دو الگوریتم فرا ابتکاری برای بهینه سازی مساله زمان بندی زنجیره تامین چند هدفه در یک محیطمشابه ماشین های موازی

بهینه سازی داد و ستد بین تصمیمات حیاتی , موضوعی برجسته برای کمک به تصمیم گیرندگان برای همگام سازی زمان بندیتولید و توزیع در مدیریت زنجیره تامین بوده است. در این مقاله , یک مساله زمان بندی یکپارچه تولید و توزیع دو هدفه در یک محیطتولید با ماشین های موازی یکسان بررسی شده است. علاوه بر این , دو تابع هدف به عنوان معیارهایی برای جلب رضایت مشتری وکاهش هزینه های تولید کننده در نظر گرفته شده است. هدف اول به حداقل رساندن تاخیر کل وزنی و کل زمان عملیاتی است. هدفدوم حداقل کردن کل هزینه خسارت اعتبار شرکت به دلیل تعداد سفارشات معوقه , جریمه زودهنگام و کل هزینه های تحویل دسته ایاست. ابتدا , یک مدل برنامه ریزی ریاضی برای مساله ایجا د شده است. سپس , دو الگوریتم فرا ابتکاری متداول برای ردیابی راه حل هایتقریبا بهینه طراحی شده اند زیرا مساله به شدت NP-Hard است. بهینه سازی ازدحام ذرات چند هدفه MOPSO با استفاده ازیک تابع جهش , و به دنبال آن یک الگوریتم ژنتیک مرتب سازی نامحدود NSGA-II با یک عملگر کراس اوور تک نقطه ای و یکعملگر جهش ابتکاری طراحی شده است. آزمایشات روی MOPSO و NSGA-II روی مسائل مقیاس کوچک , متوسط و بزرگانجام شده است. علاوه بر این , عملکرد دو الگوریتم با توجه به برخی معیارها مقایسه می شود. نتایج محاسباتی نشان می دهد کهNSGA-II در مسائل با مقیاس کوچک عملکرد بسیار بهتری نسبت به الگوریتم MOPSO دارد. در مورد مسائل با مقیاس متوسط و بزرگ , کارایی ا لگوریتم MOPSO به طور قابل توجهی بهبود یافته است. با این وجود , NSGA-II در مهم ترین معیارها عملکردیقوی دارد