عنوان تابع هدف کمینه گردد. با توجه به غیرخطی بودن مدل ریاضی پیشنهاد شده، چندین تکنیک خطی سازی پیشنهاد شده اند تا آن را به یک فرمولبندی برنامه ریزی خطی عدد صحیح ترکیبی تبدیل کند. از آنجاییکه این مدل به کلاس NP-hard تعلق دارد، الگوریتم بهینه‎سازی به کمک میرایی ارتعاشات (VDO ) پیشنهاد شده است تا مسائل سایز بزرگ را حل کند. به منظور اعتبارسنجی مدل و سنجش میزان کارایی الگوریتم فراابتکاری پیشنهاد شده در مقایسه با نرم افزار GAMS و دو الگوریتم فراابتکاری دیگر یعنی الگوریتم ژنتیک و الگوریتم بهینه سازی شیر مورچه، چندین مسأله نمونه با اندازه‎ها و تنظیمات مختلف پیاده‎سازی می شوند. نتایج به دست آمده کارایی الگوریتم VDO پیشنهاد شده را در ارتباط با مقدار تابع هدف و زمان محاسباتی نشان می دهد. رخداد وقایع غیرمنتظره در محیط های تولیدی ممکن است منجر به ناموجه شدن و غیر بهینه شدن زمان بندی اولیه شود. در محیط های تولیدی، اغلب فرض بر این است که محیط زمان بندی یک محیط ایستا است که در آن هیچ رخداد غیرمنتظره ای رخ نمی دهد. در صورتیکه، بیشتر محیط های تولیدی تحت شرایط پویا و تصادفی کار می کنند. وقایع تصادفی یا غیرمنتظره می تواند شامل خرابی ماشین، زمان پردازش غیرقطعی، ورود یک کار جدید و کنسل کردن کارها و امثال آنها شود. به منظور غلبه بر اختلالات غیرمنتظره، زمان بندی اولیه نیازمند اصلاحاتی است. در ادامه، فرض می شود کاری جدید جهت پردازش در سیستم به عنوان اختلال وارد سیستم می‎شود. به منظور برخورد با این اختلال، یک مدل واکنشی جدید ارائه می شود. مدل واکنشی ارائه شده به گونه ای عمل می کند که هم معیار کلاسیک زمان بندی (مجموع زمان های تکمیل قطعات) و هم دو معیار جدید را در نظر می گیرد. دو معیار جدید به منظور ثبات در سیستم و مقاومت در برابر تغییرات در نظر گرفته می شوند. در مدل ریاضی ارائه شده، تخصیص ماشین ها به سلول های تولیدی، انتخاب مسیرهای پردازش برای قطعات و توالی پردازش عملیات ها روی ماشین ها به نحوی انجام می گیرد که مجموع زمان های تکمیل قطعات به عنوان تابع هدف اول و مجموع تعداد جابه جایی های ماشین ها و سلول های برنامه واکنشی در مقایسه با برنامه اولیه به عنوان تابع هدف دوم کمینه گردد. به منظور اعتبار سنجی مدل پیشنهاد شده، برنامه اولیه ایجاد شده برای مثال ارائه شده با درنظر گرفتن ورود چند کار جدید به روز رسانی می شود.

در سیستم های فوریت های پزشکی، پوشش مشتریان تحت تأثیر مستقیم نحوه تخصیص آمبولانس ها به مشتریان و نحوه برگشت آنها به ایستگاه ها است. بنابراین علاوه بر سیاست های اعزام، تعیین سیاست هایی برای برگشت آمبولانس ها نیز می تواند به بهبود معیارهای عملکردی این سیستم ها کمک کند. برای پایش عملکرد سیستم باتوجه به استراتژی های تعریف شده می توان از سیستم صف فوق مکعبی استفاده کرد. در این رساله، ابتدا دو مدل مکان یابی یکپارچه با مدل صف فوق مکعبی برای بیشینه سازی پوشش مورد انتظار ارائه می شوند. در مدل اول، مکان آمبولانس های بیکار و مشغول در تعریف وضعیت های سیستم در نظر گرفته می شود و عملکرد سیستم را می توان به طور دقیق مورد تجزیه و تحلیل قرار داد. به دلیل تعداد زیاد وضعیت ها در این مدل، نمی توان آن را برای مسائل بزرگتر به کار برد. به همین دلیل، مدل دوم با همان مفروضات مدل اول ارائه می شود با این تفاوت که مکان آمبولانس های مشغول در تعریف وضعیت های سیستم درنظر گرفته نمی شوند اما براساس نرخ ورود مشتریان هر ناحیه تقریب زده می شوند. در این مدل ها دو استراتژی برای نحوه برگشت آمبولانس ها تعریف شده است. در استراتژی اول، آمبولانس پس از اتمام مأموریت به نزدیک ترین ایستگاه خالی به خود برمی گردد و در استراتژی دوم، به ایستگاه خالی که بیشترین میزان تقاضا را پوشش می دهد بازمی گردد. علاوه بر دو مدل مکان یابی، مدل دیگری ارائه می شود که هدف آن، یافتن بهترین استراتژی برگشت برای آمبولانس ها است به طوری که پوشش مورد انتظار بیشینه گردد. مفروضات و تعریف وضعیت این مدل، مشابه مدل دوم است با این تفاوت که در این مدل، مکان یابی انجام نشده و تنها لیست اولویت برگشت تعیین می شود. تمام مدل ها از نوع آفلاین و پویا هستند و بازآرایی تنها برای آمبولانسی صورت می گیرد که به تازگی مأموریتش به پایان می رسد. در همه مدل ها، ایستگاه هایی که آمبولانس ها باید پس از اتمام خدمت به آنها برگردند می توانند متفاوت از ایستگاه هایی باشند که آمبولانس ها از آنها اعزام می گردند. چند مثال در ابعاد کوچک و متوسط با استفاده از روش حذفی گاوس به صورت دقیق حل می شوند. به دلیل پیچیدگی مدل ها، برای حل مثال های بزرگ تر از رویکردهای بهینه سازی مبتنی بر شبیه سازی استفاده می شود. بر همین اساس در این نوع مسائل، از الگوریتم شبیه سازی تبرید برای حل مدل مکان یابی (مدل دوم) و از الگوریتم های چندجهانی و ژنتیک، برای حل مدل تعیین استراتژی برگشت (مدل سوم) استفاده می شود. در تمام این الگوریتم ها هر زمان که نیاز به محاسبه برازندگی جواب های تولید شده باشد، تابع شبیه سازی فراخوانی می شود. علاوه بر این، از داده های واقعی یک مطالعه موردی برای بررسی عملکرد مدل های پیشنهادی استفاده می شود.

در این رساله، سه مسأله زمانبندی تولید و توزیع مورد بررسی قرار گرفته اند. مسأله اول به زمانبندی یکپارچه تولید و مسیریابی وسایل نقلیه میپردازد. یک کارخانه که چند خط تولید موازی در اختیار دارد، سفارشهای مشتریان را دریافت میکند و پس از تولید محصوالت سفارش داده شده، آنها را به صورت دسته ای و به روش مسیریابی وسایل نقلیه به مشتریان تحویل میدهد. هدف، یافتن یک برنامه زمانی یکپارچه ی تولید و مسیریابی است به گونه ای که مجموع هزینه ها شامل هزینه های آماده سازی ماشین آلات، نگهداری، توزیع و دیرکرد حداقل شود. در مسأله دوم، امکان برونسپاری کارها به مفروضات مسأله اول اضافه شده است. هر کار برونسپاری شده در زمان معین و با هزینه مشخص به کارخانه تحویل داده خواهد شد. مسأله سوم تعمیمی ازمسأله دوم است به گونهای که توزیع به صورت دو مرحله ای انجام میشود. محصولات تولید شده برای مراکز توزیع ارسال شده و از آنجا به روش مسیریابی وسایل نقلیه به مشتریان تحویل داده میشود. هر یک از مسائل مورد بررسی ابتدا به صورت یک مدل برنامه ریزی خطی عددصحیح مختلط ارائه و اعتبارسنجی آن انجام شده است. به دلیل hard-NP بودن این مسائل، الگوریتمهای فرا ابتکاری برای حل نمودهایی با ابعاد بزرگ پیشنهاد شده اند. برای حل مساله اول، تعدادی لم، قضیه و قواعد غلبه اثبات و با یک الگوریتم رقابت استعماری که از یک روش جدید بازنمایی و رمزگشایی بهره میگیرد، ترکیب شده اند. برای حل مسأله دوم نیز تعدادی قواعد غلبه استخراج شده و با یک الگوریتم ژنتیک ادغام شده اند. به منظور نشان دادن تأثیر پارامترهای کلیدی شامل اندازه جمعیت، نرخ نخبه گرایی، ترکیب و جهش بر تابع هدف، آنالیز حساسیت انجام شده است. همچنین برای حل مسأله سوم، یک الگوریتم بهینه سازی بیوه سیاه -یکی از جدیدترین الگوریتمهای فراابتکاری- ارائه و با جست و جوی محلی بهبود داده شده است. به منظور ارزیابی عملکرد الگوریتمهای پیشنهادی، تعدادی نمود تصادفی تولید و حل شده اند. نتایج محاسباتی حاکی از آن است که این الگوریتمها عملکرد خوبی برای مسائل با ابعاد بزرگ دارند. برای بررسی معناداری نتایج به دست آمده از آزمون آماری t استفاده شده است. همچنین، تأثیر پارامترهای هرمسأله بر مقادیر متغیرها بررسی شده است تا یک دیدگاه مدیریتی مناسب به دست آید.

نترل و نگهداری موجودی اقلام فاسدشدنی همواره یکی از موضوعات مورد اهمیت برای سازمان ها و صنایع بوده است. فاسد شدن کالا علاوه بر این که موجب ضرر و زیان بنگاه ها از نظر اقتصادی می شود، از لحاظ زیست محیطی نیز موجب افزایش آلودگی محیط خواهد شد. در این شرایط تولیدکننده با یک هماهنگی مناسب با خرده فروشان که در آن با به اشتراک گذاری اطلاعاتی نظیر تقاضا و موجودی اقلام فاسدشده، نسبت به بازگرداندن آن ها و استفاده مجدد این اقلام در خط تولید به عنوان بخشی از مواد اولیه مورد نیاز خود می نماید، که به این ترتیب علاوه بر صرفه اقتصادی که موجب کاهش هزینه ها در سیستم می شود، از لحاظ زیست محیطی نیز موجب کاهش آلودگی می شود. در این تحقیق به توسعه یک مدل قیمت گذاری و کنترل موجودی برای اقلام فاسدشدنی با استفاده از استراتژی تحویل چندگانه SSMD[1] در یک زنجیره تأمین حلقه بسته پرداخته خواهد شد. زنجیره تأمین مورد نظر دوسطحی و شامل یک تولیدکننده و چندین خرده‎فروش است که به صورت یکپارچه مورد بررسی قرار گرفته است. در مدل ارائه شده تقاضا خرده فروشان وابسته به قیمت فروش آنها بوده و فرض شده است که قیمت فروش همه خرده فروشان یکسان و با هم برابر است و همچنین قیمت فروش تولیدکننده نیز به صورت تابعی از قیمت خرده فروشان لحاظ شده است. ضمن این که محصولات تولیدی فاسدشدنی بوده و نرخ فاسدشدن محصول ثابت و به صورت درصدی از سطح موجودی خرده فروش تعریف می شود. هدف از مسأله پیشنهادی تعیین قیمت بهینه فروش و مقدار تحویل کالا در هر بار ارسال و تعداد دفعات تحویل کالا به خرده فروشان به منظور حداکثر کردن سود کل زنجیره تأمین خواهد بود. مدلسازی مسأله در دو سطح تولیدکننده و خرده فروش انجام می شود. تولیدکننده محصولات تولیدی خود را در چندین مرحله برای خرده فروشان ارسال می کند، این کار بشدت باعث کاهش سطح موجودی می شود و به موجب آن برروی هزینه های سیستم از جمله هزینه نگهداری تأثیر بسزایی می گذارد. در چنین حالتی خرده فروش و تولیدکننده در نظر دارند سود نهایی و یکپارچه خود را حداکثر کنند. در نهایت، با ارائه مثال عددی و انجام تحلیل حساسیت بر روی پارامترهای مختلف به ارزیابی مدل پرداخته خواهد شد. همچنین، برای بررسی کارایی مسئله بیان شده، نتایج بدست آمده مدل پیشنهادی با حالت کلاسیک مقایسه شده و نتایج حاکی از آن بیان خواهد شد. [1] Single-Setup-Multiple-Delivery

هدف سیستم های اضطراری ارائه خدمات در کوتاه ترین زمان ممکن است تا جان انسان ها را نجات دهند و صدمات ناشی از حوادث را کم کنند. عملکرد این سیستم ها به شدت به مکان آمبولانس ها و سیاست های تخصیص و اعزام آمبولانس ها به مشتریان که در این سیستم ها بیماران هستند، بستگی دارد. در این پژوهش دو مدل مکان یابی ارائه می شود که با ادغام مدل مکان یابی و مدل فوق مکعبی، تصمیم گیری در مورد مکان آمبولانس ها و سیاست های اعزام را یکپارچه می کند. در مدل های ارائه شده، پشتیبانی خدمت دهنده ها به صورت جزئی بوده و هر خدمت دهنده تنها می تواند به مشتریانی خدمت دهد که در شعاع پوشش وی قرار دارند. در هر دو مدل ارائه شده، متغیرهای تصمیم مکان یابی بخشی از معادلات تعادل جریان هستند تا بتوان این معادلات را به عنوان محدودیت های مدل های مکان یابی ارائه شده در نظر گرفت. در مدل اول، هر خدمت دهنده می تواند در هر لحظه از زمان بیکار یا مشغول باشد. در مدل ارائه شده دوم، زمان سفر مستقل از زمان خدمت در محل مشتری در نظر گرفته می شود. در این مدل، هر دو زمان خدمت و زمان سفر از توزیع نمایی پیروی می کنند اما نرخ این توزیع ها متفاوت از هم و با توجه به عوامل مؤثر بر هر کدام مشخص می گردد. بدین منظور، یک تعریف وضعیت جدید ارائه شده و معادلات تعادل جریان حول این وضعیت ها شکل می گیرند. در این وضعیت ها، هر خدمت دهنده می تواند در هر لحظه از زمان، بیکار، مشغول و در حال سفر یا مشغول و در حال ارائه خدمت در محل مشتری باشد. همچنین با توجه به تعریف وضعیت ارائه شده، معیارهای عملکردی جدیدی برای سیستم های اضطراری تعریف می شود. برای تأیید اعتبار و تحلیل حساسیت این مدل ها، ابتدا مثال هایی در ابعاد کوچک و به روش های دقیق حل می شوند و سپس، به دلیل پیچیدگی مدل ها، برای حل مثال های بزرگ تر از رویکردهای بهینه سازی مبتنی بر الگوریتم ژنتیک استفاده می شود. در رویکرد اول از یک روش دقیق برای حل دستگاه معادلات استفاده می شود و رویکرد دوم از نوع بهینه سازی مبتنی بر شبیه سازی است. نتایج حاکی از آن هستند که چارچوب های بهینه سازی ارائه شده در دست یابی به جواب های با دقت بالا، خوب عمل می کنند. همچنین معیارهای عملکردی یک مطالعه موردی مربوط به پایگاه های جاده ای هلال احمر استان همدان نیز مورد بررسی قرار می گیرد و نشان داده می شود که زمان سفر بخش زیادی از زمان خدمت را در این سیستم در برمی گیرد.

امروزه کاهش هزینه ها و بهبود دسترسی به خدمات سلامت، به عنوان یک مسأله مهم در سیستم های زمان بندی بیماران سرپایی مطرح می شود. در اکثر مطالعات در زمینه زمان بندی بیماران سرپایی برای ساده سازی مساله، بسیاری از عوامل موثر بر زمان بندی را نادیده گرفته اند. در حالی که این عوامل در عمل اجتناب ناپذیر بوده و در نظر نگرفتن آنها موجب کاهش کارایی سیستم های زمان بندی می گردد. بنابراین در تحقیق حاضر با در نظر گرفتن برخی از این عوامل سعی در بهبود کارایی سیستم های زمان بندی بیماران سرپایی می شود. در این پژوهش هدف بهبود رضایت بیماران و پزشک است به طوری که رضایت بیماران با کاهش زمان انتظار آنها و رضایت پزشک با کاهش زمان های بیکاری و اضافه کاری وی حاصل می شود. در این تحقیق، مسأله زمان بندی بیماران سرپایی با در نظر گرفتن وقت نشناسی بیمار، تأخیر و وقفه کاری پزشک، لغوهای بی خبر و بیماران سرزده مدل سازی و حل می شود. این مدل تصادفی سعی دارد، مجموع وزین زمان انتظار بیماران و زمان بیکاری و اضافه کاری پزشک را کمینه سازد. مدل غیرخطی مسأله با استفاده از تقریب میانگین نمونه، خطی سازی شده سپس از طریق الگوریتم دقیق تجزیه بندرز، برای تعیین برنامه زمانی بهینه سراسری حل می شود. نتایج حاصل از مدل، نمایانگر این است که فواصل بین قرار ملاقات ها در ابتدای شیفت کاری، باید زیاد و در انتهای جلسه کوتاه در نظر گرفته شود و همچنین بخش عمده هزینه تابع هدف مربوط به انتظار بیماران است و بیکاری پزشک کمترین سهم را به خود اختصاص می دهد.

برنامه ریزی و زمان بندی کارآمد برای بهبود کیفیت خدمات اتاق عمل و درمان به موقع بیماران ضروری است. مدیران اتاق عمل در تلاش هستند تا با طراحی و بهینه سازی برنامه زمان بندی اتاق عمل و مراحل قبل و بعد از آن، توازن مناسبی بین هزینه های بیمارستان و رضایت بیماران ایجاد نمایند. در تحقیق حاضر زمان بندی چند دوره ای اتاق عمل در سطح عملیاتی با استفاده از یک رویکرد یکپارچه بررسی و یک مدل برنامه ریزی خطی عدد صحیح مختلط برای آن ارائه می شود. مدل ارائه شده، تصمیمات مراحل قبل ، حین و بعد از عمل های جراحی، به صورت یکپارچه و همزمان در نظر می گیرد و از این حیث به شرایط دنیای واقعی نزدیک تر است. در مدل ارائه شده از استراتژی زمان بندی باز برای اتاق های عمل استفاده می شود و زمان های انجام عمل و مدت زمان ماندن در واحد ریکاوری اتاق عمل به صورت پارامترهای دارای عدم قطعیت در نظر گرفته می شوند. یکی از فرض های کلیدی مسأله تحت بررسی، ورود بیماران سرزده برای انجام عمل های جراحی اورژانسی است که می تواند برنامه زمان بندی را به شدت تحت تأثیر قرار دهد. هدف مدل ارائه شده، ارائه برنامه زمان بندی چندین اتاق عمل و جراح و همچنین نحوه تخصیص جراحان به بیماران است به نحوی که زمان های بیکاری و اضافه کاری اتاق عمل و زمان های تأخیر جراح، کمینه شود. در نظر گرفتن محدودیت های مربوط به منابع متعدد و متفاوتی که در مسأله زمان بندی اتاق عمل وجود دارند مانند محدودیت تجهیزات، پرستاران، جراحان، متخصص بیهوشی و تخت های بستری، از ویژگی های برجسته مدل ریاضی ارائه شده است.

