1. 1
Bir tedarik zincirinde just-in-time dağıtım için toplam maliyet ve hizmet düzeyi
optimize etmek için bir genetik algoritma
Peiman ALIPOUR SARVARI
Anahtar Kelimeler: Tedarik zinciri yönetimi, dağıtım, Bi-nesnel, Optimizasyon, Genetik
algoritma
Geniş Özet: Tedarik zinciri yönetimi ve dağıtım şebekeleri tasarımı son yıllarda birçok
araştırmacının ilgisini çekmiştir. Zamanında müşteri taleplerini tatmin etmek maliyetin
düşürülmesine yol açacaktır, ve aynı zamanda tedarik zincirinin hizmet düzeyi artacaktır. Bu
araştırmanın amacı tedarik zinciri yönetimi bağlamında just-in-time (JIT) dağıtımı için, bir
model geliştirmek ve çözmektir. iki amaç fonksiyonları ile üç kademe tedarik zinciri için (
Maliyetleri en aza indirerek, ve tüm dönemlerde sipariş bakiyesi ve ürün fazlaları toplamı en
aza indirir), Bir Bi-objektif modeli dağıtım ağı ayarlanır. Teslimat süreleri ve kapasite
kısıtları da bir çok dönemli, çok ürün ve çok kanallı ağ olarak kabul edilir. Bir melez olmayan
egemen sıralama genetik algoritma bu karma-tamsayı doğrusal programlama modelinin
gerçek boyutlu sorunları çözmek için uygulanır.
Araştırmanın Önemi: Müşterilerin taleplerini tatmin etmek şirketlerin başarısının
anahtarıdır. tedarik zinciri yönetiminde, kuruluşlar, tüm zincirinin rekabet yeteneklerini
geliştirmek için bir dizi entegre ve işbirliği anlayışı içindelerdir. Bir tedarik zinciri genel
işlemler arasında, dağıtım, bir organizasyon ve tedarikçileri veya müşterileri arasında
malzeme ve mal akışına karşılık gelir. Dağıtım şebekelerinin tasarımı son yıllarda pek çok
araştırmacının dikkatini çekmiştir. müşteri taleplerini Zamanında karşılamak, bir maliyet
azaltma açısından ve müşteri hizmet düzeyi artan rolü için, çok önemlidir.
Literatürde, deterministik ve stokastik müşteri talepleri göz önünde bulundurulmuştur, ama
daha fazla dikkat, deterministik durumlara verilmiş, ve daha az durumlarda stokastik taleplere
dikkate çekilmiş. Genel olarak, bu tür dağıtım şebekeleri modelleme içinde uygulanan
kısıtlamalar kapasite kısıtları olarak ortaya çıkmaktadır. Bazı durumlarda, kapasite
kısıtlamalarına ek olarak, karşılanan talep ve depoların hizmet seviyeleri miktarına bazı
kısıtlamalar de tanımlanmıştır. hizmet düzeyi de depo kapasitesi esasına dayanmaktadır,
söylenebilir. Açılacak tesislerin izin verilebilir sayısı bazı tesis yerleşim problemlerinde
kullanılan başka bir kısıtlama olarak nitelendirilebilir. Dağıtım ağı modelleri bir veya daha
fazla amaç fonksiyonlarından oluşur. Chan ve ark. (2005), Melachrinoudis ve ark. (2005) ve

