برنامه ریزی محدودیت- شانس برای مسئله مکان یابی هاب با محدودیت ظرفیت در شرایط فازی

مسأله مکان یابی هاب از مسائل نوینی است که در دهه‏های اخیر در دسته مسائل مکان‏یابی مطرح شده است. مسأله مکان‏یابی هاب انتقال کالا از مبدأها به مقصدها است که به جای ارتباط مستقیم میان هر دو نقطه عرضه و تقاضا، کالاها از طریق هاب ها منتقل می‏شوند. شبکه های هاب به طور گسترده ای در ارتباطات مخابراتی، شبکه های حمل و نقل و تحویل کالا، پست سفارشی و ... کاربرد دارند. هدف مسأله مکان یابی هاب یافتن مکان‏های مناسب برای ایجاد هاب و تخصیص نقاط عرضه و تقاضا به آن است، به گونه‏ای که مسیرهای مناسب برای انتقال کالا تشکیل شود که با کمترین هزینه / زمان، جابجایی کالاها انجام گیرد. مدل‏های گوناگونی برای این دسته از مسایل توسعه داده شده اند که به دو دسته اصلی مکان یابی هاب مرکز و مکان‏یابی هاب میانه تقسیم می‏شوند که در اولی حداقل شدن مجموع هزینه‏ها مدنظر است و در دومی حداقل شدن بیشترین هزینه موجود در شبکه. از جهت دیگر می‏توان دسته بندی را روی شیوه تخصیص نقاط غیرهاب به نقاط هاب انجام داد. درصورتی که هر نقطه غیرهاب تنها به یک نقطه متصل گردد، تخصیص تکی و در صورتی که بتواند به بیش از یک نقطه تخصیص داده شود مکان‏یابی را چندگانه گوییم. تاکنون پژوهش هایی که در حوزه مکان یابی هاب صورت گرفته، تقاضای بین مراکز را به صورت قطعی در نظر گرفته اند، در حالی که تعیین قطعی جریان ها مسئله را از واقعیت دور می کند. مسأله مورد بحث در این پایان‏نامه دربردارنده حالت میانه بوده و تخصیص در آن به صورت تکی می‏باشد. همچنین برای هر کدام از هاب ها محدودیت ظرفیت برای انتقال کالا و جریان بین مراکز به صورت فازی در نظر گفته شده است. از آنجایی که برنامه ریزی محدودیت- شانس به عنوان ابزاری قوی برای سیستم های تصمیم گیری تصادفی معرفی شده است، در این مطالعه مسئله مورد نظر با استفاده از برنامه ریزی محدودیت- شانس مدل شد. . در مدل محدودیت- شانس معرفی شده دو تابع نامعین یکی برای تابع هدف و دیگری برای محدودیت ها وجود داشت، که تصمیم گیرنده می بایست سطح اطمینان معینی را برای هرکدام از این توابع نامعین مشخص کند. برای حل مدل شبیه سازی فازی برپایه الگوریتم ژنتیک ترکیبی معرفی شد. از الگوریتم ژنتیک برای جستجو و به دست آوردن جواب بهینه و از شبیه سازی فازی به منظور تخمین مقدار تابع هدف و شدنی بودن هر جواب مورد تحت درجه های اطمینان مشخص شده مورد استفاده قرار گرفت. روش حل ارائه شده به خوبی روی مسئله فازی سازی شده پست استرالیا اجرا شد. با توجه به ارز یابی های صورت گرفته نشان داده شد، با افزایش سطح اطمینان در محدودیت ها جواب امکان پذیر می تواند تغییر کرده و روی تابع هدف تاثیرگذار باشد. همچنین با افزایش سطح اطمینان در تابع هدف، هزینه مورد انتظار طبق آزمایش های صورت گرفته بیشتر خواهد شد.