سیستم خدمات فوریت های پزشکی که امروزه به عنوان EMS شناخته می شود، اصلی ترین و ضروری-ترین نیاز بهداشتی و درمانی هر جامعه است. با توجه به حساسیت فوریت های پزشکی، حضور به موقع آمبولانس و تجهیزات در محل حادثه علی رغم تمام معضلات ترافیکی، جغرافیایی و ازدحام، امری ضروری است. به دلیل اهمیت این حوزه از تصمیم گیری و بهینه سازی در کاربردهای دنیای واقعی و همچنین جذابیت های فراوان علمی، تحقیقات بسیاری در زمینه برنامه ریزی و مدیریت آمبولانس صورت گرفته است. در این مقاله، مسأله مکان یابی و اعزام مجدد آمبولانس ها در یک سیستم خدمات اورژانسی، مدنظر قرار گرفته و مدل سازی و تحلیل می شود. به دلیل ماهیت تصادفی فرآیندهای دریافت تماس های اورژانسی (ورود مشتریان) و خدمت رسانی به مصدومین، شبکه خدمات به صورت مجموعه ای از سیستم های صف در نظر گرفته می شود. در این شبکه، هر سیستم صف با مرکزیت یک مرکز اورژانس (پاسخ)، مجموعه ای از مناطق جمعیتی را پوشش می دهد. فرآیند دریافت تماس های اورژانسی به صورت یک فرآیند پواسان در نظر گرفته می شود و زمان های حرکت آمبولانس در کمان های شبکه و همچنین زمان خدمت در محل، به صورت متغیرهای تصادفی نمایی با نرخ های مشخص در نظر گرفته می شوند. فرض اصلی در مسأله تحت بررسی، امکان اعزام مجدد آمبولانس ها است بدین معنی که آمبولانس پس از اتمام خدمت در یک گره مشتری، در صورت وجود تجهیزات کافی و همچنین عدم نیاز انتقال مصدومین به بیمارستان، به محل مشتری دیگری که در صف قرار دارد، مراجعه می نماید. پس از تحلیل سیستم صف، دو الگوریتم فراابتکاری آنلینگ شبیه سازی شده برای حل مسأله در مقیاس بزرگ ارائه می شود. در الگوریتم نخست، معادلات تعادل سیستم های صف به صورت مستقیم حل و معیارهای ارزیابی عملکرد محاسبه می شوند. با توجه به افزایش نمایی تعداد معادلات تعادل با افزایش اندازه مسأله، در الگوریتم دوم از یک رویکرد شبیه سازی گسسته پیشامد برای برآورد معیار ارزیابی عملکرد سیستم های صف استفاده می شود. برای ارزیابی میزان کارایی الگوریتم های ارائه شده، تعدادی شبکه تصادفی تولید و مسأله مکان یابی و اعزام مجدد توسط الگوریتم ها حل می شود. نتایج حاکی از کارایی مناسب الگوریتم های ارائه شده و دقت بالای رویکرد شبیه سازی گسسته پیشامد است.

خودروهای الکتریکی در سال های اخیر برای کاهش مصرف سوخت های فسیلی و کاهش انتشار گاز دی اکسید کربن رواج بسیاری پیدا کرده اند. بزرگترین معایب این نوع خودروها، کم بودن برد حرکتی آنهاست. دولت ها با افزایش تعداد ایستگاه های شارژ، قدرت آن را دارند تا جذابیت خرید و استفاده از خودروهای الکتریکی را بیشتر کنند (البته لازم است برق بیشتری به ایستگاه ها تخصیص داد). هزینه بالای خرید برق یکی از اساسی ترین چالش ها برای پایین بودن تقاضای مردم برای خرید این خودروهاست. در این مقاله یک مدل ریاضی غیر خطی، مکان یابی ایستگاه های شارژ خورشیدی خودروهای الکتریکی با شارژگیری رایگان براساس انتقال برق دوطرفه بین ایستگاه ها و خرید و فروش برق بین شبکه و برق شهری، با هدف بیشینه کردن سود سالانه نسبت به زمانی که ایستگاه ها تولید کننده برق نیستند و تقاضای مشتریان را تنها از برق شهری خریداری می کنند، ارائه می شود. ظرفیت منبع ذخیره سازی برق (باطری) ایستگاه های شارژ خورشیدی محدود است، بنابراین مقدار محدودی از تقاضای مشتریان را تضمین می کند. این مدل محدودیت ظرفیت ایستگاه ها را نامحدود می کند. همپنین مانع کمبود و اتلاف برق ایستگاه هاست. به منظور ارزیابی صحت مدل، مطالعه موردی روی داده های جزیره هاینان در جنوب چین حل و نتایج تحلیل می شود.

سیستم های مراقبت تروما زیردسته تسهیلات سیستم های سلامت اضطراری دائمی هستند. در این تحقیق، پس از بررسی ساختار این گونه از سیستم های سلامت و بررسی پژوهش های پیشین، مسأله مکان یابی مراکز تروما به صورت همزمان با ایستگاه های انتقال هوایی (هلی پورت ها) مدنظر قرار می گیرد. به دلیل حساسیت زمانی فراوانی که در امدادرسانی به بیماران متقاضای خدمات تروما وجود دارد، این مسأله به منظور کنترل ازدحام و انتقال سریع این دسته از بیماران، مدنظر قرار می گیرد. مسأله تحت بررسی شامل مکان یابی همزمان مراکز تروما و هلی پورت ها، تخصیص بیماران به تسهیلات و تعیین نرخ خدمت مراکز تروما است. به دلیل اهمیت زمان پاسخ در فوریت های ترومایی، فرض اصلی در مسأله تحت بررسی، در نظر گرفتن سیستم بدون صف انتظار برای این مراکز است. در استقرار مراکز تروما و ایستگاه های هلی پورت، صرفا آن دسته از مناطق جمعیتی مدنظر قرار می گیرند که در شعاع پوشش مراکز تروما و هلی پورت های احداث شده، قرار داشته باشند به عبارتی بخشی از تقاضای این نوع از خدمات به صورت از دست رفته (انتقال به سایر مراکز پاسخ) مدنظر قرار می گیرد. چنین فرضی به دلیل محدودیت بودجه برای احداث این مراکز، فرضی واقع گرایانه است. مدل برنامه ریزی غیر خطی عدد صحیح ترکیبی با تابع هدف بیشینه کردن نرخ (تعداد در واحد زمان) کل بیمارانی که بدون تأخیر منتقل می شوند برای این مسأله توسعه داده می شود. مدل غیر خطی توسعه داده شده با استفاده از روش آزادسازی مک کورمیک تعمیم یافته پس از معرفی مجموعه جدیدی از متغیر های تصمیم به یک مدل برنامه ریزی خطی عدد صحیح ترکیبی تبدیل می شود. سپس به منظور اعتبار سنجی مدل های ارائه شده، تعدادی مثال عددی در ابعاد کوچک توسط نرم افزار بهینه ساز GAMS حل و تحلیل می گردد. در ادامه با توجه به پیچیدگی مسأله مورد مطالعه، یک الگوریتم آنلینگ شبیه سازی شده به منظور حل مسائل با ابعاد بزرگ و متوسط توسعه داده می شود.

مسأله مکان یابی به دلیل اهمیت فراوان در ایجاد زیرساخت ها و نوع نگاه راهبردی و بلندمدت سازمان ها، با گذر زمان توسعه و پیشرفت قابل توجهی داشته است. از حوزه های جدید مکان یابی می توان به مسأله مکان-یابی شبکه ای اشاره کرد. در این نوع مسأله، جابجایی بین خدمت دهندگان و متقاضیان در امتداد کمان های شبکه انجام می شود و فاصله بین هر زوج نقطه به صورت طول کوتاه ترین مسیر بین آنها در نظر گرفته می شود. در این پژوهش مسأله مکان یابی تصادفی ایستگاه های آمبولانس در شبکه ای از جاده ها مورد بررسی قرار می گیرد. فرض می شود که تعدادی سایت به عنوان مکان بالقوه برای احداث پایگاه های ثابت اورژانس وجود دارند که باید از بین آنها تعداد مشخصی به عنوان ایستگاه جهت پوشش تقاضای مصدومان ناشی از تصادفات جاده ای انتخاب شود. در مسائل دنیای واقعی، تصادفات بر روی کمان های شبکه رخ می دهند و این در حالی است که در مدل های ریاضی که برای مکان یابی تصادفی ایستگاه های آمبولانس توسعه یافته اند، فرض کلیدی آن است که مشتریان (مصدومان تصادفات) بر روی گره های شبکه قرار دارند. با در نظر گرفتن این نکته، در این پژوهش فرض می شود که مکان و زمان وقوع تقاضاها در امتداد کمان های شبکه، متغیرهای تصادفی مستقل هستند بدین صورت که مکان وقوع تقاضا به صورت یکنواخت در هر یک از کمان ها توزیع شده است و تقاضاها بر اساس فرآیند پواسون تولید می شوند. از طرفی، مدت زمان ارائه خدمت توسط هر آمبولانس (شامل زمان رفت، زمان خدمت در محل و زمان برگشت به ایستگاه) در محدوده تحت پوشش، از یک توزیع نمایی با نرخ مشخص پیروی می کند. با توجه به ماهیت تصادفی ورود مشتریان و خدمت دهی آمبولانس ها، نخست سیستم صف مربوط به ایستگاه ها، تحلیل می شود و سپس از نتایج تحلیل سیستم صف برای توسعه مدل ریاضی مکان یابی استفاده می شود. در مدل ریاضی ارائه شده، مکان ایستگاه های آمبولانس و نحوه تخصیص کمان های شبکه به ایستگاه ها به نحوی تعیین می شود که میانگین زمان انتظار مصدومان در سیستم، کمینه گردد. به عنوان کاربردی واقعی از مدل ریاضی پیشنهادی، اطلاعات مربوط به تصادفات جاده ای استان کردستان مورد استفاده قرار گرفته و مکان های بهینه برای احداث ایستگاه های آمبولانس مشخص می شوند.

افزایش روزافزون رقابت پذیری و تلاش برای بقای سازمان ها، باعث تعریف مدیریت زنجیره تأمین شده است. سازمان ها رمز این بقا را در ارضای نیازهای مشتریان می دانند. نیازها و علائق مشتریان می تواند شامل کاهش قیمت، حمل سر وقت، کیفیت مناسب محصولات و از این قبیل موارد باشد. لذا یک تسهیل تولیدی باید به نحوی سیستم خود را تغییر دهند که قادر باشند محصولات خود را با کمترین هزینه، بالاترین کیفیت و در سریع ترین زمان ممکن جهت تحویل به موقع به مشتریان، تولید نمایند. همچنین این سیستم ها باید قادر باشند تا خود را سریعاً با تغییرات در تقاضا و طراحی محصولات، بدون نیاز به سرمایه گذاری مجدد، سازگار نمایند. در این چنین شرایطی ارزیابی و انتخاب تأمین کنندگان می تواند تأثیر بسیار زیادی در کارایی شبکه تولیدی داشته باشد. هر تأمین کننده، مواد خام مورد نیاز برای تولید چندین محصول مشابه یا غیرمشابه را فراهم می کند و نیاز تولید کنندگان را تأمین می سازد. در این تحقیق، برنامه ریزی تهیه مواد اولیه برای یک تسهیل تولیدی، مورد توجه قرار می گیرد که این تسهیل برای پوشش تقاضای بازار، به دنبال تولید محصولات مختلف است. همچنین تعدادی تأمین کننده مستقل در نقاط جغرافیایی مختلف، برای برآورده کردن نیاز مواد اولیه، وجود دارد. در واقع مجموعه ای از تأمین کنندگان در مسأله انتخاب و ارزیابی تأمین کنندگان (بر اساس معیارهای سنتی و سبز)، مد نظر قرار می گیرند و در هر دوره زمانی سعی می شود بر اساس تقاضای بازارها، مواد اولیه از این تأمین کنندگان خریداری گردد به نحوی که هزینه های مختلف تهیه مواد اولیه از تأمین کنندگان، انتقال مواد اولیه به تسهیل تولیدی و هزینه های نگهداری کمینه شده و همچنین مجموع نمره ارزیابی از تأمین کنندگان، بیشینه گردد. ارائه چنین مدلی برای افق زمانی چند دوره ای، به تصمیم گیرنده این امکان را می دهد تا در تصمیم گیری برای دنیای واقعی، موفق تر باشد و نگرشی مناسب برای تصمیم گیرنده فراهم می کند و به او جهت درک بهتر شرایط و تصمیم در اتخاذ برنامه ریزی مناسب کمک می کند. همچنین مدل پیشنهادی از نوع مدل عدد صحیح خطی هست و قابلیت حل مسائل توسط نرم افزار بهینه سازی در اندازه کوچک، وجود دارد. از آنجایی که مسأله پیشنهادی NP سخت است لذا برای کاربرد مدل در اندازه های واقعی، الگوریتم فراابتکاری ژنتیک ارائه می گردد. مثال های عدد نشان می دهند که الگوریتم پیشنهادی در جستجوی راه حل های بهینه یا نزدیک به بهینه موفق و کارا عمل می کنند.

مسأله تخصیص استاد و زمان بندی دروس در دانشگاه های علوم پزشکی گونه ای تعمیم یافته از زمان بندی دروس دانشگاه است که شامل تخصیص دروس و وظایف آموزشی و پزشکی به اساتید در یک دوره زمانی (نیمسال یا سال تحصیلی) با در نظر گرفتن ترجیحات آنها و برآورده کردن مجموعه ای از محدودیت های مختلف است. در تحقیقات مرتبط با این حوزه، مسأله زمان بندی دروس در دانشگاه و زمان بندی پزشکان عضو هیأت علمی در بیمارستان برای شیفت های کاری به صورت مستقل از هم انجام شده است. در این پایان نامه هر دو حوزه کاری با هم تلفیق شده و یک مدل برنامه ریزی خطی عدد صحیح مختلط چندهدفه ارائه می شود. محدودیت های ویژه ای برای مسأله ی مورد مطالعه وجود دارد؛ از آن جمله می توان به مدنظر قرار دادن تعداد استاد تخصیص داده شده به هر وظیفه یا درس، محدود بودن موظفی هر استاد، عدم تداخل زمانی وظایف و در نظر داشتن سبد درسی برای اساتید اشاره کرد. مدل پیشنهادی شامل دو معیار بهینه سازی است که معیار اول متوازن کردن بارکاری آموزشی و پزشکی اساتید و معیار دوم بیشینه کردن ترجیحات اساتید برای دروس و وظایف آموزشی و پزشکی با در نظر داشتن مرتبه علمی اساتید است. معیارهای ذکر شده در قالب سه تابع هدف در مدل ریاضی وارد می شوند. برای حل مدل ارائه شده از روش محدودیت اپسیلون بهبود یافته دوم استفاده می شود. در نهایت با به کارگیری داده های واقعی، مدل ارائه شده برای زمان بندی دروس و وظایف پزشکی در بخش عفونی دانشگاه علوم پزشکی کردستان، مورد استفاده قرار می گیرد. مدل با استفاده از روش محدودیت اپسیلون بهبود یافته دوم در نرم افزار بهینه ساز GAMS حل شده و جواب های پارتویی مسأله به دست می آید. در نهایت با در نظر گرفتن نظر دینفعان مسأله یکی از جواب های پارتویی به عنوان جواب نهایی مدل انتخاب می شود. مدل پیشنهادی توانایی آن را دارد که در سایر بخش های دانشگاه علوم پزشکی کردستان یا سایر دانشگاه ها مورد استفاده قرار گیرد.

موضوع مکان یابی تسهیلات یک تصمیم مدیریتی استراتژیک می باشد. از یک طرف ماهیت استراتژیک مسائل مکان یابی تسهیلات ایجاب می کند که هر مدل منطقی، زمینه هایی از عدم قطعیت وابسته به آینده را در نظر بگیرد. از طرف دیگر به طور کلی تصمیمات حوزه مکان یابی بر یک مبنای زمانی بلند مدت، ساخته شده و فاکتور های تأثیر گذار بر چنین تصمیماتی در طول زمان تغییر می کنند. از آنجایی که سرمایه گذاری لازم برای مکان یابی و مکان یابی مجددد تسهیلات زیاد می باشد، به منظور کاهش هزینه ها و برای همگام شدن با چنین شرایطی، مدل های مکان یابی و تخصیص پویا تحت شرایط عدم قطعیت توسعه یافته اند. در تحقیق پیش رو پس از معرفی و دسته بندی رویکرد های مختلف حل مسائل مکان یابی، نمونه ی جدیدی از مسائل مکان یابی پویا تحت عدم قطعیت با در نظر گرفتن انعطاف پذیری در پوشش تقاضا و در حالت استوار ارائه گردیده است. نظر به اینکه برای پوشش دادن شرایط عدم قطعیت، از رویکرد سناریویی استفاده شده است. مدل ریاضی مربوطه در دو حالت تک و چند سناریویی ارائه شده و تغییرات اعمال شده در مدل پایه به منظور ایجاد شرایط استوار به تفصیل مورد بحث قرار گرفته است. تحلیل و برسی نمونه های مختلف مسائل نشان می دهد که الزاماً با افزایش پارامتر پشیمانی نسبی که در رویکرد استوار در نظر گرفته شده ، مقدار بهینه ی تابع هدف بهبود نمی یابد. در این تحقیق ظرفیت تسهیلات به صورت پیمانه ای در نظر گرفته شده و افزایش ظرفیت هر واحد پیمانه ای و یا افزایش سقف مجاز ظرفیت تسهیلات ، موجب کاهش نسبی مقدار بهینه ی تابع هدف مسئله خواهد شد. افزایش سقف مجاز ظرفیت تسهیلات منجر به افزایش زمان حل مسائل خواهد شد، اما با تغییر پارامتر پشیمانی نسبی، تغییر چندانی در زمان حل رخ نمی دهد. همچنین تغبییرات زمان حل نسبت به تغییرات ظرفیت هر واحد پیمانه ای، دارای روند منظمی نمی باشد. با تحلیل و برسی مسائل در ابعاد مختلف، می توان به این نکته پی برد که اولویت اول مدل در برآورده کردن تقاضای مشتریان، برآورده کردن تقاضاها با تسهیلات موجود و تغییر در ظرفیت های آنهاست، به گونه ای که حتی الامکان از ایجاد تسهیلات جدید ممانعت شده و یا در صورت ایجاد، تغییرات زیادی در ظرفیت آنها رخ ندهد.