2. 2
Sabri ve Beamon (2000) eş zamanlı maliyet minimizasyonu ve hizmet düzeyi
maksimizasyonu uyguladılar. Bazı durumlarda, tedarik zincirinin farklı düzeylerde tesisleri
arasında bir denge kurma dikkate alınmıştır. Kararların sağlamlığı en üst düzeye çıkarma,
göze alınan ve araştırmacılar tarafından geliştirilen bir başka amaçtır. Bir örnek
perakendecilere ulaşım toplam mesafe ile ilgili, dağıtım merkezleri arasındaki dengeyi
maksimize yapan bir amaç fonksiyonu olacaktır. Referanslar Tablo 2'de özetlenmiştir.
Bu araştırmada, birden fazla tedarikçi, toptancı ve perakendeciler de dahil olmak üzere üç
kademe dağıtım ağı incelendi, ve matematiksel bir model, her bir ürün miktarını belirlemek
için oluşturuldu ki bir planlama ufku sırasında, her zaman döneminde iki konum arasında
sevk edilmelidir. Satın alma da dahil olmak üzere, tutma ve taşıma maliyetleri (ilgili
literatürde yaygındır), amaç fonksiyonunun tedarik zincirinde toplam maliyeti en aza
indirmenin yanı sıra, başka bir amaç fonksiyonu yani, '' JIT dağıtım'' da hesaba katılmıştır.
Just-in-time (JIT) teslim kavramı genel olarak, erken ve geç tamamlanma maliyeti ile
modellerin içine dahil edilmiştir, Ama burada maliyeti minimizasyonu ile çatışma içinde yeni
bir amaç fonksiyonu olarak tanımlanır. Elde edilen çok amaçlı karışık tamsayı doğrusal
programlama Gerçek boyutlu sorunları kesin yöntemlerle çözülemez. Bu nedenle, bir çok-
amaçlı genetik algoritma (GA) büyük boyutlu sorunları çözmek için tasarlanmıştır. Küçük
boyutlu sorunları için sonuçlar önerilen GA performansını doğrulamak için, LINGO
optimizasyon yazılımı ysrdımıyla elde edilen sonuçlarla karşılaştırılmıştır. Tedarik zinciri
ağları için literatürde, GA’lara başvuran benzer çalışmalar mevcuttur. Han ve
Damrongwongsiri (2005), çoklu dönemlerde bir tedarik zincirinin toplam maliyetini en aza
indirmek için, iki kademeli stok-dağıtım ağı stokastik taleplerini tek bir öğe için dikkate
alarak bir GA kullandılar. Sim ve ark. (2004) bir karma tamsayı programlama (MIP) doğrusal
programlama modeli elde etmek için rahatlanmış (relaxed) bayneri değişkenlerini modelini ve
bir kapalı-döngü ile, tedarik zincirinde en az maliyeti bulmak için bir GA içine entegre ettiler.
Bizim çalışmamaız ve Sim ve ark. (2004) çalışması arasındaki fark İkinci amaç
fonksiyonunda dır ve çok amaçlı GA modeli hem de bayneri değişkenleri ve rahatlatıcı
çözmek için kullanılan yöntemin niteliği gibidir.
Burada, dört genel özelliklerine göre tedarik zinciri yönetimi bağlamında dağıtım sorunları
sınıflandırdı: problem tanımı (ya da model varsayımlar), kısıtlamaları, karar değişkenleri (ya
da model çıkışları) ve amaç fonksiyonları. Bir kodlama sistemi, daha sonra Tablo 1 dayalı
önerilen ve son literatürde modelleri Tablo 2'de bu sistemine göre kodlanmıştır.

