مکان یابی هاب ها در شبکه پشتیبانی حمل و نقل هوایی چند مده سبز با استفاده از الگوریتم بهینه سازی ژنتیک

نوع مقاله: مقاله پژوهشی

نویسندگان

1 کارشناس ارشد، دانشکده مهندسی صنایع و سیستم‌ها، دانشگاه تهران و کارشناس ارشد، دانشگاه ensam فرانسه

2 استاد دانشگاه تهران

3 دانشگاه تهران

چکیده

شبکه پشتیبانی حمل و نقل هوایی سبز سیستمی متشکل از تقاضا و برآوردن تقاضا با اهداف زیست محیطی می‌باشد. در این مقاله در صدد ایجاد شبکه پشتیبانی سبز در صنایع هوایی هستیم به نحوی که از احداث مراکز آلوده کننده در مناطق آلوده تا حد امکان جلوگیری شود. متمرکزسازی باعث استفاده بهینه از تسهیلات حمل‌ونقل و در نهایت کاهش آلودگی می‌شود. یک شبکه پشتیبانی چند مده در حمل‌ونقل می‌تواند با توجه به اهداف شبکه از جمله کمینه سازی آلودگی زیست محیطی، با مکان‌یابی بهینه‌ی هاب نقش مهمی در این راستا ایفا کند. در این مقاله با در نظر گرفتن زمان برنامه ریزی شده برای تحویل هر قطعه به پایگاه‌های هوایی، یک مدل ریاضی بهینه ارائه شده است. حمل‌ونقل چند مده یکی از نوآوری‌های این پروژه است که با برنامه‌ریزی یک مدل جامع و انعطاف‌پذیر در حمل‌ونقل ایجاد می‌گردد. همچنین به دلیل ماهیت غیر قطعی در بسیاری از مسائل دنیای واقعی، پارامتر زمان حمل ونقل به صورت فازی در نظر گرفته شده است. برای قطعی سازی مدل از روش خمینز استفاده شده است. مدل پس از خطی سازی با نرم افزار GAMS و حل کننده CPLEX حل و اعتبارسنجی شده است و هم چنین برای حل مدل در ابعاد بزرگ از روش فراابتکاری الگوریتم ژنتیک استفاده شده است. الگوریتم ژنتیک با خطای قابل قبولی وضعیت بهینه را شناسایی و نمایش می دهد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Hub location in multi-modal green air transportation supporting network using Genetic Algorithm

نویسنده [English]

  • Mohammad Hasan Songhori 1
چکیده [English]

Green air transportation supporting network consists of demand and demand satisfaction by environmental goals. In this article we seek to create a green supporting network in air industries in a way that the centers of pollutants are avoided to be installed in polluted areas as much as possible. Centralization causes optimal use of transportation facilities and finally reduces the pollution. A multi-modal transportation supporting network can play an important role by optimal hub location, considering network goals such as minimizing environmental pollution. In this paper, by considering the time scheduled for delivery of each part to air stations, an optimum mathematical model is presented. Multi-modal transportation is one of the innovations of this paper which is created by planning a comprehensive and flexible model in transportation. Due to the uncertain nature of many factors in real-world problems, transportation time parameter is considered to be fuzzy. Jimenez approach is applied to transform the fuzzy model to crisp one. The model is solved and validated after linearization by GAMS software and CPLEX solver. The meta-heuristic Genetic Algorithm method is used for solving the model in large-scales. The Genetic Algorithm detects and displays the optimal situation with an acceptable error.

کلیدواژه‌ها [English]

  • green supporting network
  • Location
  • multi-modal transportation
  • genetic algorithm

منابع

رزمی جعفر و میثم نصرالهی (1392)؛ زنجیره تأمین سبز: طراحی، برنامه‌ریزی، استقرار و ارزیابی، سازمان چاپ و انتشارات دانشگاه آزاد اسلامی، چاپ اول، قزوین.