به منظور کاهش هزینه ها و افزایش کارایی سیستم زنجیره تأمین، انبارهای متقاطع یکی از مهمترین استراتژیهای انبارداری برای ترکیب محصولات، از تامین کننده های مختلف به مشتریان مختلف است. محصولات با کامیونهای ورودی از تامین کنندگان جمع آوری شده و سپس به وسیله ی کامیونهای خروجی از طریق انبار متقاطع به سمت مشتریان حرکت داده میشوند. زمانبندی کامیونها نقش مهمی را در سیستم انبارداری متقاطع ایفا می کند. در این تحقیق، مسأله تعیین توالی کامیون های ورودی و خروجی و تخصیص آن ها به درهای تخلیه- بارگیری، در یک سیستم متقاطع که دارای چندین درب ورودی و چندین درب خروجی است، بررسی می شود. همچنین تخصیص محصولات از کامیون های ورودی به کامیون های خروجی، با در نظر گرفتن پنجره زمانی نرم مشتری و وقفه برای کامیون های ورودی، مورد بررسی قرار می گیرد. بدین صورت که نیازهای مشتریان باید در یک زمان از پیش تعیین شده جواب داده شود، ولی امکان خدمت دهی به مشتریان خارج از بازه تعیین شده نیز وجود دارد؛ اما جریمه حاصل از هر واحد تخطی از پنجره زمانی تعیین شده باید پرداخت شود. با مجاز بودن وقفه در تخلیه کامیون های ورودی، برای جلوگیری از جریمه های پنجره زمانی در صورت نیاز عملیات تخلیه کامیون در حال تخلیه، متوقف شده و تخلیه بارکامیون دیگرکه نیاز است، شروع می شود. طوری-که هدف کمینه نمودن مجموع جریمه های ناشی از عدم رعایت پنجره های زمانی است. برای نیل به این هدف مدل ریاضی برای این سیستم ارائه می شود و از آن جا که مسأله ی مذکور جزء مسایل NP-hard می باشد، الگوریتم های فراابتکاری ژنتیک و ازدحام ذرات برای حل مدل در ابعاد متوسط و بزرگ استفاده می شود. سپس نتایج محاسباتی حاصل از حل مدل با استفاده از الگوریتم های نامبرده ارائه می شود. درنهایت،کارایی بالای الگوریتم ژنتیک در مقایسه با الگوریتم ازدحام ذرات نشان داده می شود.

حوادث غیر مترقبه بر حیات انسانی مؤثر بوده و طی دو دهه اخیر صدها میلیون انسان زندگی خویش را در حلقه آسیب ها و خسارات ناشی از این گونه حوادث احساس کرده اند و میلیون ها نفر جان باخته و حجم خساراتی بالغ بر صدها میلیون دلار، رشد توسعه اجتماعی و اقتصادی جوامع انسانی را با مانع روبرو کرده است. کشور ایران نیز بین 10 کشور بلاخیز جهان قرار دارد و همواره در معرض وقوع حوادث و سوانح و رویدادهای بحران زای متعددی بوده است که به دنبال آن متحمل زیان های هنگفت جانی و مالی گردیده است. تجربیات گذشته در کشور ما نشان می دهد که مقابله با حوادث غیرمترقبه و تبعات و عوارض آن به عنوان یک چالش بزرگ فراروی روبرو شده مسئولین قرار دارد و مدیریت بحران در هنگام بروز حوادث همواره با مشکلات جدی روبرو بوده است. پشتیبانی و لجستیک بحران نیز به عنوانی یکی از ارکان اصلی مدیریت بحران از این قاعده مستثنی نمی باشد. لجستیک در زنجیره تأمین و پشتیبانی مدیریت بحران نقش اساسی و تعیین کننده ای را بر عهده دارد که درصورت اختلال درایفای این نقش کل فرآیند مدیریت بحران دچار اختلال خواهد شد. لجستیک بحران کلیه فرایندهای برآورد، تأمین، حمل و نقل، نگهداری و توزیع کالاها، تجهیزات و خدمات آسیب -دیدگان و تیم های امداد گر را در بر می گیرد. بنابراین چنانچه لجستیک مدیریت بحران از یک سیستم منسجم و علمی برخوردار باشد می توان تا حدود زیادی به موفقیت در مدیریت بحران امیدوار بود. مسأله ی پیش استقرار تدارکات و مسیریابی وسایل نقلیه اضطراری در یک شبکه سه سطحی در این تحقیق مورد مطالعه قرار گرفته است. مفروضاتی نظیر محدودیت انبارها، راه های ارتباطی، محدودیت بودجه سرمایه گذاری منجر به واقعی تر شدن مسأله می-گردد . در این تحقیق سعی شده است در ابتدا تعاریف و مفاهیم موضوع به طور مختصر بیان شود و برخی تحقیقات انجام شده در زمینه ی مدیریت بحران معرفی شود. سپس مدل پیشنهادی ارائه می شود. به منظور سنجش کارایی و صحت مدل چند مثال عددی ارائه و توسط نرم افزار GAMS حل می شود. به خاطر پیچیدگی مسأله در ابعاد بزرگ، برای حل آن ناگزیر به استفاده از الگوریتم های ابتکاری و فراابتکاری هستیم.

وجود بلایای طبیعی و جنگ های انسان ساز و دخالت های انسان در ساختار و نظم طبیعت باعث به وجود آمدن خسارت های جانی و مالی بسیاری در سال های اخیر گردیده است. از این رو افراد مسئول در حوزه بحران سعی کرده اند با انجام اقداماتی میزان خسارت های جانی و مالی را کاهش دهند. یکی از این اقدامات بحث مکان یابی و مسیریابی ایستگاه های امدادی است. در این تحقیق مسأله مکان یابی مسیریابی برای توزیع امداد در شرایط بحران مورد بررسی قرار می گیرد. فرض می شود که برای انتقال اقلام ضروری به مناطق بحران زده از دو نوع وسیله هوایی و زمینی به صورت توأم استفاده می شود؛ با توجه به فاصله نواحی مختلف مناطق بحران زده تا ایستگاه های امدادی و همچنین میزان احتمال باز یا بسته بودن مسیرهای ارتباطی از وسایل نقلیه هوایی یا زمینی برای امدادرسانی استفاده می شود. در زمان بحران سرعت پاسخگویی به تقاضاهای امدادی افراد بسیار مهم است و بنابراین در این تحقیق دو نوع مرکز امدادی هوایی و زمینی برای افزایش سرعت در پاسخگویی به تقاضاهای امدادی در نظر گرفته می شود. مسأله اصلی تعیین مکان مناسب برای ایستگاه های زمینی و هوایی و تعیین مسیر مناسب برای دسترسی به آنها است. به این جهت مسأله مورد نظر به صورت عدد صحیح مختلط فرموله شده است. مدل پیشنهادی برای اعتبارسنجی در GAMS حل شده است. با توجه به ناچندجمله ای سخت بودن مسأله، از یک الگوریتم ژنتیک چندهدفه جه حل مدل استفاده شده است. برای بررسی عملکرد الگوریتم پیشنهادی چندین مسأله طراحی شده است که در اندازه های کوچک جواب های الگوریتم و نرم افزار را مقایسه می کند.

در این تحقیق، با لحاظ نمودن قابلیت فشرده سازی چندگانه به حالت های اجرای فعالیت های پروژه و تعیین تعداد واحدهای فشرده سازی، مسئله ی زمان بندی چندهدفه و چندحالته ی پروژه تحت محدودیت منابع تجدیدپذیر و تجدیدناپذیر و مسئله ی موازنه ی قابلیت اطمینان - ریسک - زمان - هزینه در حالت گسسته به صورت هم زمان پیشنهاد شده است. همچنین بنابر دلایل اقتصادی و فنی و شرایطی که ممکن است در جهان واقعی اتفاق بیافتد، فعالیت های پروژه به زیرمجموعه های مجزایی افراز شده اند و فعالیت های تشکیل دهنده ی یک گروه بایستی در یک حالت یکسان اجرا گردند. اولین هدف از این تحقیق یافتن بهترین حالت از بین حالت های اجرای ممکن در هر زیرمجموعه و تخصیص منابع مورد نیاز تجدیدپذیر و تجدیدناپذیر به هر کدام از فعالیت ها علاوه بر زمان بندی آن ها می باشد. هدف دوم نیز یافتن بهترین شیوه ی اجرا (نرمال یا فشرده) و تعیین تعداد واحدهای زمانی فشرده-سازی برای هر کدام از فعالیت های پروژه به گونه ای است که قابلیت اطمینان کل پروژه حداکثر و ریسک، زمان و هزینه ی کل پروژه تحت محدودیت های لحاظ شده، به حداقل برسد. با در نظر گرفتن مفروضات فوق، مسئله ی پیشنهادی به عنوان یک مدل برنامه ریزی عدد صحیح مختلط که در آن تابع هدف قابلیت اطمینان غیر خطی است، مدل سازی می شود. پس از آن، به منظور اعتبارسنجی مدل پیشنهادی، مسائل نمونه ی متعدد تولید و با روش اپسیلون - محدودیت حل شدند. اما به دلیل NP-hard بودن مسائل زمان بندی و مسائل موازنه ی زمان - هزینه در حالت گسسته، در این تحقیق از الگوریتم های فراابتکاری NSGA-II، MODA و NSGA-III در ابعاد متفاوت، برای حل مسئله استفاده شده است. در نهایت پس از ارائه ی نتایج به دست آمده، عملکرد الگوریتم های به کار گرفته شده با استفاده از معیارهای عملکردی که برای مقایسه ی عملکرد رویکردهای بهینه سازی چندهدفه استفاده می شوند، ارزیابی و مقایسه می گردند.

در دنیای امروز که بازار رقابت حساس شده است و هر شرکتی برای بقا در بازار می جنگد، باید توجه ویژه ای به طراحی شبکه زنجیره تأمین خود داشته باشد. به منظور رسیدن هر چه بهتر به هدف مذکور، در نظر گرفتن تصمیمات طراحی به موازات هم اصل مهمی می باشد. همچنین امروزه به دلایل اقتصادی و محیط زیستی توجه به برگشت محصولات از سوی مشتری به هر دلیلی، اهیمت شایانی یافته است. در چرخه زنجیره تأمین حلقه بسته این مسأله، محصولات ابتدا در چرخه مستقیم وارد بازار مصرف می شوند، سپس با نزدیک شدن به تاریخ انقضایشان، به مراکز جمع آوری برگردانده می شوند. در آن مرکز محصولات بررسی می شوند که آیا قابل استفاده مجدد و بازگشت به چرخه مصرف هستند یا خیر. از مفروضات این مسأله می توان به مکان یابی مراکز توزیع و جمع آوری از بین چند مرکز کاندیدا مشخص اشاره داشت. همچنین تصمیمات مربوط به کنترل موجودی زنجیره با در نظر گرفتن سیاست مدیریت موجودی توسط فروشنده گرفته می شوند. مسأله مورد نظر به صورت مسأله غیر خطی عدد صحیح مختلط فرموله شده است. مدل پیشنهادی پس از خطی سازی برای اعتبارسنجی در GAMS حل شده است. با توجه به NP-hard بودن مسأله، الگوریتم فرا ابتکاری شیرمورچه جهت حل مدل ارائه شده است. جهت بررسی عملکرد الگوریتم پیشنهادی، چندین مسأله طراحی شده که در اندازه های کوچک جواب الگوریتم و GAMS را مقایسه می کند. در نهایت جمع بندی نتایج و پیشنهادات آتی ارائه گردیده است.

تجارت جهانی در قرن بیست و یکم، بنگاه های اقتصادی را وادار نموده است تا با چالش های مورد انتظار مشتریان همچون بالا بردن کیفیت، تولید با هزینه کمتر و بالا بردن سرعت در پاسخ به نیاز مشتریان، مواجه شده و بر آنها غلبه یابند. امروزه صاحبان بسیاری از صنایع، دو فرآیند تحت عناوین طراحی مجدد برای زنجیره تأمین بنگاه اقتصادی و طراحی سیستم های تولید سلولی در درون تسهیلات تولیدی را برای افزایش کارایی انجام می دهند. تجارت جهانی، این امکان را برای بنگاه های اقتصادی فراهم نموده است که ظرفیت تولیدی محصولات خود را در گستره جغرافیایی وسیعی توزیع نمایند. همچنین فرصت های تجاری، بنگاه های اقتصادی را بر آن داشته است که با یکدیگر در سازمان هایی موقتی، همکاری و فعالیت کنند. به عبارت دیگر، واحدهای تجاری در یک موسسه مشترک، همچون مراکز مستقل، از یک سو کسب درآمد می نمایند و از سوی دیگر، برای تخصیص ظرفیت تولید، به رقابت با یکدیگر می پردازند. تحت چنین شرایطی، بنگاه های اقتصادی با قابلیت پیکربندی مجدد می توانند شبکه های تولیدی خود (شامل کارخانجات پراکنده) را برای یک فرآیند تولیدی خاص یا یک خانواده محصول، مجددا پیکربندی کنند. در این رساله، ارتباطات و تعاملات بین طراحی سلولی برای تسهیلات تولیدی و طراحی زنجیره تأمین، بررسی می شود. در این بررسی، بنگاه های اقتصادی مورد توجه قرار می گیرند که برای تأمین تقاضای چندین بازار، ظرفیت تولیدی محصولات خود را در گستره جغرافیایی وسیعی توزیع می نمایند. بدین منظور، سه مدل یکپارچه ریاضی جدید برای طراحی سیستم های تولید سلولی پویا (به عنوان شبکه تولیدی) در طراحی زنجیره تأمین ارائه می شود. مولفه های مختلفی از سیستم زنجیره تأمین مانند تهیه مواد اولیه از تأمین کنندگان، حمل و نقل مواد اولیه به تولیدکنندگان، تولید محصولات، توزیع محصولات به بازارها و تعیین مکان تسهیلات تولیدی از بین تعدادی سایت کاندیدا در یک محیط پویا در نظر گرفته می شود و هزینه های مربوط به این مولفه ها، کمینه سازی می گردد. مدل های پیشنهادی از نوع مدل های عدد صحیح خطی هستند و قابلیت حل توسط نرم افزار بهینه سازی را در اندازه کوچک دارا هستند. از آنجایی که مسأله پیشنهادی NP سخت است لذا برای کاربرد مدل ها در اندازه های واقعی، الگوریتم های فراابتکاری ژنتیک و پیوندی ژنتیک-شیرمورچه ارائه می گردد. مثال های عدد نشان

تحقیق پیش رو مسأله زمانبندی تک ماشین با امکان برون سپاری را مورد بررسی قرار می دهد، که در آن هر کار می تواند توسط تک ماشین داخلی پردازش شود یا به یکی از پیمانکاران برون سپاری گردد. هر پیمانکار دارای یک ماشین بوده و هزینه برون سپاری متفاوتی را درخواست می نماید. زمان های آماده سازی هر کار وابسته به کارهای پیشین و ماشین پیمانکاری هستند که به آن تخصیص داده شده اند. پیمانکاران قادر به پردازش تمام کارها با زمان های پردازش متفاوتی هستند. هدف تعیین توالی و زمانبندی کارها چه در محیط داخل و چه توسط پیمانکاران است، به طوریکه مجموع وزنی کل زودکردها و دیرکردها و مجموع هزینه های برون سپاری کمینه گردد. در جهت تعریف ریاضیاتی مسأله، یک مدل ریاضی برنامه ریزی عدد صحیح آمیخته ارائه شده است. همچنین یک الگوریتم فراابتکاری جدید به نام بهینه ساز گرگ خاکستری (GWO)، که الهام گرفته از زندگی و مکانیزم شکار گرگ های خاکستری است، معرفی و ارائه شده است. جهت ارزیابی عملکرد GWO، تعدادی مسأله نمونه بصورت تصادفی طراحی شده و با استفاده از آن و همچنین الگوریتم شناخته شده ژنتیک مورد حل و سنجش قرار می گیرند. همچنین، با توجه به ماهیت پیوسته GWO، دو نوع شیوه نمایش برای آن به کار رفته و عملکرد هر کدام بررسی می شود. نتایج محاسباتی حاکی از کارایی الگوریتم بهینه ساز گرگ خاکستری در مقایسه با الگوریتم ژنتیک است.

این تحقیق به بررسی مسأله زمان بندی گروهی یک ماشین با در نظر گرفتن آماده سازی های وابسته به توالی انتقالی، محدودیت دسترسی و جریمه های زودکرد و دیرکرد می پردازد. فرض می شود کارها در زمان صفر در دسترس قرار داشته و نیز در چند گروه دسته بندی شده اند. همچنین زمان های آماده سازی، وابسته به توالی انتقالی (آماده سازی درونی ) می باشد و نیز ماشین در یک فاصله زمانی معین در دسترس قرار ندارد. کارهایی که در یک گروه قرار دارند، قبل از پردازش باید به صورت کامل آماده شوند (آماده سازی بیرونی ) که این فعالیت به وسیله همان اپراتور ماشین و در زمانی که گروه دیگری روی ماشین بطور خودکار در حال پردازش است صورت می گیرد. تمرکز اصلی مسئله بر یکپارچه کردن زمان های آماده سازی بیرونی و درونی است. همچنین فرض می شود که ماشین در یک فاصله زمانی معین [A,B] مثلاً برای تعمیر و نگهداری در دسترس قرار ندارد و در این دوره پردازش توسط ماشین انجام نخواهد شد و اگر فرض کنیم فعالیت تعمیر و نگهداری نیز توسط اپراتور ماشین انجام شود، بنابراین آماده سازی بیرونی هم نخواهیم داشت. در مسأله مورد بررسی، وقفه مجاز نمی باشد. در این تحقیق، کمینه کردن مجموع جریمه های زودکرد و دیرکرد تحویل کارها (نه گروه ها) در نظر گرفته شده است به گونه ای که این جریمه ها مرتبط با زمان فرض می شوند. ابتدا یک مدل ریاضی برای مسئله ارائه شده، سپس به منظور بهینه سازی همزمان جریمه های زودکرد و دیرکرد الگوریتم ژنتیک به کار برده می شود در نهایت برای آزمودن کارایی الگوریتم پیشنهادی تعدادی مسأله نمونه در اندازه های مختلف تولید و حل می شود. نتایج حاصل از حل الگوریتم فراابتکاری با نتایج به دست آمده از حل مدل ریاضی مقایسه می شوند که مقایسات نشان دهنده کارایی الگوریتم پیشنهادی می باشد.