3. 3

4. 4

5. 5
2. problem tanımı
JIT teslimat malların etkin dağılımında önemli bir rol oynar. Bir perakendeci ürünleri ikmal
emir verdiğinde, maliyet ve teslimat iki önemli faktörlerdir. Lojistik maliyetleri bir tedarik
zinciri maliyetlerinin önemli bir bölümünü oluşturur. Envanter kontrolü ve dağıtım
planlaması, temel lojistik süreçleri gibi, büyük ölçüde tedarik zincirinin toplam maliyeti
etkiler, ama, diğer taraftan, müşterilerin servis seviyesi üzerinde büyük bir etkisi vardır. JIT
politikasına göre, her tedarikçi doğru zamanda, mal doğru miktarda teslim ve doğru yere
gerekir. Wang ve ark. (2003) çoklu fabrikaların depo ve çoklu perakendeciler oluşan bir
dağıtım ağı dikkate aldı. Ürünler geçici olarak önce perakendecilere teslim olmanın depolarda
saklanır. Her depo ihtiyaçlarına göre çoklu perakendeciler hizmet edebilir. Zamanında mal
gerekli miktarda perakendeciler sağlayabilir bir sistemde, kapasite kısıtlarını dikkate almak
büyük önem taşımaktadır. Kapasite sıkıntısı gerçekleşmesi durumunda, depo perakendecilere
ya erken ya da geç tedarik vermek zorundadır. Perakendeciler için çıkan sipariş bakiyesi veya
tutma maliyeti farklı depolardan temin edilen ürünlerin çeşitli fiyatları ile orantılıdır. Karar
değişkenleri farklı dönemlerde depolarda ürünlerin stok seviyeleri ve amaç toplam
maliyetlerini en aza indirmektir. Modeli simpleks yöntemi ile çözülebilir bir doğrusal
programlama modeline, dönüştürülmüştür.
Sim ve ark. (2004), açık tesislerinin sayısına, konumlarını / tahsisleri ve çok emtia,
deterministik talep kapalı devre tedarik zincirindeki ulaşım modu karar vermede, bir
optimizasyon modeli sundu. Tedarik zinciri üç tesisleri oluşur, dağıtım merkezleri ve
müşterileri ve, müşterilerden 'ters merkezleri' ve daha sonra tesisleri için iade ürünlerin ters
akım sağlar, böyle bir şekilde, genel taşıma maliyetleri, işletme maliyetleri ve depo üretim /
depolama maliyetlerini bir planlama dönemde minimizediler. Farklı ulaşım modları, depo için
kapasite kısıtları ve açık tesislerin sayısı limitleri için hacim veya ağırlık kısıtlamaları vardır.
Ayrıca, tesisler ve müşteriler için talep gereksinimleri planlama ufku ile yerine gelmesi
gerekmektedir.
Han ve Damrongwongsiri (2005) depo ve piyasaların oluşan iki kademeli stok-dağıtım ağı,
çoklu kaynak tek bir öğe için fiyat belirsizlikler ile bir stokastik talepli bir model oluşturdular.
Amaç fonksiyonu kargo ve pazar kapasiteleri kısıtlamalar ile, beklenen stok maliyetleri
(kayıp satış, artı ve ikmal maliyeti) ve bir planlama ufku dağıtım maliyetleri (öğe 'nakliye
maliyetleri, ürün fiyatları, kargo maliyetleri) en aza indirmektir. Hiçbir Tedarik Süreleri
müşteri teslimatlarında dikkate alınmamıştır.
Şekil 1’de gösterildiği gibi bu makale, üç kademe tedarik zinciri dağıtımının kararları ile
ilgilenir. Müşterilerine birden fazla ürün sunmak bu tedarik zincirindeki çoklu toptancı ve

