KaydedilenlerDerginizi ekleyin

Dergiler / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2011 / Cilt: 26 Sayı: 4

ÇOK AŞAMALI BÜTÜNLEŞİK LOJİSTİK AĞI OPTİMİZASYONU PROBLEMİNİN MELEZ GENETİK ALGORİTMA İLE ÇÖZÜMÜ

Neslihan Demirel
Hadi Gökçen
M.ali Akçayol
Eray Demirel
Sayfa
—
Yayın Tarihi
2013-02-20
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Modelin karmaşık yapısından dolayı, sezgisel yöntem ile doğrusal programlamayıbirlikte kullanan genetik algoritma tabanlı melez bir çözüm yöntemi geliştirilmiş ve üretilen farklı boyuttaki testproblemleri için GAMS-CPLEX ve geliştirilen çözüm yönteminden elde edilen sonuçlar karşılaştırılmıştır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Artan çevre bilinci, kanunlar ve ekonomik nedenler, son yıllarda tersine lojistik konusuna olan ilgiyi arttırmıştır.Tersine lojistik konusunda en önemli ve ilgi çekici problemlerden birisi, tersine lojistik ağı tasarımıdır.
📊
Temel Bulgular & Veri:Buçalışmada, genel bütünleşik bir lojistik ağı tasarımı için kapasite kısıtlı, çok aşamalı, çok ürünlü bir karmatamsayılı doğrusal programlama modeli geliştirilmiştir.
💡
Sonuç & Katkı:Modelin karmaşık yapısından dolayı, sezgisel yöntem ile doğrusal programlamayıbirlikte kullanan genetik algoritma tabanlı melez bir çözüm yöntemi geliştirilmiş ve üretilen farklı boyuttaki testproblemleri için GAMS-CPLEX ve geliştirilen çözüm yönteminden elde edilen sonuçlar karşılaştırılmıştır.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Geri kazanım · ağ tasarımı · matematiksel model

Özet

Artan çevre bilinci, kanunlar ve ekonomik nedenler, son yıllarda tersine lojistik konusuna olan ilgiyi arttırmıştır.Tersine lojistik konusunda en önemli ve ilgi çekici problemlerden birisi, tersine lojistik ağı tasarımıdır. Buçalışmada, genel bütünleşik bir lojistik ağı tasarımı için kapasite kısıtlı, çok aşamalı, çok ürünlü bir karmatamsayılı doğrusal programlama modeli geliştirilmiştir. Problem, ileri ve geri ağda yer alan tesislerin sayı veyerlerinin belirlenmesi ile müşteri taleplerinin minimum maliyetle karşılanacağı dağıtım ağının tasarlanmasıkararlarını içermektedir. Modelin karmaşık yapısından dolayı, sezgisel yöntem ile doğrusal programlamayıbirlikte kullanan genetik algoritma tabanlı melez bir çözüm yöntemi geliştirilmiş ve üretilen farklı boyuttaki testproblemleri için GAMS-CPLEX ve geliştirilen çözüm yönteminden elde edilen sonuçlar karşılaştırılmıştır.

🔖

Bu Makaleye Atıf Yap

Demirel, N., Gökçen, H., Akçayol, M., Demirel, E. (2013). ÇOK AŞAMALI BÜTÜNLEŞİK LOJİSTİK AĞI OPTİMİZASYONU PROBLEMİNİN MELEZ GENETİK ALGORİTMA İLE ÇÖZÜMÜ. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 26 Sayı: 4. https://ajindex.com/articles/1078495

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (135)