امروزه شبکه های اجتماعی به عنوان یک رسانه بسیار مهم، جهت گسترش اطلاعات، نوآوری ها، ایده ها و نفوذ میان افراد مورد توجه قرار گرفته اند. با وجود تعداد بسیار زیاد کاربران، چگونگی انتخاب کاربران مناسب جهت بازاریابی با کمترین هزینه و بیشترین سود، از اهمیت ویژه ای برخوردار است. روش های کنونی رتبه بندی، اغلب کاربرانی را به عنوان کاربر مؤثر انتخاب می کنند که از لحاظ موقعیت ساختاری بهتر هستند. این روش ها، تعاملات میان کاربران، شباهت و هزینه آن ها را در نظر نمی گیرند. در این پایان نامه، پنج روش پیشنهادی ارائه می گردد. در راهکار پیشنهادی اول، یک معیار مرکزیت جدید، ساده و کارا برای گراف شبکه های اجتماعی بزرگ، بدون جهت و بدون وزن ارائه می گردد، که در آن ابتدا گراف شبکه اجتماعی به بخش های کاملاً مجزا که هیچ ارتباطی با هم ندارند، تقسیم می شود و مهمترین کاربر در هربخش به صورت محلی شناسایی می شود. اساس روش پیشنهادی ذکر شده تزریق اطلاعات به بخش های مختلف گراف شبکه اجتماعی است، که در آن رتبه بندی بر اساس نقش پل بودن کاربران انجام می گردد. انتخاب کاربرانی که مقدار انتشار مشابه دارند ولی از لحاظ فردیت کاربران یکسانی را فعال می-کنند، یکی دیگر از ضعف های روش های قبلی است، لذا در راهکار پیشنهادی دوم، یک مدل بهینه-سازی یک و دو هدفه دقیق با بهره وری از مفهوم کمترین شباهت و بیشترین سود ممکن ارائه می شود، جهت کاربرد مدل ذکر شده در شبکه های اجتماعی بزرگ، فضای جستجوی مسئله به صورت گراف بازنمایی شده و مدل ذکر شده با ارائه روشی بر مبنای الگوریتم بهینه سازی کلونی مورچگان حل می-شود. با توجه به اینکه الگوریتم ارائه شده در راهکار پیشنهادی دوم فقط زمانی کاربرد دارد که تعامل میان کاربران موجود باشد، بنابراین در روش پیشنهادی سوم، الگوریتمی دو هدفه NSGA2 با تغییر توابع هدف، جهت کاربرد در شبکه های اجتماعی ساده، بدون وزن و بدون جهت ارائه می گردد. در راهکار پیشنهادی چهارم، یک مدل انتشار جدید جهت کاربرد در گراف های نفوذ با وزن منفی،که در آن میزان انتشار نودهای مثبت و میزان انتشار نودهای منفی در نظر گرفته می شود، ارائه می-گردد. در روش پیشنهادی پنجم، الگوریتمی نیمه محلی وزن دار بر روی گراف نفوذ ایجاد شده از تعاملات میان کاربران، ارائه می گردد و با مدل ارائه شده در راهکار پیشنهادی چهارم ارزیابی می-گردد. عملکرد ر

مدیریت بحران شامل فعالیت هایی است که حین و یا بعد از بحران به منظور کاهش مرگ و میر، کاهش آسیب های اقتصادی و بازگشت به حالت طبیعی جامعه، انجام می شود. بحران به دو دسته طبیعی و غیرطبیعی تقسیم می شود. تصادف ها و حملات تروریستی در دسته بحران های غیرطبیعی قرار می گیرند در حالی که زمین لرزه و سیل در دسته بحران های طبیعی جای دارند. طی سال های اخیر نقش مدل های تحقیق در عملیات در مراحل مختلف مدیریت بحران، بسیار پررنگ شده اند و محققان بسیاری به ارائه مدل های برنامه ریزی ریاضی در این حوزه پرداخته اند. در واقع مدیریت بحران در صورت وقوع بحران، با ارائه راه حل های موثر می تواند از شدت اثرات بحران بکاهد و موجبات کاهش تلفات انسانی را فراهم آورد. فروریختن ساختمان ها و تأسیسات در اثر زلزله یا جنگ و یا سایر بحران های طبیعی یا غیرطبیعی، باعث کند شدن تردد در مسیرهای ارتباطی می شود و در نتیجه تجهیزات پزشکی و کالاهای امدادی ممکن است نتوانند به موقع به دست قربانیان برسد. در این تحقیق، برای مسأله رفع انسداد و دفع آوار پس از وقوع بحران، یک مدل ریاضی ارائه می شود. در مدل ریاضی ارائه شده فرض می شود که عملیات رفع انسداد و دفع آوار به صورت ترتیبی و توسط دو نوع وسیله نقلیه انجام می شود. وسیله نقلیه اول آوار ایجاد شده را در کناره های جاده جمع می کند تا تردد در مسیرهای ارتباطی به صورت موقت انجام گیرد و وسیله نقلیه دوم بعد از اتمام کار وسیله نقلیه اول، آوار را به طور کامل جمع آوری و دفع می کند. در مدل ریاضی ارائه شده، هدف یافتن مسیر بهینه وسایل نقلیه نوع اول و دوم است به نحوی که زمان اتمام جمع آوری آوار کمینه شود. از آنجایی که مسأله تحت بررسی در دسته مسائل مسیریابی وسایل نقلیه قرار دارد و بدین جهت ناچندجمله ای سخت می باشد، برای حل مسأله در مقیاس بزرگ یک الگوریتم تبرید شبیه سازی شده، ارائه می گردد. به منظور سنجش کارایی مدل و درستی آن، چند مثال عددی در اندازه کوچک، ارائه و توسط نرم افزار GAMS حل می شود. همچنین کارایی الگوریتم حل ارائه شده، توسط تعدادی مثال عددی در اندازه های متوسط و بزرگ، آزموده می شود.

Since 1960s, facility location problem (FLP) has been studied by a myriad number of researchers. Nowadays. it is one of the most prominent branches of operations research which is applied m different fields such as determining the location of warehouses, hazardous materials sites, automated teller machines (ATMs), coastal search and rescue stations, etc. Also, the application of FLP in emergency logistics for choosing the best location of service centers has become rampant recently. On the premise that demands are w1iformly distributed along the network edges, two network location problems are investigated in this study. For both problems, some of the candidate locations will be selected to establish the facilities. The first problem is a multiple-server congested facility location problem. It is assumed that demands are generated according to the Poisson process. Furthermore, the number of servers in each established facility is considered as a decision variable and the service time for each server follows an exponential distribution. Using queuing system analysis, a mathematical model is developed to minimize the customers· aggregate expected traveling times and the aggregate expected waiting times. The second problem is a combined mobile and immobile pre-earthquake facility location problem. Each facility is used in the relief distribution operation. It's incontrovertible that due to earthquakes, some network edges collapse and corresponding areas may lose their accessibility. Thus, it's assumed that people on intact and accessible edges travel to the location of the distribution center to receive the relief. For those who are located on collapsed or inaccessible network edges. The medium scale Unmanned Aerial Vehicle (UAV) helicopters arc utilized in the relief distribution Operation. The mathematical model developed for this problem minimizes the aggregate travelling rime for both people and UAV, over a set of feasible scenarios. In order to demonstrate the app

در این تحقیق یک سیاست وارانتی دو بعدی تجدیدپذیر تعمیر ناقص- تعویض در دوره وارانتی درنظر گرفته میشود و یک سیاست بهینه نگهداری و تعمیرات بعد از اتمام دوره وارانتی پیشنهاد میشود. در حالت کلی سیاست نگهداری و تعمیرات پیشگیرانه غیر دورهایی مبتنی بر شرایط با شرایط متغیر اغلب از سیاست دوره ای بر اساس سن برای سیستمهای پیچیده قابل تعمیر خراب شدنی موثرتر است. بر پایه ساختار هزینهای تعریف شده برای هر خرابی سیستم، نرخ هزینه انتظاری در طول چرخه عمر سیستم تعریف میشود. در دوره وارانتی یک سیاست تجدیدپذیر تعمیر ناقص- تعویض با آستانه زمانی تعمیر برای مصرفکننده در نظر گرفته میشود. آستانه زمانی تعمیر برای رضایت مشتری و بر اساس ویژگیهای محصول انتخاب میشود. اگر زمان تعمیر فراتر از آستانه زمانی تعمیر باشد ارائه خدمات تعمیر متوقف میشود و تعویض صورت میگیرد. در واقع زمان تعمیر و زمان خرابی به جای سیاست دو بعدی رایج سن و مصرف در نظر گرفته میشود، زیرا به دست آوردن اطلاعات مصرف سخت میباشد. در دوره وارانتی مفهوم شبه تجدیدپذیر اصلاح شده با پارامتری تصادفی برای استراتژی تعمیر معرفی میشود. در دوره پست وارانتی قابلیت اطمینان سیستم به عنوان شرایط متغیر تخمین زده و تحت دو سناریو در دو مدل نگهداری و تعمیرات پیشگیرانه بر اساس قابلیت اطمینان، برای کمک به ارزیابی هزینههای نت بعد از انقضای وارانتی بکار می رود. مدل هزینهای از چشم انداز مصرف کننده توسعه داده شده است و جواب ها بوسیله دو الگوریتم رقابت استعماری و ژنتیک مقایسه میشوند. مثالهای عددی بحث شده در این تحقیق کاربردی بودن مدل پیشنهادی را نشان خواهند داد.

اخیرا بحران هایی مانند سونامی، زلزله، رانش زمین و نشت هسته ای سبب شده است تخلیه ی مناطق شهری که در شعاع خطر قرار دارند، به یک چالش در حوزه ی مدیریت بحران تبدیل شود. یکی از مسائل کلیدی برای کمک به مردمی که در پی مکان های امن پس از چنین فجایعی هستند طراحی یک برنامه مکان یابی پناهگاه ها و مسیریابی وسایل نقلیه جهت تخلیه کارآمد نیروی انسانی در کمترین زمان ممکن است. در شرایط رخ دادن بحران، سعی بر این است که طی زمان های مقرر و غالباً قبل از وقوع فاجعه یا بلافاصله پس از آن، مکان های ناامن و تهدیدشده از سکنه خالی و افراد تحت خطر به مکان های امن منتقل شوند. بنابراین تخلیه نیروی انسانی باید در یک بازه ی زمانی معین صورت گیرد؛ این بازه ی زمانی به «پنجره زمانی» معروف است. در نظر گرفتن محدودیت های پنجره زمانی در طرح بهینه سازی تخلیه می تواند تا حد زیادی به استفاده بهینه از زمان کمک کند. بر این اساس در این تحقیق، با در نظر گرفتن مفهوم پنجره های زمانی، تخلیه مناطق شهری در شرایط بحران در قالب یک مسأله مکان یابی-مسیریابی بررسی و به صورت یک مدل خطی عدد صحیح آمیخته، مدل سازی می گردد. به منظور اعتبارسنجی مدل ریاضی ارائه شده یک مثال عددی در ابعاد کوچک، حل و نتایج به دست آمده، تحلیل می گردد. در ادامه با توجه به ناچندجمله ای سخت بودن مسأله مورد مطالعه، الگوریتم فراابتکاری آنلینگ شبیه سازی شده به منظور حل مسائل با ابعاد متوسط و بزرگ توسعه داده می شود. مقایسه نتایج محاسباتی بر روی مسائل نمونه با نتایج به دست آمده از حل مدل ریاضی با استفاده از نرم افزار بهینه ساز، حاکی از کارایی مناسب الگوریتم یاد شده در حل مسائل با ابعاد مختلف است.

مدیریت منابع آب نقش بسزایی در تأمین امنیت منابع آبی برای جمعیت روبه رشد جهان دارد. کمبود آب در ایران یکی از عوامل محدودکننده اصلی توسعه فعالیت های اقتصادی در دهه های آینده به شمار می رود، به همین دلیل مدیریت یکپارچه منابع آب یک امر ضروری است. در این پژوهش مدلی چندهدفه و پایدار جهت مدیریت یکپارچه منابع آب ارائه می شود. مدل از دو تابع هدف تشکیل شده است، تابع هدف اول سعی در تخصیص بهینه آب به بخش های خانگی، صنعتی و کشاورزی دارد. تخصیص بهینه منابع آب به این سه بخش به تنهایی نمی تواند راه چاره برای مقابله با عدم کمبود آب در آینده باشد، در کنار تابع هدف اول، باید به پایداری منابع و لزوم در دسترس بودن آن برای آیندگان نیز توجه شود. به همین جهت در مدل ریاضی ارائه شده علاوه بر تخصیص بهینه منابع آب، بر لزوم رعایت حقابه محیط زیست نیز تأکید می شود. تابع هدف دوم مدل را این وظیفه را بر عهده دارد و سعی می کند میزان آب تخصیص داده شده به محیط زیست را بیشینه کند. برای دستیابی به مدل یکپارچه و کامل تر مدیریت یکپارچه منابع آب، تصفیهخانههای پساب نیز در مدل مورد توجه قرار میگیرد. مدل سعی در مکان یابی بهینه برای تصفیهخانههای پساب دارد و از آب تصفیه شده برای ارائه در بخش کشاورزی استفاده می کند. از روش دقیق محدودیت اپسیلون برای حل مدل و به دست آوردن راه حلهای مؤثر و همچنین مشخص نمودن نحوه تعامل توابع هدف، استفاده می شود. به منظور نشان دادن میزان کارایی مدل ریاضی ارائه شده از آن در حل و تحلیل یک مثال دنیای واقعی در حوضه آبریز دریاچه ارومیه استفاده میشود. دریاچه ارومیه، بزرگترین دریاچه داخلی کشور و دومین دریاچه آب شور جهان است. در نتیجه تغییرات اقلیمی و کاهش نزولات جوی، بهره برداری بیش از حد از رودخانه های حوضه، آب ورودی به این دریاچه کاهش و شوری آن افزایش یافته است که این مسائل باعث تهدید محیط زیست منطقه شده است. یکی از دلایل مدیریتی مربوط به این وضعیت بحرانی دریاچه، مشخص نبودن سهم هر یک ذینفعان حوضه آبریز آن است. مدل ارائه شده با توجه به اطلاعات مربوط به این مورد عملی، اجرا شده و نتایج به دست آمده تحلیل می شوند.

در بیشتر مسائل زمانندی معمولاً فرض می شود ماشین ها در تمام دوره زمانبندی در دسترس هستند که همیشه واقعی نیست. اما در کاربردهای دنیای واقعی، ماشین ها به دلایلی از قبیل خرابی های ناگهانی، فعالیت های نگهداری و تعمیرات، کارهای از قبل برنامه ریزی شده در همه دوره های زمانی در دسترس نیستند. در این تحقیق، ماشین ها در زمان های مختلفی در دسترس قرار می گیرند و همچنین در بازه ی مشخصی از زمان در طول دوره زمانبندی به دلایل مختلف از دسترس خارج می شوند. زمان آماده سازی هر کار به کار قبلی که روی همان ماشین پردازش شده و نیز به نوع ماشین بستگی دارد و هر ماشین ممکن است توانایی پردازش بعضی از کارها را نداشته باشد. همچنین تابع هدف مسأله به صورت کمینه کردن مجموع زودکردها و دیرکردها می باشد. بدین منظور، مسأله مورد بررسی به صورت یک مدل برنامه ریزی عدد صحیح مختلط ارائه می شود. به دلیل NP-hard بودن مسأله و همچنین به منظور حل مسأله در مقیاس بزرگ، یک الگوریتم رقابت استعماری ارائه می شود. به منظور ارزیابی عملکرد الگوریتم پیشنهادی، تعدادی مسأله نمونه حل و نتایج تحلیل میشوند.

پهنهبندی مناطق جمعیتی همواره جزو تصمیمات بنیادی جوامع بشری بوده است. یکی از رایجترین کاربردهای آن، تعیین مرزهای جغرافیایی کشورها، ایالات/استانها، شهرها و روستاها است. با پیشرفت جوامع و لزوم انجام برنامهریزیهای مدون در زمینههای مختلف، مسئله پهنهبندی مناطق جمعیتی بیش از پیش مورد توجه قرار گرفته است. این موضوع در بخشهای مختلف جامعه نمود پیدا نموده است. که از آن جمله میتوان به پهنهبندی تجاری، پهنهبندی خدمات اشاره نمود. اما یکی از مهمترین مسائل موجود در هر جامعه، برنامهریزی جهت بهبود ساختار سیستم سلامت است. این درحالی است که یکی از مهمترین تصمیمات در تشکیل ساختار نظام سلامت، تعیین حوزه فعالیت بخشهای مختلف سازمان است. در این تحقیق تلاش برآن است که پس از شناسایی کامل ساختار سیستم سلامت موجود و همچنین بررسی تحقیقات صورت گرفته توسط محققین و متخصصین این زمینه، تکنیکهایی جهت بهینهسازی سیستم موجود در بخشهای مختلف ارائه گردد. بدین منظور در این تحقیق مدلهای ریاضی جهت پهنهبندی مناطق جمعیتی و مکانیابی مراکز با توجه به معیارهای مدنظر سازمان ارائه شده است. در این مدل سعی شده مهمترین ویژگیهای موجود در یک مسئله پهنهبندی که شامل وجود پیوستگی در ساختار پهنهها و نیز عدم وجود تخصیصات نامتعارف است، درنظر گرفته شود. علیرغم اهمیت استفاده از مدلهای ریاضی در بهینهسازی سیستمها، طبق مطالعات صورت گرفته، تابحال ویژگیهای مذکور به صورت محدودیت در قالب مدلهای ریاضی ارائه نشده و این پژوهش برای نخستین بار به بررسی آن پرداخته است. بدین منظور، در ابتدا مدل ریاضی دوهدفه جهت پهنهبندی مناطق جمعیتی ارائه شده است. سپس به بیان کاربرد این مسئله از طریق ارائه یک مدل ریاضی جدید و طراحی الگوریتمهای حل کارا پرداخته شده و در نهایت با توجه به نتایج حاصل از دو مدل قبل، مدلی ریاضی جهت پهنهبندی مناطق و مکانیابی مراکز ارائه شده است. طبق نتایج حاصل از حل مدلهای ریاضی، مشاهده شده است که محدودیت ارائه شده دارای عملکرد قابل قبولی در ایجاد پهنههایی با ساختار مناسب است. جهت حل مسائل مختلف تحقیق نیز چندین الگوریتم حل ارائه و مورد بررسی قرار گرفته است. در پایان جهت بیان کاربردهای مسائل ارائه شده، اجرای طرح پایش سلامت در استان خراسان جنوبی و نیز تقسیمبندی دهگانه مناطق جمعیتی کشور به منظور پیادهسازی مدل استراتژیک وزارت پهداشت، به ع