6. 6
perakendeciler vardır. Ürünler çoklu dış tedarikçiler tarafından sağlanan, doğrudan
(toptancılar ve perakendeciler için tedarikçilerden taşınan) ve dolaylı (tedarikçilerden
toptancılara vesonra toptancılardan perakendecilere taşınan) kanallar tedarik edilir.
Arz kapasitesi kısıtlamalar ve toptancılar 've perakendecilerin depo tutma ve teslim
kapasiteleri vardır. planlama ufkunun başlangıç ve sonunda depolarda hiçbir envanter yoktur,
ve tüm talepler planlama ufku süresince karşılanılmalıdır. Arz kapasitesi sıkıntısı durumunda,
'' JIT dağıtım'' bakış açısından, eğer yeterli tutma veya teslimat kapasitesi yoksa, depolar
uygun zaman kadar ürünleri saklamak zorunda. Öte yandan, maliyet azaltma amacıyla
doğrudan kanal kullanarak, maliyeti tutma önlemek için farklı kararlar ile sonuçlanabilir.
Perakendecilere gelen talepleri deterministik ve toptancı ve perakendecilere tedarikçilerden
teslimat her ürün için belirlenmiştir. Ayrıca, depolarda saklanan mallar bir FIFO olarak
gönderilir.
Modelin iki amaç fonksiyonu vardır. Birincisi toplam taşıma maliyetini, tutma ve satın alam
maliyetlerini minimize etmektedir. Ulaştırma maliyetleri taşıma mesafeleri ile orantılıdır.
Diğer amaç fonksiyonu JIT teslim temsil eder ve zamanında teslimedilen ürünlerin miktarı
ve bu teslimatlarla ilgili her hangibi vade ihlal süresi her ikiside dikkate alınarak, teslimatta
erken ve geç tamamlanma en aza indirir. Tablo 3'te gösterildiği gibi, Tablo 1'de göre, el
alınan ilgili sorun, kodlanmış.
3. matematiksel modeli
Kümeler ve endeksleri:
Değişkenler:

7. 7
Prametreler:
Modelin matematiksel formulasyonu aşağıdaki gibidir:

8. 8

9. 9
Amaç fonksiyonu (1) toplam maliyeti en aza indirir.
Amaç fonksiyonu (2) JIT teslim yükümlü ve her dönemde perakendeciler sipariş bakiyesi ve
ürün fazlaları toplamı en aza indirir. Kısıtlama (3) toplam sipariş miktarları her dönemde her
bir tedarikçiye tüm toptancılar ve perakendeciler bu tedarikçinin arz kapasitesi aşmadığı
sağlar. Kısıtlama (4) planlama ufku boyunca toplam taleplerinin ihtiyaçlarını ön tam temsil
eder. Diğer bir deyişle, planlama ufku sırasında perakendecilere gönderilen ürünlerin toplam
miktarı, toplam talep eşit olmalıdır.

10. 10
Kısıtlama (5) her dönemde perakendecilere her toptancı ile gönderilen ürünler miktarı bu
depo stok aşmadığı sağlar.
Kısıtlama (6) planlama ufku boyunca, ve toptancılar, toplam gelen ve giden öğeleri arasında
bir denge kurar.
Kısıtlama (7) her dönemde giden ve gelen tutarlar, gelen ve toptancılara arasındaki fark, depo
tutma kapasitesi ile sınırlı olduğunu garanti eder.
Kısıtlama (8) her dönemde perakendecilere teslim ürünlerin backordered veya aşırı miktarda
temsil eder.
Kısıtlar (9) ve (10) sırasıyla, toptancılar 've perakendecilerin dağıtım kapasiteleri
göstermektedir.
Kısıtlar (11) ve (12) her dönemde, erkencilik veya gecikme teslim olguların sadece bir belirli
bir ürün için oluşabilir, emin, diğer bir deyişle, aşırı veya backordered miktarda eş zamanlı
olumlu hem de olamaz. Onların izin verilen maksimum limitleri de temsil edilmektedir.
Kısıtlar (13) ve (14) planlama ufku dışında dönemlerde taşınan ürünler için sıfır düzeyini
ayarlamak.
Kısıtlayıcı (15) ve (16), model değişkenleri aralıklarını temsil eder.
Amaç fonksiyonları birbiriyle çatışma içinde olan, bu onlardan biri değerindeki artış diğer
değerini bir azalmaya yol açar anlamına gelir. Bu, Şekil l'de gösterilmiştir. 2.Kare noktalar
dikey ve yatay eksen olarak, Z1 ve Z2 karşılık gelen değerleriyle, lingo elde edilen bir örnek
Pareto'nun ön çözümler gösterecektir.