Abdelghany, K., Abdelghany, A., and S. Raina (2005); “A Model for the Airlines’ Fuel Management Strategies”, Journal of Air Transport Management, vol.11, no.4, pp.199-206.

Alumur, S. and B. Y. Kara (2008); “Network Hub Location Problems: The State of the Art”, European Journal of Operational Research, no.190(1), pp.1-21.

Alumur, S. A., Kara, B. Y. and O. E. Karasan (2012); “Multimodal Hub Location and Hub Network Design. Omega, no.40(6), pp.927-939.

Aros-Vera, F., Marianov, V. and J. E. Mitchell (2013); “P-Hub Approach for the Optimal Park-and-ride Facility Location Problem”, European Journal of Operational Research, no.226(2), pp.277-285.

Blum, C. and A. Roli (2003); “Metaheuristics in Combinatorial Optimization: Overview and Conceptual Comparison”, ACM Computing Surveys (CSUR), no.35(3), pp.268-308.

Camargo R. S., Miranda G. d. and A. Løkketangen (2013); “A New Formulation and an Exact Approach for the Many-to-many Hub Location-routing Problem”, Applied Mathematical Modelling, no.37, pp.7465–7480.

Carter, M. W. and G. Laporte (1998); “Recent Developments in Partial Course Timetabling. The Practice and Theory of Automated Timetabling”, Springer Lecture Notes in Computer Science Series 1408, pp.3-19.

Dekker, R., Bloemhof, J. and I. Mallidis (2012); “Operations Research for Green Logistics: An Overview of Aspects, Issues, Contributions and Challenges”, European Journal of Operational Research, no.219(3), pp.671-679.

Gelareh, S. and D. Pisinger (2011); “Fleet Deployment, Network Design and Hub Location of Liner Shipping Companies”, Transportation Research Part E: Logistics and Transportation Review, no.47(6), pp.947-964.

Goldberg, D. E. (1989); Genetic Algorithms in Search, Optimization, and Machine Learning, p.412, Reading Menlo Park: Addison-wesley.

Harris, I., Mumford, C. and M. Naim (2009); “The Multi-objective Uncapacitated Facility Location Problem for Green Logistics”, In Evolutionary Computation, CEC’09. IEEE Congress on (pp. 2732-2739). IEEE.

Hekmatfar, M. and M. Pishvaee (2009); Hub Location Problem. in Facility Location, pp. 243-270, Physica-Verlag HD.

Jiménez, M.; M. Arenas and A. Bilbao (2007); “Linear Programming with Fuzzy Parameters: An Interactive Method Resolution”, European Journal of Operational Research, no.177(3), pp.1599-1609.

Lay Eng Teoh and Hooi Ling Khoo (2016); “Green Air Transport System: An Overview of Issues, Strategies and Challenges”, Journal of Civil Engineering, no.20(3), pp.1040-1052.

Mohammadi, M., Razmi, J. and R. Tavakkoli-Moghaddam (2013); “Multi-objective Invasive Weed Optimization for Stochastic Green Hub Location Routing Problem with Simultaneous Pick-ups and Deliveries”, Economic Computation & Economic Cybernetics Studies & Research, no.47(3).

O’Kelly, M. E., and H. J. Miller (1994); “The Hub Network Design Problem: A Review and Synthesis”, Journal of Transport Geography, no.2(1), pp.31-40.

Sarkar A. N. (2012); “Evolving Green Aviation Transport System: A Hoilistic Approah to Sustainable Green Market Development”, American Journal of Climate Change, no.1, pp.164-180.

Visser, H. G. (2005); “Generic and Site-specific Criteria in the Optimization of Noise Abatement Trajectories”, Transportation Research Part D, vol.10, no.5, pp.405-419.

Zhang, J., Liao, F., Arentze, T. and H. Timmermansa (2011); “A Multimodal Transport Network Model for Advanced Traveler Information Systems”, Procedia Computer Science, no.5, pp.912-919.