با توجه به نقش انرژی در ساختار اقتصادی، اجتماعی و حتی سیاسی کشورها و محدودیت منابع انرژی فسیلی در کشور و افزایش رشد جمعیت و بالطبع افزایش مصرف انرژی، استفاده بهینه از انرژی جایگاه ویژه ای به خود اختصاص داده است . بنابراین اتخاذ راهکارهایی جهت تعدیل مصرف انرژی به نحوی که متوسط نرخ رشد آن در سال های آتی از متوسط رشد تولید ناخالص داخلی تجاوز ننماید، ضروری است . بسیاری از کشورهای صنعتی با ارتقای بهره وری نیروی انسانی و منابع انرژی ، رشد فن آوری و کاهش اتلاف انرژی و بکارگیری توصیه ها و راهکارهای بهینه سازی مصرف انرژی در صنایع و دیگر مصرف کنندگان نهایی توانسته اند شدت انرژی را به میزان قابل ملاحظه ای کاهش دهند . آمارها حاکی از آن است که مصرف فرآورده های نفتی در ایران در کمتر از دو دهه به 3 برابر افزایش پیدا کرده است. و متوسط رشد مصرف سالانه انرژی در ایران حدود 10 درصد است . از سوی دیگر مصرف نادرست و اتلاف غیر منطقی و نامعقول انرژی هزینه های میلیاردی برای کشور در پی داشته است . شاخص شدت مصرف انرژی ایران در سهل گیرانه ترین روش محاسبه حدود دو برابر متوسط جهانی و برابر 242 تن معادل نفت خام به میلیون دلار است. از این رو کاهش و بهینه سازی مصرف انرژی برای تحلیل گران اقتصادی گام بسیار مهمی در بهبود شرایط اقتصادی محسوب می شود. هدف از این پژوهش بررسی نقش سیاست های غیر قیمتی در بهینه سازی مصرف انرژی در ایران است. بدین منظور سال 1392 را بعنوان سال پایه در نظر گرفته و میزان تقاضای مصرف هر یک از حامل های انرژی در بخش های حمل و نقل، ساختمان، صنعت، کشاورزی و ... به تفکیک زیر بخش های مختلف بعنوان سناریوی مرجع تعیین، س‍پس اقدامات و یا مجموعه اقدامات غیر قیمتی که جهت کاهش شدت مصرف انرژی، توسعه انرژی های تجدید پذیر و ... در کشور می توان انجام داد، در سناریوهای مختلف تعریف می شوند. سپس با استفاده از مدلساز لیپ تقاضای مصرف هر یک از حامل های انرژی تحت هر یک از سناریوها برای سال های 1392 الی 1414، شبیه سازی شده و بهترین سناریوها انتخاب می شوند .

The most crowded cities in the world are located in high risk seismic areas. For humanitarian logistics system structure in highly populated cities we must search for fast and reliable monitoring and transportation methods with a futuristic mind. It is desirable to have a pre-planned immediate and automated post-disaster mapping, and transporting system. Due to roads blockage and time limits in the disaster response phase, Unmanned Aerial Vehicles (UAVs) can be utilized for relief distribution and rapid damage assessment. Also for medium to long-term ground response phase more complex but realistic models are needed. In this study we present relief distribution and damage assessment systems alongside mathematical linear programming formulations and heuristics. In an applied sense the research improves the emergency preparedness and post-earthquake response activities. A relief distribution system by medium-scale UAV helicopters is investigated and the outcomes reveal that the system has efficient capability for urban areas with high population density. Moreover, a rapid damage assessment system is presented in which multiple UAVs are deployed to collect the images from the earthquake site and create a response map for extracting useful information. Furthermore the covering tour location routing problem with replenishment at intermediate depots (CLRPR) is developed. The investigation represents a new bi-objective integer linear programming model that minimizes the total weighted waiting time and the total amount of lost demands. Among the different applications of the problem, this study concentrates on the post-earthquake relief distribution system. The mathematical models are coded in GAMS and solved by Cplex solver. Furthermore, some meta-heuristic algorithms are presented for CLRPR in order to find the near optimal solutions of large scale problems.

یکی از مباحث مهم و نوین در شبکه های زنجیره تأمین حلقه بسته طراحی و بهینه سازی مسائل ادغامی در سطوح تصمیم گیری مختلف می باشد که به طور کلی به مسائلی اطلاق میشود که با معرفی مدل های برنامه ریزی ریاضی به ادغام دو و یا سه سطح از تصمیمات استراتژیک، تاکتیکی و عملیاتی به طور همزمان جهت بهینهسازی این اهداف می پردازد. از سوی دیگر به علت افزایش نگرانیهای زیستمحیطی، مسائل اقتصادی و قوانین سختگیرانه اجتماعی اهمیت خاصی به مسائل لجستیک معکوس و زنجیره تأمین حلقهبسته داده میشود. این تحقیق به مسأله ادغامی مکان یابی تسهیلات در یک شبکه زنجیره تأمین حلقهبسته با هدف حداقلسازی مجموع هزینهها از طریق بهینهسازی میزان محصولات در جریان و بالانس خط دمونتاژ، انتخاب و افتتاح بهینه مراکز بازسازی و دمونتاژ میپردازد. برای این مسأله یک مدل برنامه ریزی خطی عدد صحیح مختلط ارائه میشود. همچنین به منظور اعتبارسنجی مدل ارائهشده تعدادی مسائل نمونه تولید و با نرمافزار بهینهسازی GAMS حل میگردد. با توجه به NP-Hard بودن مسأله و افزایش نمایی زمان حل با افزایش ابعاد مسأله، یک الگوریتم ژنتیک برای حل مسأله در ابعاد بزرگ پیشنهاد میشود. نتایج محاسباتی و مقایسات انجامشده بیانگر کارایی الگوریتم ارائه شده میباشد.

به منظور کاهش هزینهها و افزایش کارایی سیستم زنجیره تأمین، انبارداری عبوری یکی از مهمترین استراتژیهای انبارداری برای ترکیب محصولات از تامینکنندههای مختلف به مشتریان مختلف است. محصولات با کامیونهای ورودی از تامینکنندگان جمعآوری شده و سپس به وسیلهی کامیونهای خروجی از طریق انبار عبوری به سمت مشتریان حرکت داده میشوند. زمانبندی کامیونها نقش مهمی را در سیستم انبارداری عبوری ایفا می کند. در این پژوهش حالتی از انبارعبوری مورد بررسی قرار گرفته است که در آن کامیون ورودی می تواند به عنوان کامیون خروجی نیز استفاده شود. این کار مزایایی چون کاهش زمان تخلیه و بارگیری و کاهش هزینه های اجاره ی کامیون را به همراه دارد. به منظور بررسی دقیق این حالت از مساله، مدل ریاضی معادل آن توسعه داده شده است و به منظور دست یابی به جواب مناسب برای مسایلی با ابعاد بزرگتر، الگوریتم فرا ابتکاری شیرمورچه مورد استفاده قرار گرفته و میزان کارایی این الگوریتم در حل چنین مسایلی سنجیده شده است.

در یک تقسیم بندی کلی تسهیلات به سه دسته تسهیلات حیاتی، حساس و مهم تقسیم می شوند. تسهیلات حیاتی به تسهیلاتی اطلاق می شوند که دارای گستره فعالیت های ملی هستند و وجود و استمرار فعالیت های آنها برای کشور، حیاتی و ضروری است و آسیب یا تصرف آنها توسط دشمن، باعث اختلال کلی در اداره امور کشور می گردد. تسهیلات نظامی، پایگاه های دفاعی، انبار مهمات و مقرهای فرماندهی، نمونه هایی از چنین تسهیلاتی هستند. در مکان یابی تسهیلات حیاتی و حساس، از یک سو، ایجاد پوشش مناسب سبب کاهش صدمات ناشی از وقوع بحران یا حملات نظامی می گردد و از سوی دیگر، استقرار تسهیلات در فواصل دور از یکدیگر، کاهش احتمال شناسایی و تخریب تسهیلات را به دنبال دارد. در این تحقیق، با در نظر گرفتن اصول پدافند غیرعامل، مسأله مکان یابی تسهیلات نظامی با هدف افزایش توان پدافندی برای مقابله با حملات تهاجمی دشمن مورد بررسی قرار می گیرد. برای این منظور، فرض می شود که شبکه ای از گره ها و مسیرهای ارتباطی میان آنها موجود است و فاصله بین هر جفت گره به صورت طول کوتاه ترین مسیر موجود بین آنها در نظر گرفته می شود. متقاضیان دریافت خدمات (مشتریان) در گره های شبکه مستقر هستند و تقاضای هر مشتری، مقداری ثابت و مشخص است. علاوه بر این، هر مشتری دارای سطح اولویت مشخصی است. در واقع بسیاری از متقاضیان دریافت خدمات نظامی و پوشش های دفاعی، مناطق مسکونی، سازمان ها و یا تسهیلاتی هستند که قابلیت خود دفاعی ندارند و در زمان حملات توسط پایگاه‎ ها و تسهیلات نظامی پوشش داده می شوند. برای مسأله تحت بررسی، یک مدل ریاضی دوهدفه برای مکان یابی تسهیلات حساس ارائه می شود که در آن، اصول پدافند غیرعامل در قالب توابع هدف کمینه کردن میزان عدم پوشش و بیشینه کردن کمینه فاصله تسهیلات از یکدیگر، در نظر گرفته می شوند. تابع هدف دوم با تأکید بر اصل پراکندگی تسهیلات به عنوان یکی از اصول پدافند غیرعامل، کمترین فاصله میان جفت تسهیلات را بیشینه می سازد.به دلیل ناچندجمله ای سخت بودن مسأله، یک الگوریتم ژنتیک دوهدفه برای حل آن در مقیاس بزرگ ارائه می شود.

مسأله مکانیابی شبکهای از جمله مسائل جدید در حوزه مسائل مکان یابی می باشد. در این مسأله ، جابجایی های بین تسهیلات موجود (مشتریان) و تسهیلات جدید (خدمتدهندگان) در امتداد کمان های شبکه انجام می گیرند و بدین جهت برخلاف مسائل متعارف مکان یابی، فواصل بین تسهیلات براساس معیارهای متداول اندازهگیری فاصله، محاسبه نمی شوند. مسألهای که در این تحقیق بدان پرداخته می شود از نوع مسائل گسسته است، بدین معنی که تعدادی سایت به عنوان مکان بالقوه برای احداث خدمتدهندگان وجود دارند که باید از بین آنها تعداد مشخصی جهت پوشش تقاضای مشتریان انتخاب گردند. در این نوع مسائل با ازدحام مشتریان در محل تسهیلات، صف ایجاد می شود که به آن ها مسائل مکان یابی تسهیلات پرازدحام می گویند. در مسأله تحت بررسی فرض می شود که مکان و زمان وقوع تقاضاها در امتداد کمان های شبکه، متغیرهای تصادفی مستقل هستند بدین صورت که مکان وقوع هر تقاضا به صورت یکنواخت در امتداد کمان مربوطه توزیع شده است و تقاضاها براساس فرآیند پواسون تولید می شوند. همچنین مدت زمان ارائه خدمات توسط هر یک از تسهیلات خدمت دهنده از توزیع ارلنگ با نرخ و درجه آزادی مشخص پیروی می کند. مسأله مذکور در قالب یک مدل برنامه ریزی عدد صحیح غیرخطی مدلسازی می گردد که در آن، هدف، کمینه کردن مجموع زمان های سفر و انتظار مشتریان می باشد. براساس قاعده مجاورت، فرض می شود که هر مشتری به نزدیک ترین تسهیل باز مراجعه می نماید و در صورتی که برآورد آنها از مدت زمان انتظار در سیستم از مقدار آستانه مشخصی، بیشتر باشد، از ورود به صف منصرف می شوند. در صورت پیوستن مشتری به صف، خدمت به وی توسط خدمت دهنده ای با زمان های خدمت ارلنگی، انجام می گیرد. از آنجایی که مسأله تحت بررسی از جمله مسائل ناچندجمله ای سخت (NP-Hard) می باشد، برای حل آن الگوریتم فراابتکاری ژنتیک، ارائه می شود. برای آزمودن کارایی الگوریتم پیشنهادی، تعدادی مسأله تصادفی در اندازه های مختلف تولید شده و نتایج حل الگوریتم فراابتکاری با نتایج به دست آمده از حل مدل توسط نرم افزار GAMS (حل کنندهBARON) مقایسه می شوند. نتایج به دست آمده حاکی از آن است که الگوریتم ابتکاری پیشنهادی می تواند راه حل های قابل قبول را در زمان های محاسباتی کم، به دست آورد.

مکان یابی بهینه تجهیزات و تسهیلات حیاتی و حساس نظامی و غیرنظامی از جمله تمهیداتی است که در پدافند غیرعامل بدان پرداخته می شود. براساس اصول پدافند غیرعامل، تسهیلات باید در مکانی مستقر شوند که امکان اجرای مأموریت در مکان تعیین شده وجود داشته باشد. همچنین ایجاد پراکندگی و تمرکززدایی نیروها، تجهیزات و تاسیسات از اصول دیگر پدافند غیرعامل در مکان یابی تسهیلات حساس محسوب می شود. استقرار تسهیلات باید در مکانی انجام شود که نیاز به تغییر شکل عوارض و محیط پیرامون نباشد. انتخاب مکان بهینه تسهیلات با توجه به چنین اصولی از یک سو از کشف و شناسایی تسهیلات جلوگیری می کند و از سوی دیگر حجم خرابی های ناشی از حملات دشمن را کاهش می دهد. در این پایان نامه، به بررسی مسأله مکان یابی تسهیلات حساس با در نظر گرفتن اصول پدافند غیرعامل و ظرفیت محدود تسهیلات پرداخته می شود. فرض محدویت ظرفیت در این تحقیق به منظور نزدیک تر شدن مسأله به دنیای واقعی اتخاذ می شود. در نواحی جمعیتی دارای تراکم تقاضا، در نظر گرفتن چنین فرضی باعث می شود مشتریان به گونه ای مناسب و براساس معیارهای مبتنی بر فاصله یا جاذبه به تسهیلات، تخصیص داده شوند و از تخصیص حجم زیادی از تقاضا به تعداد محدودی از تسهیلات جلوگیری به عمل آید. برای بررسی این مسأله، یک مدل ریاضی دوهدفه ارائه می شود که در آن، اصول پدافند غیرعامل در قالب توابع هدف کمینه کردن میزان عدم پوشش و بیشینه کردن کمینه فاصله تسهیلات از یکدیگر، درنظر گرفته می شوند. در مدل مذکور، فرض می شود که هر یک از تسهیلات با احتمال مشخصی در زمان وقوع بحران یا جنگ، شناسایی و تخریب می گردند. همچنین مصدومین یا متقاضیان دریافت خدمات می توانند خدمت مورد نیاز خود را از هر یک از تسهیلات مستقر در یک شعاع پوشش استاندارد دریافت نمایند. به دلیل اهمیت پوشش مشتریان حساس یا حیاتی، هر مشتری علاوه بر یک تسهیل اصلی، به یک تسهیل پشتیبان نیز تخصیص داده می شود تا در صورتی که در زمان وقوع بحران، تسهیل اصلی به دلیل خرابی، قادر به پوشش مشتری نباشد، این پوشش توسط تسهیل پشتیبان، تأمین گردد. به دلیل ناچندجمله ای سخت بودن مسأله، از یک الگوریتم ژنتیک چندهدفه برای حل مسأله در ابعاد بزرگ استفاده می شود.

برنامه ریزی برای پیشگیری از وقوع حوادث از یک سو و تصمیم گیری های درست برای کاهش اثرات ناشی از وقوع بحران از سوی دیگر، اهداف کلیدی مدیریت بحران هستند. در این تحقیق، مسأله مکان یابی و مسیریابی تسهیلات اضطراری با در نظر گرفتن احتمال خرابی مسیرهای ارتباطی و ازدحام تسهیلات اورژانسی در زمان وقوع بحران، بررسی می گردد. بدین منظور یک مدل برنامه ریزی ریاضی دوهدفه برای انتخاب مکان استقرار تسهیلات، تخصیص مصدومان به تسهیلات و تعیین مسیرهای ارتباطی ارائه می شود. تعداد سرورهایی که در هر تسهیل، مستقر می گردند، از قبل مشخص نبوده و جزو متغیرهای تصمیم مدل ریاضی می باشند. در هنگام وقوع بحران، خدمت دهندگان مستقر در تسهیلات برای خدمت رسانی به آسیب دیدگان به محل آنها اعزام می شوند. خدمت دهندگان تا زمانی که برای ارائه خدمت اعزام شده اند، در دسترس نخواهند بود و بنابراین در هر تسهیل، احتمال مشخصی را می توان برای بلوکه شدن (عدم حضور خدمت دهنده در تسهیل) محاسبه نمود. توابع هدف مدل ارائه شده شامل کمینه نمودن نرخ مصدومان پوشش نیافته و کمینه نمودن میانگین زمان های سفر در واحد زمان است. از آنجایی که در مدل های چندهدفه امکان دستیابی به یک راه حل بهینه برای تمامی اهداف مقدور نیست، از روش محدودیت اپسیلون برای به دست آوردن مجموعه کامل راه حل های مؤثر استفاده می شود. همچنین به دلیل ناچندجمله ای سخت بودن مسأله تحت بررسی، برای حل آن در اندازه های بزرگ، از یک الگوریتم ژنتیک چندهدفه مبتنی بر جستجوی نامغلوب استفاده می شود. صحت مدل ریاضی و کارایی الگوریتم ارائه شده از طریق ارائه تعدادی مثال عددی مورد ارزیابی قرار می گیرد.