11. 11
4. Çok amaçlı genetik algoritma
Sim ve ark. (2004) açık tesisleri için ikili değişkenler ile MILP optimizasyon modeli çözmek
için bir LP-tabanlı GA önerdi. Kromozomlar ikili dizeleri olarak temsil edilir, ve genlerin
'değerlerin toplamını (veya, eşdeğer, açık tesislerin toplam sayısı) üzerinde alt ve üst sınırları
kullanılarak üretilir. Bu nedenle, ilk popülasyon yakın uygun bir çözüm grubuna ayarlanır.
Han ve Damrongwongsiri (2005) iki aşamalı GA, çözüm süreci kullandılar. ilk aşamada,
stoklar (zamanlama süresi ve sipariş seviyeleri) karar her depo için toplam stok maliyetlerini
minimize, yapılır. Kromozomlar her depo için sipariş düzeyi değerinin binary temsilidir. Emir
seviyesi aralığı dize uzunluğunu belirler. En iyi çözüm zamanlama dönemin değerini
değiştirerek bulunur. İkinci aşamada, her bir depodan pazarlara tahsis miktarda tedarik
zincirinin toplam maliyeti en aza indirilir, böylece belirlenir. Bu maliyetler envanter planlama
ufukta depo ve pazarlarda hem de maliyetleri, ve ürünlerinin dağıtımını maliyetleri oluşur.
Kromozom temsili her depodan pazarlara taşınan birimlerin ikili eşdeğer birleşimidir. Bu
taşınan miktarların toplamı daha az ya da depo maksimum stok seviyesi eşit olmalıdır.
Önerilen GA model parametreleri belirsizlikler işlemek için esneklik sağlar. Polinom için
sorunun boyutunu artırarak mevcut karma tamsayılı doğrusal programlama modeli gerçek
boyutlu sorunları, hesaplama süresi bir üstel artışa yol açacaktır. Şekil 3'de gösterildiği gibi,
bu nedenle, büyük boyutlu sorunları çözmek için, bir çok-amaçlı GA tasarlanmıştır.
Aşağıdaki gösterimler GA parametreleri temsil etmek için kullanılır:
minones minimum sayıda genler eşittir 1’e.
maxsones maksimum sayıda genler eşittir 1’e
pop_size popülasyon sayısı
cross_rate çaprazlama oranı
mutation_rate kromosomların mutasyon oranı
gen_mut_rate genlerin mutasyon oranı
max_generation üretilecek kuşakların sayısını
4.1. İlk nüfus oluşturma
Bir kromozom modelin ikili değişkenler eşdeğer uzunluk PK ile ikili bir dize PK(T - 1),
olarak temsil edilir.

12. 12
Model kısıtlamaları ile ilgili olarak, uygun olan bir rasgele üretilen kromozomun olasılığı çok
düşüktür. Böylece, bazı varsayımlarin fizibilitesi mümkün olan en yüksek şansı elde etmek
için ilk nüfus kromozom üreten düşünülmelidir. Model kısıtlamaları formülasyonu (11) ve

13. 13
(12) göre, değişkeni sadece 1 değerini alabilir eğer değeri pozitifse. Sınırlamalar
(13) ve (14) 'e göre, ikincisi sürece minimum teslim süresi, bizim planlama ufku başından
geçirilir, sadece cari dönem t ise bir süre doğru olabilir. Yani 1’e eşit olabilir eğer
aşağıdaki denklem doğruysa:
Formül asyönü göre (1), amaç fonksiyonu Z1 değeri, pozitif değişken sayısı ile doğrudan
bir ilişkisi vardır,
ve sayısı eşit 1 (ya da kromozom genleri) ile bu nedenle doğrudan bir
ilişki ilişki dayalı. Amaç fonksiyonları arasındaki ters ilişki göz önüne alındığında Bölüm
3'te işaret, Z2 değerini ve 1 eşit genlerin sayısı arasında ters bir ilişki olduğu söylenebilir.
Başlangıçta oluşturulan kromozom amaç fonksiyonları aralığında geniş bir çeşitlilik elde
etmek için, 1 (numberones) eşit genlerin sayısının eşit olarak mümkün olan en düşük
(minones) ve maksimum (maxones) değerleri arasında dağıtılmıştır. Aşağıdaki prosedür, daha
sonra kromozom başlangıç nüfusun pop_size sayı üretmek için önerilmiştir:
1. Denklem 17) yi tatmin eden gen kümesi OneSpace olarak belirtilir.
2. chr=1 (chr kromozomindisidir), numberones=minones.
3. Hiçbir kromozom oluşturmak için. chr, rastgele set OneSpace gelen numberones genleri
seçmek ve 1 onları eşit ayarlayın. 0 eşit genlerin geri kalan ayarlayın.
4. eğer chr<pop_size, numberones=numberones+round(maxones/pop+size), chr=chr+1.
Sonra adım 3’e git; değilse proseyi durdur.
4.2. kromozomlar değerlendirmesi
Her nesil kromozom fitness belirlemek için, bir e bir ilişki, kromozom dize gösterimine
arasında ve model değişkenleri veya amaç fonksiyonu değerleri oluşturulmalıdır. Her
kromozom için, matematiksel modelde eşdeğer değerleri yerine sürekli değişkenler ile
doğrusal programlama modeli için MIP dönüştürecek. Sonra minimum Z1 Kromozomu
doğrusal programlama için bir Matlab optimizasyon tool-box ile hesaplanabilir. Ortaya çıkan
sorun herhangi bir uygulanabilir çözümler yoksa, ilgili kromozom mümkün olmayan ve nüfus
ihmal edilmelidir; aksi halde, Z1'in minimum değer, taşıma değişkenler (soruna bir çözüm
olarak) ve bu çözüm için Z2 gelen değerin değerlerini neden olur. Tüm ilk kromozomlar için
bu prosedürü uygulandıktan sonra, pop_size değerini mümkün kromozom sayısına
güncellenecektir.

14. 14
4.3. Egemen-Olmayan sıralama
Değerlendirildikten sonra, uygun kromozom Z1 ve Z2 değerlerine göre, Pareto optimalite
kavramına göre sıralanır. , Başlamak için tüm olmayan egemen kromozom ilk seviye sıralanır
ve fitness değeri aynı keyfi büyük bir değer verilmiştir. Daha sonra, ilk seviye kromozom bir
kenara konur ve geri kalan olanlar arasında olmayan egemen kromozom daha düşük bir
düzeyde sırada olacak. Tüm kromozom sınıflandırılmaktadır kadar devam eder. Biz seviyeleri
aşağı giderken, fitness değerleri azaltın.
4.4. Elitism
Ilk seviye kromozom doğrudan anne olarak seçilir ve çiftleşme havuzuna kopyalanır.
4.5. Ebeveynlerin seçimi
Kalan Ebeveynlerin binary turnuva yöntemi kullanılarak seçilir, ve aynı zamanda çiftleşme
havuza kopyalanır. Ilk seviye kromozom sayısı elite_no eşit ise, işlem pop_size-elite_no kez
tekrarlanır. Her aşamada, iki kromozom rastgele seçilir ve daha fazla spor değeri bir bir
ebeveyn olarak çiftleşme havuza kopyalanır.
4.6. Çaprazlama
Her aşamada, iki kromozom rastgele çiftleşme havuzundan seçilir. Bir rasgele sayı rand <[0,
1] oluşturulur. Rand<cross_rate ise, çocukların üretilen ve çiftleşme havuzda nüfusa eklendi,
ama ebeveynleri yerine geçmez vardır.
4.7. Mutasyon
Çapraz sonra, çiftleşme havuzda her üst mutation_rate olasılığı ile mutasyona uğratılır. Bir
rasgele sayı rand Her kromozom için oluşturulur. Son olarak, çiftleşme havuzu
(mutasyona uğramış / değişmeden Ebeveynlerin ve çocuklar dahil) tüm kromozom
değerlendirilir, ve olanaksız olduğunu kanıtladı ise ihmal edilecektir. Uygun kromozom için,
Z1, Z2 ve taşıma değişkenlerin değerleri kaydedilir.
4.8. Yeni nesil seçilmesi
Uygulanabilir kromozom sonra bir sonraki nesil girmek için pop_size kromozom seçilebilir,
böylece rekabet vardır. Çiftleşme havuzda mümkün kromozom sayısı pop_size daha büyük