خون به عنوان عنصر حیاتی سیستم سلامت نقش اساسی را در این سیستم ایفا میکند زیرا تحت هیچ شرایطی کمبود آن جبرانپذیر نیست چرا که منجر به مرگ انسانها میشود. عمده مصرفکنندگان محصولات خونی بیمارستانها هستند که از این محصول برای عملهای جراحی و در برخی موارد از مشتقات محصولات خونی برای درمان بیماریها استفاده میکنند. طراحی یک زنجیره تأمین یکپارچه و بهرهور برای تأمین و توزیع خون بسیار حیاتی است، زیرا یک محصول فسادپذیر میباشد و دارای طول عمر کوتاهی است. هر زنجیره شامل سه سطح تولیدکننده، توزیعکننده و مشتری است، این سطوح در زنجیره تأمین خون اهداکنندگان هستند که به عنوان تأمین کنندگان اصلی محصولات خونی شناخته میشوند، بانکها یا مراکز خونی که وظیفه جمع آوری، پردازش، ذخیرهسازی و توزیع محصولات خونی را بر عهده دارند و مشتریان که همان بیمارستانها هستند. در این تحقیق هر سه سطح زنجیره تأمین خون برای نزدیک شدن به شرایط واقعی در نظر گرفته میشوند، علاوه براین جمع آوری سیار محصولات خونی منجر به کاهش هزینهها و افزایش خودکفایی زنجیره میشود که در این مسئله در نظر گرفته میشود. درواقع در این تحقیق به مکانیابی تسهیلات دائم و استقرار سایتهای سیار به صورت دورهای پرداخته میشود. همچنین توزیع، چند محصولی است که سه نوع محصول مشتق شده از خون کامل را توزیع میکند که مسیریابی بهینه برای این توزیع در نظر گرفته میشود. بر اساس این سطوح یک مدل ریاضی برنامه ریزی خطی عدد صحیح مختلط طراحی میشود که هدف آن حداقل کردن هزینههای ایجاد مرکز ثابت، سیار، و توزیع محصولات است. به علت پیچیدگی مسئله الگوریتم فرا ابتکاری ترکیبی آنلینگ شبیه سازی شده و ژنتیک برای حل مسئله توسعه داده میشود. برای ارزیابی عملکرد الگوریتم تعداد 15 مثال در ابعاد مختلف حل شده است. همچنین از این مدل و الگوریتم برای برنامهریزی سازمان انتقال خون شهرستان سنندج استفاده می-شود تا کارایی مدل در شرایط واقعی مورد بررسی قرار گیرد.

مسائل مکان یابی تسهیلات همواره به دنبال پاسخ دادن به این سوال هستند که، چگونه یک مجموعه از تسهیلات به صورت فیزیکی، مکان یابی و استقرار پیدا کنند تا یک تابع هدف که از جنس هزینه است، تحت مجموعهای از محدودیت ها کمینه گردد. مکان یابی صحیح تسهیلات اثرات بسیار زیادی بر منافع اقتصادی، ارائه خدمات مطلوب و افزایش سطح رضایت مندی مشتریان دارد. هدف اصلی این پژوهش، ارائه یک مدل تحقیق در عملیاتی به منظور مکان یابی محل احداث کارخانجات و مراکز توزیع کالا در یک شبکه تامین و توزیع کالای چند سطحی است به گونه ای که بحث قابلیت اطمینان مراکز توزیع کالا با لحاظ نمودن دو نوع مرکز توزیع مطمئن و غیرمطمئن در نظر گرفته شده است و درصورتی که مرکز توزیع غیرمطمئنی دریک مکان کاندید، احداث شود و حداقل یک مشتری بدان تخصیص یابد، آنگاه باید یک مرکز توزیع مطمئن که در شبکه حضور دارد، به عنوان پشتیبان مرکز توزیع اولیه، لحاظ گردد، تا در صورت بروز خرابی یا مشکل برای مرکز توزیع اولیه، تقاضای مشتریان توسط مرکز توزیع پشتیبان پاسخ داده شود و یا با یک بودجه محدود که از قبل برای تقویت مراکز توزیع نامطمئن در شرایط بحرانی، پیش بینی شده است، تقویت سازی شود. درصورتی که در شبکه، مرکز توزیع مطمئنی دریک مکان کاندید در داخل شبکه، احداث شود حالت خود پشتیبان دارد و دیگر نیازی به در نظر گرفتن پشتیبان ندارد. تابع هدف شامل، کلیه ی هزینه های حمل ونقل، تولید محصول، احداث تسهیلات، خرید مواد اولیه و نگهداری کالا در مراکز توزیع پشتیبان می باشد. در مرحله حل مسئله، با توجه به NP-Hard بودن مسئله، یک روش آزاد سازی لاگرانژ برای یافتن یک جواب نزدیک بهینه و ارزیابی عملکرد الگوریتم ژنتیک توسعه داده شده است، که نتایج محاسباتی، نشان از عملکرد مناسب الگوریتم ژنتیک دارد به طوری که، این الگوریتم توانایی ارائه جواب های مناسب را در زمان منطقی دارد. همچنین نتایج حل مسئله، حاکی از آن است، که روش آزاد سازی لاگرانژ توانسه است یک کران پایین مناسب را در زمانی کوتاه ارائه نماید.

گسترش روزافزون سیستم های چند وضعیته و لزوم اجرای مأموریت های متوالی در حوزه های مختلف با مدت زمان های توقف محدود بین هر دو مأموریت، اهمیت ویژه ای به مسأله نگهداری و تعمیرات این قسم سیستم ها بخشیده است. در تحقیق حاضر مسأله نگهداری و تعمیرات منتخب برای سیستم های چند وضعیته تحت تأثیر وابستگی تصادفی موردمطالعه قرار گرفته است. علاوه بر این، امکان چند محرکه بودن و نیز وقوع خرابی های فراگیر با اثر کلی ناشی از کلیه اجزای سیستم در نظر گرفته شده است. به همین منظور مدلی مناسب باهدف بیشینه سازی قابلیت اطمینان سیستم و در نظر گرفتن محدودیت نیروی کار علاوه بر محدودیت های هزینه و زمان پیشنهاد شده است. در محاسبه سن مؤثر اجزای چند وضعیته از مدل نوع II کیجیما استفاده می شود. با توجه به پیچیدگی مسأله در حل مسائلی با ابعاد بزرگ، الگوریتم فرا ابتکاری ژنتیک بکار گرفته شده است. به دلیل اهمیت تنظیم پارامترها در عملکرد الگوریتم، از روش تاگوچی در این زمینه استفاده شد. برای آزمودن کارایی مدل پیشنهادی تعدادی مثال نمونه در ابعاد متفاوت تولید و حل می شود. در ادامه نتایج حاصل از حل این مسائل توسط حل دقیق و الگوریتم پیشنهادی مقایسه و عملکرد الگوریتم ارزیابی شده است. توانایی یافتن جواب های بهینه در مسائل کوچک و متوسط و دستیابی به جواب های نزدیک به بهینه درزمانی قابل قبول در مسائل بزرگ گویای عملکرد مطلوب روش پیشنهادی است. به منظور غنای بیشتر تحقیق، از آزمون تی نیز به منظور مقایسه نتایج استفاده شده، که نتایج کارایی الگوریتم را تأیید می نماید.

حمل و نقل دریایی مهم‎ترین ابزار حمل و نقل کالا در دنیا به‎شمار می رود. ارزانی نسبی و قابلیت حمل حجم بالایی از کالاها از مهم‎ترین مزیت های این روش است. انتقال بسیاری از کالاهای جامد به صورت کانتینری و توسط کشتی های کانتینربر انجام می گیرد که بعد از نفت‎کش‎ها بزرگ‎ترین نوع کشتی ها به شمار می روند. بنادر به عنوان نقاط اتصال، نقش بسیار مهمی در بحث حمل و نقل دریایی دارند و نقش اساسی در حمل و نقل کالاها را بر عهده دارند. این نکته که بخش مهمی از صادرات و واردات کشور توسط بنادر دریایی انجام می گیرد و حمل و نقل دریایی، نوع غالب حمل و نقل در جهان است و بهبود کوچکی در بخش حمل و نقل دریایی، دارای اثر مالی قابل توجهی برای کشور است، اهمیت مطالعه و بررسی روی این موضوع را خاطرنشان می‎کند. این پایان نامه با هدف مدل سازی سیستم تخلیه و بارگیری بنادر کانتیری و بهبود فرایند حمل و نقل کالا در این بنادر، شناسایی نقاط ضعف و قوت آنها و انجام بهینه سازی بر اساس مولفه های آن تالیف شده است. نظریه صف به عنوان یک نظریه قابل اتکا در مطالعه سیستم ها و شبکه‎ها پایه بررسی این پایان نامه را تشکیل می دهد. این نظریه با تبدیل سیستم‎های مختلف به یک سیستم صف و مطالعه و تحلیل پارامترهای گوناگون آن اطلاعات مفیدی را در اختیار پژوهش گر قرار داده و راه را برای مطالعه و تحلیل این سیستم هموار می کند. برای بررسی کارآیی مدل ارائه شده بر مبنای سیستم‎های صف تعدادی مثال عددی برای آن طرح و توسط نرم افزار GAMS و حل کننده CPLEX حل شده است. یک روش فراابتکاری بر مبنای الگوریتم ژنتیک نیز برای حل مسأله در ابعاد بزرگ، ارائه و مورد بررسی قرار گرفته است.

در زنجیره تامین، تخلیه-بارگیری هم زمان یکی از سیستم های نوین جهت بهبود عملکرد عملیات مراکز توزیع به شمار می آید. تخلیه-بارگیری هم زمان یک استراتژی لجستیکی است که در آن کالاهایی که از کامیون های ورودی باراندازی شده اند، بدون هیچ گونه ذخیره سازی، (تقریبا) به صورت مستقیم بر روی کامیون های خروجی بارگیری می شوند، بنابراین هیچ موجودی در مراکز توزیع باقی نمی ماند. در این تحقیق، مساله تخصیص کامیون ها به درب های بارانداز و زمان بندی هم زمان کامیون های ورودی و خروجی در سیستم تخلیه-بارگیری هم زمانی با وجود چندین درب حهت تخلیه و بارگیری مطالعه و بررسی می گردد. بدین منظور برای مساله تحت مطالعه یک مدل ریاضی برنامه ریزی مرکب عدد صحیح پیشنهاد شده است. به علاوه به دلیل ناتوان بودن نرم افزار بهینه ساز GAMS در حل مسائل با ابعاد بزرگ، یک الگوریتم فراابتکاری شبیه سازی تبرید برای حل مسائل با ابعاد بزرگ ارائه شده است. سپس جهت ارزیابی عملکرد الگوریتم پیشنهادی، چندین مثال عددی که به صورت تصادفی ایجاد شده اند، بررسی می گردند.

زمان بندی سیستم حمل الوار شامل طراحی بهترین مسیرهای ممکن برای کامیون های خدمت دهنده به مجموعه ای از محل های بارگیری و کارخانه های متعدد است. کارخانه ها تقاضاهای خود را براساس تعداد واحد بار ارسالی وسایل نقلیه از محل های بارگیری دریافت می کنند. از آنجایی که در این مسایل اغلب تقاضای کارخانه ها بیش از ظرفیت وسایل نقلیه است هر محل بارگیری و کارخانه می توانند با بیش از یک وسیله نقلیه خدمت دهی شوند. فعالیت های حمل و نقل بین محل های بارگیری و کارخانه ها باید تا حد ممکن به صورت مؤثر برنامه ریزی شوند. در این تحقیق زمان بندی سیستم حمل الوار با در نظر گرفتن ناوگان ناهمگنی از وسایل نقلیه (لزومی به بارگیری کامل وسایل نقلیه نیست) و همچنین یک پنجره زمانی نرم برای هر کارخانه مورد بررسی قرار می گیرد. هدف این مسأله، کمینه سازی هزینه حمل و نقل است که با توجه به وجود پنجره زمانی نرم به دو بخش کلی تقسیم می شود. بخش اول، هزینه مسافت های طی شده توسط وسایل نقلیه است که شامل هزینه مسافت هایی که هر وسیله نقلیه بدون بار طی کرده، مسافت هایی که وسیله نقلیه با بار ناکامل طی کرده و حتی مسافت هایی که وسیله نقلیه با بار کامل طی کرده می شود. در بخش دوم، هزینه زودکرد و دیرکرد برای هر کارخانه محاسبه می شود. در این تحقیق یک مدل برنامه ریزی غیرخطی عدد صحیح آمیخته ارائه می شود. برای سنجش کارایی مدل و درستی آن، چند مثال عددی، ارائه و توسط نرم افزار GAMS حل می شود. با توجه به پیچیدگی مسأله مورد بررسی، الگوریتم تبرید شبیه سازی شده به منظور حل مسایل در سایز متوسط و بزرگ توسعه داده می شود.

این تحقیق به بررسی مسائل زمانبندی پروژه چند هدفه با فعالیتهای چند حالته وابسته به زمان با در نظر گرفتن محدودیت منابع میپردازد. پس از مطالعه` ی پیشینه و روش حل، دو مدل مناسب به منظور بررسی توابع هدف پیشنهادی و تطبیق الگوریتمی کارآمد برای حل مسائل چند هدفه، ارائه شده است. در ارائه این مدلها، ویژگیها و محدودیتهای کارآمدی برای مسائل زمانبندی پروژه برای فعالیتهای وابسته به زمان، لحاظ شده،اهداف مسأله کمینه کردن هزینه کل و بیشینهسازی قابلیت اطمینان میباشند، در هر دو مدل این اهداف بررسی خواهند شد، با این تفاوت که حالت اجرای فعالیتها در مدل اول مستقل از زمان و در مدل دوم وابسته به مقطع زمانی در نظر گرفته شده، سپس به منظور بهینهسازی همزمان دو تابع هدف و تولید جوابهای پارتویی مسأله، نسخه دوم الگوریتم فراابتکاری ژنتیک با مرتبسازی نامغلوب توسعه داده میشود. در نهایت برای آزمودن کارایی الگوریتم پیشنهادی، تعدادی مسأله نمونه در اندازههای مختلف تولید و حل میشود. نتایج حاصل از الگوریتم فراابتکاری با نتایج بهدست آمده از حل مدل ریاضی به روش اپسیلون محدودیت مقایسه میشوند. نتایج مقایسات حاکی از کارآیی الگوریتم پیشنهادی میباشد.

مسائل مکان یابی تسهیلات اضطراری جزو مسائل استراتژیک به شمار می آیند و از اهمیت ویژه ای برخوردار هستند. کیفیت ارائه خدمات و میزان پوشش از جمله معیارهای مهم برای ارزیابی این مسائل می باشد، این دو معیار به نحوه مکان یابی تسهیلات و مفروضات مسأله وابسته می باشند. کیفیت ارائه خدمات اضطراری، به زمان پاسخ گویی وابسته است و زمان پاسخ گویی خود به میزان پایایی یا قابلیت اطمینان خدمت دهنده (دسترسی پذیری)، زمان سفر و زمان تأخیر قبل از سفر وابسته است. در این پایان نامه، مسأله مکان یابی تسهیلات اضطراری با در نظر گرفتن وابستگی زمان پاسخ گویی به عوامل یاد شده، بررسی شده و سپس مدل ریاضی مسأله ارائه می گردد. به منظور سنجش صحت مدل ارائه شده، تعدادی مثال عددی شامل شبکه تصادفی در نرم افزار MATLAB تولید شده و سپس توسط نرم افزار GAMS، حل کننده CPLEX حل شده اند. به دلیل NP-hard بودن مسأله، زمان رسیدن به راه حل دقیق یک تابع چند جمله ای از ابعاد مسأله نبوده و برای رسیدن به جواب در ابعاد بزرگ روش دقیق کاربرد نداشته، بنابراین برای حل مسأله در ابعاد بزرگ از الگوریتم تقریبی ژنتیک استفاده شده است و نتایج حاصل از الگوریتم ارائه شده تجزیه و تحلیل می شود.

کلاس نسبتاً جدیدی از مسائل زمان بندی شامل چندین عامل می شود که هر عامل برای استفاده از یک پردازشگر مشترک به منظور اجرای کارهایش با سایر عوامل در رقابت است و معیار مختص به خود را برای بهینه کردن دارد. این تحقیق مسأله زمان بندی تک ماشینه دوعامله را با یک بازه ثابت عدم دسترسی به ماشین نشان می دهد. هدف مسأله حداقل کردن مجموع دیرکرد کارهای عامل اول است مشروط بر اینکه تأخیر کارهای عامل دوم نباید از یک حد داده شده تجاوز کند. دو مدل برنامه ریزی عددصحیح مختلط برای یافتن جواب های بهینه فرموله شده است که برای مسائل نمونه با سایز کوچک مؤثر است. برای این مسأله چندین قانون غلبه پیشنهاد شده است؛ به منظور حل مسائل نمونه با سایز متوسط تا بزرگ، یک الگوریتم فراابتکاری تبرید شبیه سازی شده ترکیبی با قانون غلبه برای یافتن جواب های نزدیک به بهینه برای مسأله توسعه داده شده است. آزمایشات محاسباتی برای ارزیابی عملکرد هر یک از مدل های برنامه ریزی ریاضی و الگوریتم تبرید شبیه سازی شده پیشنهادی انجام شده است. آزمایشات محاسباتی نشان می دهند که مدل های ریاضی پیشنهادی توانایی حل مسائل نمونه تا 100 کار را در زمانی منطقی دارند و عملکرد الگوریتم تبرید شبیه سازی شده ترکیبی بسیار خوب بوده و میانگین درصد خطای نسبی برای تمامی مسائل نمونه کمتر از 25/1 درصد است.