15. 15
ise, bu olmayan ağırlıklı sıralama işlemi kullanılarak sıralanır. Fitness değerleri belirledikten
sonra, en uygun olanın olanlar pop_size kromozom-beden seçilir.Çiftleşme havuzunda
mümkün kromozom sayısı pop_size eşitse, tüm kromozomlar yeni nesil girecek. Uygun
kromozom sayısı pop_size daha az ise Sonuç olarak, aşağıdaki işlem yapılır. İlk olarak,
mümkün kromozomlar sıralanır ve kendi fitness değerleri hesaplanır. Daha sonra, eşit veya
pop_size bölünebilir olan ile mümkün kromozom sayısı, daha düşük, en yakın tam sayı FCH
olarak belirlenmiştir. güçlü olanın olanlar FCH kromozom sonra seçilmiş ve her pop_size /
FCH kopya yeni nesil girer. Bu, toplam, havuza kromozom pop_size kadar ekleyeceğiz. Her
nesil için, en uygun olanın kromozomların sonunda kaydedilir.
4.9. Raporlama
Sonlandırma koşulu sağlandığı takdirde Son olarak, ki kez max_generation sayısı için
algoritma tekrar, tüm nesillerin en uygun olanın olanlar arasında olmayan egemen kromozom
belirlenir ve sorunun çözümü olarak bildirilmiştir.
5. Test problemleri
JIT dağılımını ağ için bir kriter modelleri bu yazı zaten küçük boyutlu sorunlar için GA elde
edilen Pareto ön Pareto ön LINGO 8.00 optimizasyon yazılımı kaynaklanan ile
karşılaştırıldığında, mevcut sunulan beri. LINGO veya diğer ticari yazılımı tarafından
çözülemeyen bazı büyük boyutlu gerçek dünya sorunları sadece önerilen GA tarafından
çözülür. Küçük boyutlu sorunları için GA ve LINGO, sonuçları karşılaştırılması, biz de
büyük bir sorun boyutları için GA Güvenebileceğiniz göstermektedir.
5.1. Test problemleri Tasarımı
Farklı boyutlarda çeşitli test problemleri,, sunulan algoritmanın performansını
değerlendirmek için çözülür. dikkate aldı test sorunların boyutları
bazı araştırmacılar tarafından, ve aynı zamanda özel olarak tasarlanmış test sorunların
boyutları sırasıyla Tablolar 4 ve 5 'de listelenmiştir.
Her sorun boyutu için, bir dizi sorun gerçek dünya durumlarda farklı durumları simüle etmek
amacıyla, para-metre 'değerleri farklı kombinasyonları ile tasarlanmıştır. Her problemde,
parametrelerin her grubun değerleri Tablo 6'ya göre, kendi alt ve üst sınırları arasında rasgele
oluşturulur.

16. 16
5.2. Uyan Genetik algoritma parametreleri
Tasarlanan GA parametreleri max_ nesil, pop_size, cross_rate, mutation_rate, gen_mut_rate,
minones ve maxones içerir. Primer testler bu parametrelerin değerlerini belirlemek amacıyla
yapılmaktadır.
Her sorun için bu algoritmanın çıktı Pareto ön çeşitli çözümler oluştuğu için, çözümleri daha
fazla sayıda pop_size ve max_generation para-metre daha büyük değerler ile neden olabilir.

17. 17
Bu durumda, çözüm zaman ve olmayan egemen çözümlerin kalitesi ve sayısı arasında bir
trade-off küçük boyutlu sorunları için, sırasıyla, 16 ve 5 olması bu iki parametre için uygun
değerleri belirlenir. Büyük boyutlu sorunlar için, pop_size ve max_generation sırasıyla 30 ve
5 ayarlanır.
Buna ek olarak, cross_rate, mutation_ oranı ve gen_mut_rate değerleri parametreleri
'değerleri farklı ayarlar ile önerilen GA birkaç çalıştıktan sonra, sırasıyla, 1, 0.7 ve 0.8 olarak
ayarlanır. Seçilen değerleri Pareto çözümleri daha kaliteli neden olduğunu kanıtladı.
Çözümlerinin kalitesi bu üç parametre için belirlenen düşük oranları ile çalıştırır, yineleme
ilerlemeye, geliştirmek için başarısız oldu.Öte yandan, mutation_rate ve gen_mut_rate için
daha yüksek oranlarda kromozom arzu edilen özellikleri kaybetme riski.
Son olarak, her sorun için, minones değeri 0 olarak ayarlanır ve maxones değeri Eşitlik (17)
göre belirlenebilir.
6. sonuçlar
Biz bu çalışmada toplam maliyeti en aza indirerek üç kademeli tedarik zincirinin, bir dağıtım
ağı için yeni bir model geliştirdik aynı zamanda, bu model JIT dağıtım amaçlarını daha iyi
gerçek dünyada temsil etmektedir. Bazı durumlarda, biz daha yüksek hizmet düzeyleri için
düşük maliyet tercih ediyoruz veya tam tersi, diğer vesilelerle göz ardı müşteri
memnuniyetini edebiliriz.
Dağıtım ağları alanında yapılan çalışmalar tedarik zinciri yönetimi bağlamında Bir kodlama
sistemi içerisinde sınıflandırmak için önerilmiştir. Bu çok amaçlı karışık tamsayı doğrusal
programlama probleminin büyük boyutlu sorun örnekleri için Pareto cephede bulmak için bir
GA tasarlanmıştır. Bazı küçük boyutlu test problemleri, sonuçları LINGO optimizasyon
yazılımı ile elde edilen Pareto cepheleri ile karşılaştırıldığında tatmin edici olduğu
kanıtlanmıştır. Diğer bazı büyük boyutlu testleri de önerilen algoritmanın performansını
değerlendirmek için GA tarafından çözülür.
Aşağıdaki yaklaşımlar daha fazla araştırma için önerilmektedir:
Bu araştırmada , birim taşıma maliyetleri taşıma mesafeleri dayalı tanımlanır. Taşıma araçları
da bu ağ kabul edilebilir . Bu durumda, araç seyahat masrafları , ürünlerin hacmi ve araç
kapasitesine tanımlanmalıdır. Ürünlerin son kullanma tarihleri olabilir. Bu sipariş zamanı ve
depolarda ürünleri tutmak için izin verilen azami süreyi etkiler. Maliyetleri en aza indirmek
ya da servis seviyesi en üst düzeye çıkarmanın yanı sıra , başka bir amaç fonksiyonu
kullanılmıştır, '' Sağlamlık'' değişmeden karar değişkenlerinin değerleri tutma olasılığını
maksimize ederek kararların, modeli stokastik parametrelerin miktarında değişiklikler

18. 18
olabilir. Bu nedenle , stokastik talep olması halinde bu amaç fonksiyonu daha fazla araştırma
konusu olabilir .
Parametre analizi fizibilite durumu hakkında matematiksel modelin parametrelerinin
değerlerini değiştirerek etkisini araştırmak için uygulanabilir.