مسائل مکان یابی شبکه ای به مسائلی اطلاق می گردد که در آنها شبکه ای از گره ها و کمان ها در نظر گرفته شده و هدف یافتن بهترین مکان ها برای استقرار تسهیلات است. در این دسته از مسائل مکان یابی، تقاضاها ممکن است بر روی گره ها و یا کمان های واصل گره های شبکه اتفاق بیافتد. همچنین فواصل بین نقاط مختلف شبکه از طریق کوتاه ترین مسیر ممکن بین آنها تعیین می گردد. مسأله مورد بررسی در این تحقیق، مسأله مکان یابی شبکه ای تسهیلات پرازدحام ثابتی است که علاوه بر خدمت دهنده ثابت دارای خدمت دهنده متحرک نیز می باشند. در طرح این مسأله فرض شده است که تقاضاها به دو نوع اضطراری و غیراضطراری تقسیم بندی شده و تقاضاهای اضطراری توسط خدمت دهنده های متحرک و تقاضاهای غیراضطراری توسط خدمت دهنده های ثابت پاسخ داده می شوند. مشتریان غیراضطراری به منظور دریافت خدمت به نزدیک ترین تسهیل بازی که در شعاع پوشش آن قرار دارند مراجعه می کنند. با ازدحام این مشتریان در محل استقرار تسهیل، صف ایجاد شده و در این صورت مشتریان باید مدت زمانی را به منظور دریافت خدمت در صف انتظار، منتظر بمانند. مشتریانی که دارای تقاضای اضطراری هستند نخست به نزدیک ترین تسهیل بازی که در شعاع پوشش آنها قرار دارد تخصیص داده می شوند و در صورتی که خدمت دهنده متحرک این تسهیل، آزاد و در دسترس باشد به تقاضای مشتری پاسخ داده می شود، در غیر این صورت مشتری برای دریافت خدمت منتظر نمانده و به دومین نزدیک ترین تسهیل باز که در شعاع پوشش آن قرار دارد، تخصیص داده می شود. در صورتی که خدمت دهنده متحرک این تسهیل نیز قادر به پاسخ گویی به تقاضای مشتری نباشد، تقاضا از دست رفته تلقی می گردد. یک مدل برنامه ریزی عدد صحیح آمیخته دوهدفه برای مسأله مورد بررسی توسعه داده می شود. یکی از اهداف مسأله به صورت کمینه کردن مجموع زمان های سفر و انتظار مشتریان غیراضطراری و هدف دیگر به صورت کمینه کردن تعداد تفاضای اضطرای از دست رفته در نظر گرفته می شود. به منظور اعتبارسنجی مدل توسعه داده شده، تعدادی مثال عددی در ابعاد کوچک توسط نرم افزار بهینه ساز GAMS حل شده و مورد تجزیه و تحلیل قرار می گیرند. در ادامه با توجه به اینکه مسأله مورد بررسی از جمله مسائل ناچندجمله ای سخت (NP-Hard) محسوب می شود، به منظور حل مسائل در ابعاد متوسط و بزرگ، از نسخه دوم الگوریتم ژنتیک چندهدفه مبتنی بر مرتب

در اکثر تحقیقات انجام گرفته در زمینه مکان یابی تسهیلات خراب شونده، فرض شده است که تقاضاها گسسته بوده و بر روی گره ها واقع شده اند. در حالی که به تازگی، واقع بودن مشتریان بر روی کمان های موجود در شبکه نیز مورد بررسی قرار گرفته است. با در نظر گرفتن اطلاعات کامل و یا ناقص مشتریان از وضعیت خرابی تسهیلات، اخیرا ادبیات مکان یابی تسهیلات خراب شونده به دو شاخه تقسیم شده است. در این رساله به بررسی مکان یابی شبکه ای تسهیلات خراب شونده با فرض بی اطلاع بودن مشتریان از وضعیت خرابی تسهیلات پرداخته می شود. همچنین فرض شده است که مشتریان با توزیع یکنواخت بر روی کمان های موجود در شبکه توزیع شده اند. یکی از مفروضات مهم، امکان هم مکان بودن دو یا چند تسهیل می باشد. تاکنون تنها حالت دو تسهیلی این مسأله بررسی شده است. در حالی که در تحقیق پیش رو، برای حالت n تسهیلی مسأله، مدل ریاضی با فرم بسته ارائه می شود. در این مسأله، مشتریان تا زمانی در سیستم جستجو می نمایند که خدمت خود را دریافت نمایند؛ مشتریان، تنها در صورتی از سیستم خارج می شوند که تمامی تسهیلات موجود در سیستم را خراب بیابند. تابع هدف این مسأله، کمینه نمودن مجموع سفرهای مشتریان موجود در سیستم می باشد. در این تحقیق، ارتباط بین احتمال خرابی و هم مکانی تسهیلات بررسی می شود. به جهت ناچندجمله ای سخت بودن مسأله، یک الگوریتم ژنتیک برای حل آن معرفی می گردد. سپس، با ارائه تعدادی مسأله نمونه در ابعاد مختلف و حل آنها توسط الگوریتم معرفی شده و حل گر CPLEX، نحوه عملکرد این الگوریتم مورد بررسی قرار می گیرد. نتایج نشان می دهد که این الگوریتم قادر است در زمانی کوتاه، راه حل های مناسبی را ارائه نماید.

در این تحقیق از مدل صف فوق مکعبی برای مدل سازی مسأله مکان یابی تسهیلات اضطراری با خدمت دهندگان متحرک استفاده می شود. در مدل ارائه شده، فرض می شود که تقاضای هر مشتری توسط نزدیک ترین تسهیل آزاد تأمین می گردد. هدف مسأله تحت بررسی، انتخاب تعدادی از سایت های کاندیدا برای استقرار تعداد مشخصی تسهیل است به گونه ای که مجموع امید ریاضی مدت زمان انتظار مشتریان تا رسیدن خدمت دهنده، کمینه گردد. فواصل زمانی بین تقاضاهای متوالی هر مشتری و همچنین زمان های خدمت دهی توسط هر تسهیل به صورت متغیرهای تصادفی نمایی در نظر گرفته می شوند. اگرچه در نظر گرفتن تسهیل پشتیبان برای مشتریان، شرایط دنیای واقعی را به گونه ای مطلوب مدنظر قرار می دهد، اما در مقابل استفاده از مدل های متعارف را برای تحلیل سیستم صف تسهیلات ناممکن می سازد و بدین جهت، از تعریف وضعیتی مبتنی بر سیستم های صف فوق مکعبی استفاده می گردد. به منظور اعتبارسنجی مدل ریاضی ارائه شده، تعدادی مثال عددی در ابعاد کوچک ارائه و توسط نرم افزار GAMS حل کننده CPLEX حل و تحلیل می گردند. در ادامه با توجه به پیچیدگی مسأله مورد مطالعه، یک الگوریتم ژنتیک به منظور حل مسائل با ابعاد بزرگ توسعه داده می شود.

در دنیای به سرعت در حال تغییر کنونی شیوه رقابت بین سازمانها از حالت رقابت بین سازمانهای فردی به سوی رقابت بین سیستم های زنجیره تأمین گرایش پیدا نموده است. مدل های سنتی زمان بندی، تنها توالی کارهایی که در مرحله تولید مورد پردازش قرار می گیرند را تحت پاره ای از محدودیتها مورد بررسی قرار می دهند لیکن در شرایط کنونی، مدلهای مذکور از کفایت لازم برخوردار نبوده و باید به منظور سازگاری مرحله تولید و توزیع، ملاحظات حمل و نقلی نیز در این مدلها لحاظ گردد. تولیدکنندگان نوین به منظور نیل به مزایای رقابتی تأکید بسیاری بر هماهنگی و یکپارچگی مؤلفه های گوناگون زنجیره تأمین دارند. در این پژوهش به منظور یکپارچه نمودن سیستم تولید و توزیع به بررسی سیستم تحویل دسته ای در محیط کارگاه جریان دو ماشینه با هدف کمینه سازی مجموع زمان حضور کارها در سیستم و هزینه های تحویل پرداخته می شود. مسأله مورد بررسی ابتدا به صورت یک مدل ریاضی فرموله شده و سپس مجموعه ای از قواعد غلبه ارائه و اثبات می شوند. به دلیل پیچیدگی مسأله مذکور، یافتن جواب بهینه مسائل با ابعاد بزرگ در زمانی منطقی مقدور نمی باشد. بنابراین، یک روش حل کارا که متشکل از ترکیب قواعد غلبه و یک الگوریتم رقابت استعماری است، برای حل آن توسعه داده می شود. همچنین به منظور بررسی عملکرد الگوریتم ترکیبی ارائه شده، تعدادی مسأله نمونه تولید و حل می شود. نتایج به دست آمده نشان میدهند الگوریتم ترکیبی پیشنهادی کارایی بیشتر و پیچیدگی محاسباتی کمتری دارد.

مسأله موازنه زمان-هزینه ناپیوسته یکی از مباحث بسیار مهم در حوزه زمانبندی پروژه بحساب می آید. اکثر مسائل در نظر گرفته شده در این حوزه دارای منبع تجدید ناپذیر می باشند. در تحقیق حاضر منابع موجود به صورت تجدید پذیر بوده و هیچ محدودیتی در تعداد منابع مختلف وجود ندارد. علاوه بر این، برای انجام هر فعالیت در یک پروژه حالت های مختلفی از مصرف منابع در نظر گرفته شده است، که اصطلاحاً به هر کدام از این حالت ها یک مُد گفته می شود. در تحقیق حاضر،پس از فرموله کردن مسأله در قالب یک مسأله برنامه ریزی چند هدفه سعی در کمینه کردن زمان اتمام پروژه، بیشینه کردن ارزش فعلی خالص پروژه و بیشینه کردن انعطاف پذیری پروژه با در نظر گرفتن محدودیت های منابع و روابط پیش نیازی، خواهیم کرد. با توجه به پیچیدگی مسأله از الگوریتم فراابتکاری شبیه سازی تبرید چند هدفه برای حل مدل استفاده شده است. بدین منظور ابتدا یک پاسخ اولیه شدنی تولید شده و در اختیار الگوریتم بهینه سازی قرار داده می شود تا در صدد یافتن جوابهای بهینه برآید. برای اعتبار دهی به الگوریتم مورد استفادهچهار مسأله محک مورد استفاده قرار گرفته است. با توجه به عملکرد خوب الگوریتم در یافتن جواب بهینه این مسائل محک، از این الگوریتم برای یافتن جواب بهینه در مسائل بزرگ استفاده شده است. الگوریتم مورد استفاده در زمان کوتاهی تعدادی جواب نامغلوب پیدا کرده است که چون در تکرارهای زیادی این جواب ها ثابت مانده اند، گمان می رود بهینه یا حداقل نزدیک به بهینه باشند. برای غنای بیشتر کار، کلیه داده های مسائل بزرگ مورد استفاده از PSPLIBاستخراج شده است. در نهایت جواب های بدست آمده برای این مسائل، که شامل زمان شروع فعالیت ها و مد اجرایی آنهاست در جداولی آمده است. هر کدام از این جواب ها دارای سه مقدار مشخص برای توابع هدف می باشند که البته هیچکدام از آنها بر دیگری غلبه نمی کند. در نهایت با توجه به نتایج محاسباتی، روابطی بین زمان، ارزش فعلی خالص و شناوری فعالیت ها، بدست آمده است.

تحقیق حاضر به بررسی مسأله زمان بندی جریان کارگاهی دو ماشینه با امکان برون سپاری کارهامی پردازد. فرض بر این است که کارها در زمان های متفاوتی در دسترس قرار می گیرند. هر کار یا در داخل و به وسیله ماشین های داخلی پردازش می شود و یا به پیمانکاران سفارش داده می شود. مرحله اول کار های برون سپاری شده توسط پیمانکار اول و مرحله دوم آن هاتوسط پیمانکار دوم تکمیل می شود.به منظور کاهش هزینه های حمل و نقل، انتقال بین دو پیمانکار می تواند به صورت دسته ای انجام شود.هدف انتخاب بعضی از کارها برای سفارش به پیمانکار، تعیین توالی پردازش کارها روی ماشین های داخلی ، تعیین توالی کار های برون سپاری شده و گروه بندی کارهای برون سپاری شده به منظور انتقال بین پیمانکاران می باشد به طوری که مجموع هزینه های برون سپاری و حمل و نقل و نیز حداکثر زمان تکمیل کمینه گردد. مسأله به صورت دو مدل ریاضی مختلف مدل سازی شده و عملکرد آنها با یکدیگر مقایسه می شود. برای مسأله مورد بررسی، تعدادی قواعد غالب ارائه و اثبات می گردد. با توجه به قویاً NP-hard بودن مسأله، یافتن جواب بهینه برای مسائل با ابعاد بزرگ در زمانی منطقی و قابل قبول امکان پذیر نمی باشد. در نتیجه، به منظور حل مسأله در زمانی قابل قبول، یک روش حل که متشکل از قواعد غالب و یک الگوریتم کلونی مورچگان می باشد، توسعه داده شده است. الگوریتم پیشنهادی شامل دو فاز می باشد که از بهترین جواب فاز اول به عنوان یک جواب اولیه در فاز دوم استفاده می شود. نتایج محاسباتی حاکی از کارایی الگوریتم پیشنهادی می باشد.

مسائل مکان یابی شبکه ای به بحث پیرامون تعیین مکان استقرار تسهیلات در شبکه ای از گره ها و کمان ها می پردازند. در این دسته از مسائل، فواصل بین نقاط از طریق کوتاهترین مسیر ممکن بین گره ها تعیین می شود. در این تحقیق، با در نظر گرفتن مشتریان کم حوصله، مسأله مکان یابی شبکه ای برای تسهیلات مستعد ازدحام بررسی می گردد. در چنین تسهیلاتی، زمان های خدمت دهی در مقایسه با فواصل زمانی بین ورود مشتریان متوالی محسوس است بنابراین در اغلب مواقع، صفی از مشتریان در محل تسهیل تشکیل می شود. در بسیاری از سیستم های خدمت دهی دنیای واقعی، بخشی از مشتریان به دلیل بی حوصلگی ناشی از ازدحام، از دریافت خدمت منصرف می گردند. بی حوصلگی زمانی اتفاق می افتد که زمان انتظار در صف و یا به عبارتی طول صف انتظار به طور نامطلوبی طولانی شود. در چنین وضعیتی مشتری بی حوصله، با دیدن صف انتظار طولانی، تمایلی به ورود یا ماندن در صف انتظار از خود نشان نمی دهد. این مسأله موجب از دست رفتن بخشی از تقاضا خواهد شد. در نظر گرفتن تقاضای از دست رفته می تواند به واقعی و کاراتر شدن مدل های ریاضی مکان یابی، کمک شایانی نماید. در این تحقیق فرض می شود که هر مشتری به نزدیک ترین تسهیل مراجعه می کند و در صورتی که در این تسهیل با طول صفی بیش از آستانه تحملش رو به رو شود، برای دریافت خدمت منتظر نمانده و به نزدیک ترین تسهیل به تسهیل فعلی مراجعه می نماید. اگر طول صف انتظار در تسهیل دوم نیز بیش از آستانه تحمل مشتری باشد، مشتری به طور کلی از دریافت خدمت صرف نظر می کند. انصراف مشتری از دریافت خدمت به معنی خروج وی از سیستم و از دست رفتن تقاضا تلقی می شود. یک مدل برنامه ریزی عدد صحیح آمیخته با تابع هدف کمینه کردن مجموع تقاضاهای از دست رفته ناشی از ازدحام در تسهیلات برای این مسأله توسعه داده می شود. سپس به منظور اعتبارسنجی مدل ارائه شده، تعدادی مثال عددی در ابعاد کوچک توسط نرم افزار بهینه ساز GAMS حل و تحلیل می شوند. در ادامه با توجه به پیچیدگی مسأله مورد مطالعه، یک الگوریتم ژنتیک مبتنی بر شبیه سازی-بهینه سازی به منظور حل مسائل با ابعاد متوسط و بزرگ توسعه داده می شود.

این تحقیق به بررسی مسأله ی زمان بندی تک ماشین با دو عامل استفاده کننده می پردازد. استفاده ی همزمان دو یا چند عامل از یک ماشین مشترک، یکی از مهم ترین مفروضاتی است که در سال های اخیر مورد توجه محققین بوده است. دو عامل مستقل هر یک دارای مجموعه ای از کارها هستند و می خواهند آنها را با توجه به هدف خود روی یک ماشین مشترک زمان بندی کنند. تمام کارها در زمان صفر در دسترس بوده و پردازش آنها بدون وقفه صورت می گیرد. زمان پردازش کارها و موعد تحویل آنها قطعی و مشخص است. رویکرد هر دو عامل تحویل به هنگام کارهای مربوط به خود است و هدف مسأله زمان بندی تمام کارها است به طوری که مجموع زودکردها و دیرکردهای مربوط به کارهای عامل اول کمینه شود به شرطی که هیچ یک از کارهای عامل دوم زودکرد یا دیرکردی بیش تر از یک حد مشخص نداشته باشد. به دلیل بی قاعده بودن تابع هدف، وجود بیکاری های غیرضروری بین پردازش کارها می تواند مفید باشد و این موجب افزایش پیچیدگی مسأله می شود. این مسأله با دو رویکرد مختلف مدل سازی شده است و پس از آن، مجموعه ای از ویژگی ها و قواعد برتری جواب ها به صورت قضایای غلبه ارائه و اثبات شده اند. به دلیل پیچیدگی مسأله، نمی توان یک الگوریتم با زمان حل چندجمله ای برای آن ارائه داد. در نتیجه، دو الگوریتم بهبود حریصانه و شش الگوریتم ابتکاری جست وجوی محلی با ایده های مختلف برای حل مسأله ی مذکور توسعه داده شده است. در پایان، به منظور ارزیابی عملکرد الگوریتم های مختلف، تعدادی مسأله ی نمونه طراحی و حل شده است. نتایج محاسباتی کارآیی الگوریتم های ارائه شده را نشان می دهند.

طراحی شبکه ی توزیع از سه مسأله ی مکان یابی - تخصیص، مسیریابی وسیله ی نقلیه و کنترل موجودی تشکیل شده است. یکپارچگی اجزای سیستم توزیع، نقش مهمی را در بهبود عملکرد آن ایفا نموده و می تواند زنجیره ی تأمین را در رسیدن به اهدافش از هزینه ی کم تا پاسخگویی بالا کمک نماید. در این تحقیق، یک شبکه ی توزیع سه سطحی شامل یک تأمین کننده ی اصلی، چند مرکز توزیع بالقوه و تعدادی مشتری مورد مطالعه قرار می گیرد و به منظور یکپارچه سازی شبکه ی مذکور، مسائل مکان یابی مراکز توزیع، تخصیص مشتریان به مراکز توزیع فعال شده، مسیریابی وسایل نقلیه با در نظر گرفتن محدودیت پنجره های زمانی و کنترل موجودی مراکز توزیع به صورت همزمان در نظر گرفته می شوند. بدین منظور ابتدا برای مسأله ی مورد بررسی یک مدل برنامه ریزی خطی عدد صحیح آمیخته با هدف کمینه کردن مجموع هزینه های مکان یابی، تخصیص، مسیریابی و کنترل موجودی توسعه داده می شود. سپس به منظور اعتبارسنجی مدل ارائه شده چند مسأله در ابعاد کوچک توسط نرم افزار بهینه سازی GAMS حل و تحلیل می شوند. در ادامه با توجه به پیچیدگی مسأله ی موردمطالعه، دو الگوریتم فراابتکاری آنلینگ شبیه سازی شده و ژنتیک به منظور حل مسائل با ابعاد متوسط و بزرگ توسعه داده می شوند. نتایج محاسباتی بر روی مسائل نمونه، حاکی از کارایی مناسب هر دو الگوریتم در حل مسائل با ابعاد کوچک است. همچنین این نتایج نشان می دهند که با افزایش ابعاد مسأله، الگوریتم آنلینگ شبیه سازی شده از الگوریتم ژنتیک کاراتر می باشد.

تعیین برنامه زمان بندی و توالی عملیات در مسائل برنامه ریزی تولید به عنوان یکی از عوامل کلیدی موفقیت در هر سازمان تولیدی نقش مهم و موثری دارد زیرا زمان بندی تولید باعث جلوگیری از انباشت سرمایه، تقلیل ضایعات، کاهش و یا حذف بیکاری ماشینآلات و تلاش برای استفاده بهتر از آنها، پاسخگوئی به موقع به سفارش های مشتریان و تامین مواد اولیه و قطعات مورد نیاز در موقع مناسب می شود. مسائل زمان بندی تولید بسیار متنوع هستند. هدف زمان بندی تولید تخصیص منابع محدود در طول زمان برای انجام گروهی از فعالیت ها است. داشتن یک برنامه زمان بندی تولید مناسب، تاثیر زیادی بر افزایش کارایی و دسترسی به اهداف سازمان دارد. مدل زمان بندی تولید در هر یک از سازمان های تولیدی با توجه به اهداف و اولویت های دسترسی به هر یک از آنها متفاوت است. بنابراین برای تعیین مدل زمان بندی مناسب در سازمان ابتدا باید اهداف، اولویت و محدودیت منابع مورد بررسی قرار گیرد. در این تحقیق، مسأله زمان بندی در محیط جریان کارگاهی با دو ماشین پردازشگر دسته ای مورد مطالعه قرار گرفته است. در ارتباط با مسائل زمان بندی، نسل جدیدی از پردازش کارها به صورت پردازش همزمان دستهای در محیطهای صنعتی معرفی شده است که موجب کاهش در زمان های آمادهسازی، هزینههای حمل و تسریع در عملیات پردازش نسبت به پردازش تکی کارها می گردد. در این نوع پردازش با توجه به محدودیتی که برای اندازه هر دسته جهت پردازش وجود دارد، تعداد محدودی کار تا جایی که از ظرفیت دسته تجاوز نکنند در دسته قرار گرفته و روی ماشین پردازشگر دستهای پردازش می شوند. در این پایاننامه، مدل ریاضی جدید با محدودیت های ناسازگاری کارها و اندازه ظرفیت دسته، با هدف کاهش هزینه حداکثر زمان تکمیل کارها در مسأله زمان بندی جریان کارگاهی با ماشینهای پردازشگر دستهای ارائه گردیده است. از آن جایی که مدل پیشنهادی ناچندجمله ای سخت (NP hard) است، روش حلی بر مبنای الگوریتم کلونی مورچگان و آنلینگ شبیه سازی شده، توسعه داده شده است. جهت ارزیابی عملکرد الگوریتم پیشنهادی، مسائل نمونه به صورت تصادفی ایجاد شده و راه حل های به دست آمده از الگوریتم های پیشنهادی با مقدار حد پایین به دست آمده از مطالعات گذشته پژوهشگران مقایسه گردیده است .

مسأله مکانیابی شبکهای از جمله مسائل جدید در حوزه مسائل مکان یابی می باشد. در این مسأله، جابجایی ها بین تسهیلات موجود (مشتریان) و تسهیلات جدید (خدمتدهندگان) در امتداد کمان های شبکه انجام می گیرند و بدین جهت برخلاف مسائل متعارف مکان یابی، فواصل بین تسهیلات براساس معیارهای متداول اندازهگیری فاصله، محاسبه نمی شوند. مسألهای که در این تحقیق بدان پرداخته شده است از نوع مسائل گسسته است بدین معنی که تعدادی سایت به عنوان مکان بالقوه برای احداث خدمتدهندگان وجود دارند که باید از بین آنها تعداد مشخصی جهت پوشش به تقاضای مشتریان انتخاب گردند. فرض شده است که مکان و زمان وقوع تقاضاها در امتداد کمان های شبکه، متغیرهای تصادفی مستقل هستند بدین صورت که مکان وقوع یک تقاضا به صورت یکنواخت در هر یک از کمان ها توزیع شده است و تقاضاها براساس فرآیند پواسان تولید می شوند. هدف این مسأله، کمینه کردن مجموع زمان های سفر و انتظار مشتریان می باشد. فرض شده است که هر مشتری به نزدیک ترین تسهیل باز مراجعه می نماید و در صورتی که برآورد آنها از مدت زمان انتظار در سیستم از مقدار آستانه مشخصی، بیشتر باشد، از ورود به صف منصرف می شوند. مسأله موردنظر در قالب یک مدل برنامه ریزی ریاضی عدد صحیح آمیخته، مدلسازی شده است. از آنجایی که مسأله تحت بررسی از جمله مسائل ناچندجمله ای سخت می باشد، برای حل آن، سه الگوریتم فراابتکاری ژنتیک، ممتیک و آنلینگ شبیه سازی شده، ارائه شده اند. برای آزمودن کارایی الگوریتم های پیشنهادی، تعدادی مسأله تصادفی در اندازه های مختلف تولید شده و نتایج حل الگوریتم های فراابتکاری با نتایج به دست آمده از حل مدل توسط نرم افزار GAMS (حل کننده CPLEX) مقایسه شده اند. نتایج به دست آمده حاکی از آن است که الگوریتم های ابتکاری پیشنهادی می توانند راه حل های قابل قبول را در زمان های محاسباتی کم، به دست آورند.

هاب ها تسهیلاتی هستند که در بسیاری از سیستم های توزیع برای تعویض و انتقال جریان بین مبدا ها و مقصد ها استفاده می شوند. مسایل مکان یابی هاب زمانی مطرح می شوند که جابه جایی مستقیم اقلام بین زوج های مبدا- مقصد به دلیل هزینه بالای ایجاد شبکه مورد نیاز عملا امکان پذیر نبوده و جابجایی جریان از طریق هاب ها هزینه کمتری نسبت به جابجایی مستقیم بین گره ها دارا است. مسأله هاب مرکز در شبکه ای از هاب ها مطرح می شود که به منظور جابجایی اقلام حساس به زمان طراحی شده اند. در این نوع از مسائل، هدف خدمت رسانی با صرف حداقل مجموع هزینه ها یا زمان سرویس نیست بلکه هدف خدمت دهی به دورترین مشتری در کمترین زمان ممکن است. مسأله هاب مرکز با تخصیص تکی و ظرفیت محدود به دنبال انتخاب مکان تعدادی هاب و سپس تخصیص گره های غیرهاب به دقیقا یک هاب می باشد به گونه ای که بیشینه زمان/مسافت بین هر زوج مبدا مقصد کمینه شود. این مسأله یک مسأله سخت در حوزه مکان یابی - تخصیص محسوب می شود و بدین جهت در این تحقیق، دو روش فرا ابتکاری برای حل مسأله استفاده شده است. در این تحقیق، یک مدل برنامه ریزی عدد صحیح آمیخته برای مساله فوق توسعه داده می شود. ابتدا با استفاده از الگوریتم بازپخت شبیه سازی شده که روشی بهبود دهنده محسوب می شود مدل حل می گردد سپس الگوریتم بهینه سازی دسته مورچگان که یک روش سازنده می باشد برای حل استفاده می شود. نتایج این دو روش فراابتکاری با استفاده از داده های استاندارد AP با یکدیگر و همچنین با نتایج حاصل از LINGO مورد مقایسه و بررسی قرارگرفته اند. نتایج محاسباتی بر روی داده های نمونه، حاکی از کارایی مناسب الگوریتم های حل ارائه شده در یافتن جواب های نزدیک به جواب بهینه می باشد.

تکنولوژی گروهی یک فلسفه ی تولیدی است که سعی دارد با حفظ انعطاف پذیری تولید کارگاهی، کارایی سیستم های تولید انباشته را افزایش دهد. به عبارتی به منظور افزایش بهره وری به گروه بندی منابع تولیدی، اطلاعات و قطعات می پردازد. سیستم های تولید سلولی به عنوان کاربردی از مفهوم تکنولوژی گروهی، براساس تشابه بین الزامات تولیدی به گروه بندی قطعات تولیدی می پردازند و خانواده های قطعات را تشکیل می دهند. خانواده های قطعات برای پردازش به گروه های از ماشین های نامتشابه که به طور فیزیکی همجوار هم هستند تخصیص داده می شوند. با وجود اینکه این سیستم ها از مزایای زیادی برخوردار هستند اما پایین بودن انعطاف پذیری در مقابل تغییرات تقاضا از بزرگترین معایب این سیستم ها به شمار می آید. راهکارهای مختلفی برای رفع مشکل یاد شده، ارائه شده است. یکی از این روش ها، طراحی سلول های تولیدی مجازی می باشد . یک سلول مجازی، گروه ی منطقی از منابع تولیدی است به گونه ای که به صورت فیزیکی قابل شناسایی نیست بلکه به صورت فایل های داده ای و درون کنترل کننده قابل تشخیص می باشد. اگرچه زمان های آماده سازی تاثیر به سزایی بر عملکرد سیستم تولیدی دارند، با این وجود تحقیقات اندکی در حوزه سیستم های تولید سلولی مجازی، زمان های آماده سازی را در نظر گرفته اند. از طرفی دیگر امروزه در شرکت های تولیدی، برون سپاری به عنوان روشی برای بهبود عملکرد سیستم تولیدی به صورت یک الزام در آمده است. بنابراین، در این تحقیق با مدنظر قراردادن زمان های آماده سازی وابسته به توالی عملیات و امکان برون سپاری مسئله ی زمان بندی سلول های مجازی به صورت یک مدل ریاضی ارائه شده است. نتیجه ی حل مثالی عددی، حاکی از تاثیرات قابل ملاحظه این فرضیات جدید بر مسئله ی زمان بندی سلول های مجازی می باشد. مدل ارائه شده از دسته ی مسائل چند هدفه می باشد بنابراین به منظور حل آن، علاوه بر استفاده از یک الگوریتم حل دقیق تحت عنوان محدودیت اپسیلون، یک الگوریتم ژنتیک دوهدفه نیز توسعه داده شده است. نتایج حل مثال های عددی، کارایی بالای الگوریتم حل توسعه داده شده را نشان می دهند.

در این تحقیق، شیوه ای نوین جهت ارزیابی و بررسی مسأله تشکیل سلول در شرایط عدم قطعیت ارائه شده است. برای این منظور با به کارگیری ابزارهای فرآیند های تصادفی، تئوری صف و تئوری گراف مشخصات و شرایط یک سیستم تولیدی - مونتاژی در مسأله تشکیل سلول در نظر گرفته شده است. به منظور بررسی اثرات سیستم تولیدی پایه در مسأله تشکیل سلول، سیستم های مونتاژی به صورت یک شبکه باز صف مدل سازی شده اند. در شبکه طراحی شده، هر گره به عنوان یک ایستگاه خدمت دهی در نظر گرفته شده است و هر ایستگاه شامل عملیات تولیدی یا مونتاژی است. فرض شده که سیستم تولیدی، قابلیت تولید چند محصول متفاوت را دارا باشد. یکی دیگر از فرضیات کلیدی که در کمتر تحقیقی در نظر گرفته شده، فرض چرخش در شبکه مسیر های عملیاتی محصولات سیستم مونتاژی است. این اثرات در دو دسته اثرات مبتنی بر هزینه و اثرات مبتنی بر زمان توسط دو مدل برنامه ریزی عدد صحیح، بررسی شده اند. مدل نسخت که یک مدل یک هدفه است، اثرات زمانی سیستم تولیدی پایه را بر مسأله تشکیل سلول در نظر می گیرد. مدل دوم که از تعمیم مدل اول به دست آمده است، تابع دیگری را جهت کمینه کردن هزینه کل سیستم تولید سلولی، به مدل می افزاید. جهت حل مدل اول، از الگوریتم های فراابتکاری متعارفی همچون الگوریتم ژنتیک و الگوریتم ممتیک استفاده شده است. همچنی در حل مدل دوم، یک الگوریتم حل دقیق تحت عنوان Є-Constraint توسعه داده شده است. نتایج حل مثال های عددی، کارایی بالای الگوریتم های حل توسعه داده شده را نشان می دهند.

معاملات در بازارهای مالی و به خصوص بازار فارکس نقشی بسیار مهم و حیاتی را در فعالیت بانکها و شرکتهای تجاری بزرگ بازی می کند، از این رو توانایی انجام معاملات سودآور در این بازارها به مسئله ای پر اهمیت تبدیل شده است. یکی از روشهای مورد استفاده برای معامله در تمامی بازارها، معامله با استفاده از موقعیت اجرام آسمانی نسبت به هم یا به عبارت دیگر استرولوژی مالی می باشد که از سالیان بسیار دور مورد استفاده بوده و اخیرا و به طور خاص در یک قرن اخیر با توجه به پیشرفتهای علوم محاسباتی بسیار مورد توجه قرار گرفته است. در حال حاضر اکثریت قریب به اتفاق تحلیل های مالی بر بعد قیمت صورت می گیرد در حالی که در تحلیلهای استرولوژی مالی تحلیل بر روی هر دو بعد زمان و قیمت انجام شده و در تحلیل بیان می شود که در کدام قیمت و چه زمانی چه نوع معامله ای باید انجام شود و این دید بسیار کاملتری را به معامله گران بازارهای مالی می دهد. اما مشکلی که در این رابطه وجود دارد این است که تعداد این اتفاقات در روز بسیار زیاد می باشد و اینکه کدامیک از این حوادث بر یک بازار خاص تاثیر می گذارند مساله ای است که هنوز مبهم می باشد. لذا به نظر می رسد استفاده از علوم داده کاوی، یادگیری ماشین و ابزارهای هوش مصنوعی می تواند در استخراج این قوانین کارایی بالایی داشته باشد. در این تحقیق سعی می شود تا با استفاده از علم هوش مصنوعی این تاثیرات، بر قیمت پوند دلار در بازار فارکس بررسی و قوانین مربوطه استخراج شوند.

در پایان نامه حاضر، طراحی جامع سیستم تولید سلولی با در نظر گرفتن حوزه های مهم طراحی شامل تشکیل سلول، جانمایی سلولی و زمان بندی سلولی مورد مطالعه قرار می گیرد. ابتدا یک مدل ریاضی برنامه ریزی خطی عدد صحیح مختلط به منظور حل همزمان مسائل تشکیل سلول و جانمایی سلولی با هدف کمینه کردن کل هزینه های حمل و نقل و تعیین چیدمان دقیق ماشین ها در سطح کارگاه ارائه می شود. سپس یک مدل ریاضی به منظور حل همزمان مسائل تشکیل سلول، جانمایی سلولی و زمان بندی سلولی با هدف کمینه کردن مجموع زمان های تکمیل کارها توسعه داده می شود. حل بهینه مثال های عددی حاکی از آن است که ادغام مسئله زمان بندی در مسائل تشکیل سلول و جانمایی سلولی تاثیر قابل توجهی در بهبود کارایی سیستم تولیدی دارد. دو الگوریتم ژنتیک برای حل هر یک از مسائل فوق توسعه داده می شوند و با استفاده از تعدادی مثال عددی، کارایی این الگوریتم ها با الگوریتم شاخه و کرانه مورد مقایسه قرار می گیرد. در ادامه، مدل ریاضی مسئله طراحی جامع سیستم تولید سلولی با اهداف مبتنی بر هزینه و زمان ارائه می شود. اعتبار سنجی مدل ارائه شده به کمک حل مدل به ازای مسئله ای با ابعاد کوچک با روش محدودیت اپسیلون صورت می گیرد. با توجه به پیچیدگی مسئله مورد نظر، یک الگوریتم ژنتیک دوهدفه به منظور حل مسائل با ابعاد بزرگ توسعه داده می شود. کارایی الگوریتم ژنتیک دوهدفه در حل مسائل با مرز موثر مقعر و همچنین در مقایسه با سایر الگوریتم های تکاملی مورد بررسی قرار می گیرد. طراحی جامع سیستم تولید سلولی با در نظر گرفتن سیستم حمل مواد نیز در این تحقیق مد نظر قرار می گیرد. در این رویکرد، ابتدا مدل ریاضی برنامه ریزی خطی عدد صحیح مختلط مسئله ادغامی تشکیل سلول، جانمایی بین سلولی و طراحی سیستم حمل مواد و الگویتم های حل آن ارائه می شود. سپس، یک مدل ریاضی کارا به منظور حل مسئله جانمایی درون سلولی توسعه داده می شود. نتایج محاسباتی حاکی از قابلیت بالای رویکرد ارائه شده و کارایی الگوریتم ژنتیک مورد نظر است. در پایان، حل مسئله زمان بندی سلولی با در نظر گرفتن تاثیر قطعات استثنایی مدنظر قرار می گیرد.

این رساله به رویکرد جدیدی در طراحی سیستم های تولید سلولی در شرایط پویا می پردازد. رساله حاضر در دو بخش کلی ارایه می شود. بخش اول شامل بررسی توامان مساله تشکیل سلول و جانمایی سلولی در حالت پویا است. در بررسی انجام شده، مدلی غیرخطی ارایه شده است که مسایل تشکیل سلول پویا و جانمایی سلولی را در شرایط پویا به صورت ادغامی در نظر می گیرد. به دلیل پیچیدگی بالای محاسباتی، برای حل مدل پیشنهادی از الگوریتم ژنتیک استفاده شده است. نتایج محاسباتی نشان می دهند که در نظر گرفتن این مسایل به صورت ادغامی تاثیر قابل توجهی در کاهش هزینه ها دارد. در بخش دوم به بررسی الگوریتم های حل مناسب برای مساله تشکیل سلول پویا پرداخته شده است. دو الگوریتم دقیق، شامل الگوریتم های شاخه و کران و برنامه ریزی پویا و یک الگوریتم فراابتکاری با نام روش انفجار نارنجک، برای حل مساله تشکیل سلول پویا ارایه شده است. در پایان عملکرد الگوریتم های ارایه شده با یکدیگر مقایسه شده است.

در این تحقیق، از روشی جدید جهت بررسی قابلیت اطمینان ماشین ها در سیستم های تولید سلولی با در نظر گرفتن مسیر های عملیاتی چندگانه استفاده شده است. با توجه به ماهیت احتمالی مدت زمان خرابی ماشین ها، سعی شده است مدل های ریاضی مبتنی بر برنامه ریزی احتمالی در این زمینه ارائه گردد. در مدل اول که یک مدل یک هدفه است، اثرات هزینه ای خرابی ماشین ها در نظر گرفته شده است. از آنجایی که زمان انجام عملیات یکی از پارامتر های مهم در محاسبه ی هزینه خرابی ها می باشد، در مدل دوم سعی شده است این پارامتر به صورت احتمالی در نظر گرفته شود. در مدل سوم، علاوه بر اثرات هزینه ای خرابی ماشین ها، اثرات زمانی خرابی ماشین ها نیز در نظر گرفته شده است. در این مدل سعی شده است که به طور همزمان هزینه های سیستم و زمان سیکل کمینه گردد. جهت حل مدل اول، علاوه بر روش های حل دقیق، از الگوریتم ژنتیک استفاده شده است. برای حل مدل دوم و سوم از روش های حل دقیق استفاده شده است. از آنجایی که مدل سوم ارائه شده، یک مدل دو هدفه می باشد جهت حل آن از الگوریتم حل دقیق تحت عنوان ϵ-Constraint استفاده شده است.