  1. Fleischmann, M., Bloemhof-Ruwaard, J.M.,
  2. Dekker, R., van der Laan, E., van Nunen,
  3. J.A.E.E. And van Wassenhove, L.N.,
  4. “Quantitative models for reverse logistics: a
  5. review (Invited Review)”, European Journal of
  6. Operational Research, Cilt 103, No 1, 1-17,
  7. Fleischmann M., Beullens, P., Bloemhof-Ruwaard,
  8. J.M., van Wassenhove, L.N., “The Impact of
  9. Product Recovery on Logistics Network Design”,
  10. Production and Operations Management, Cilt, No 2, 156, 2001.
  11. Brito, M.P., Dekker, R., “Reverse Logistics-A
  12. Framework”, Econometric Institute Report EI
  13. 38, Erasmus University Rotterdam, The
  14. Netherlands, 1-19, 2002.
  15. Zarei, M., Mansour, S., Kahsan, A.H., Karimi, B.,
  16. “Designing a Reverse Logistics Network for Endof-
  17. Life Vehicles Recovery”, Mathematical
  18. Problems in Engineering,
  19. doi:10.1155/2010/649028, 2010.
  20. Elwany, H., Fors, N., Harraz, N., Galal, N.
  21. “Reverse logistics network design: review of
  22. models and solution techniques”, Proceedings of
  23. the 37th International Conference on
  24. Computers and Industrial Engineering,
  25. Alexandria, Egypt, October 20-23, 2007.
  26. Akcali, E., Cetinkaya, S., Uster, H. “Network
  27. design for reverse and closed- loop supply chains:
  28. an annotated bibliography of models and solution
  29. approaches”, Networks, Cilt 53, 231–248, 2009.
  30. Demirel, N.Ö., Gökçen, H. “Logistics Network
  31. Design for Recoverable Manufacturing Systems:
  32. Literature Survey”, Journal of The Faculty of
  33. Engineering and Architecture of Gazi
  34. University, Cilt 23, No 4, 903-912, 2008.
  35. Chanintrakul, P., Mondragon, A.E.C., Lalwani, C.,
  36. Wong, C.Y., “Reverse logistics network design: a
  37. state-of-the-art literature review”, International
  38. Journal of Business Performance and Supply
  39. Chain Modelling, Cilt 1, No 1, 61–81, 2009.
  40. Ilgin, M.A., Gupta, S.M. “Environmentally
  41. conscious manufacturing and product recovery
  42. (ECMPRO): A review of the state of the art”,
  43. Journal of Environmental Management, Cilt, 563–591, 2010.
  44. Pishvaee, M.S., Farahani, R.Z., Dullaert, W. “A
  45. memetic algorithm for bi-objective integrated
  46. forward/reverse logistics network design”,
  47. Computers & Operations Research, Cilt 37,
  48. 1112, 2010.
  49. Emel, G.G., Taşkın, Ç. “Genetik algoritmalar ve
  50. uygulama alanları”, Uludağ Üniversitesi
  51. İktisadi ve İdari Bilimler Fakültesi Dergisi,
  52. Cilt XXI, No 1, 129-152, 2002.
  53. Kusumastuti, R.D., Piplani, R., Lim, G.H. “An
  54. Approach to Design Reverse Logistics Networks
  55. for Product Recovery”, International
  56. Engineering Management Conference, Cilt 3,
  57. 1243, 18-21 Ekim 2004.
  58. Ko, H.J., Evans, W. “A genetic algorithm-based
  59. heuristic for the dynamic integrated
  60. forward/reverse logistics network for 3PLs”,
  61. Computers & Operations Research, Cilt 34,
  62. 366, 2007.
  63. Lee, J.E., Gen, M., Rhee, K.G. “Network model
  64. and optimization of reverse logistics by hybrid
  65. genetic algorithm”, Computers & Industrial
  66. Engineering, Cilt 56, 951-964, 2009.
  67. Lee, J.E., Gen, M., Rhee, K.G. “Hybrid Prioritybased
  68. Genetic Algorithm for Multi-stage Reverse
  69. Logistics Network”, IEMS, Cilt 8, No 1, 14-21,
  70. Mart 2009.
  71. Kannan, G., Sasikumar, P., Devika, K. “A genetic
  72. algorithm approach for solving a closed loop
  73. supply chain model: A case of battery recycling”,
  74. Applied Mathematical Modelling, Cilt 34, 655-, 2010.
  75. Tang, Q., Xie, F., “A Genetic Algorithm for
  76. Reverse Logistics Network Design”, Third
  77. International Conference on Natural
  78. Computation, Cilt 4, 2007.
  79. Min, H., Ko, H.J. “The dynamic design of a
  80. reverse logistics network from the perspective of
  81. third-party logistics service providers”,
  82. International Journal of Production
  83. Economics, Cilt 113, 176-192, 2008.
  84. Shi, L., Fan, H., Gao, P., Zhang, H. “Network
  85. Model and Optimization of Medical Waste
  86. Reverse Logistics by Improved Genetic
  87. Algorithm”, '09 Proceedings of the 4th
  88. International Symposium on Advances in
  89. Computation and Intelligence, 40-52, 2009.
  90. Zhou, G., Cao, Z., Cao, J., Meng, Z. “A Genetic
  91. Algorithm Approach on Reverse Logistics
  92. Optimization for Product Return Distribution
  93. Network”, Lecture Notes in Computer
  94. Sciences, Y. Hao vd. (Ed.), Springer-Verlag
  95. Berlin Heidelberg, 267-272, 2005.
  96. Bouabda, R., Jarboui, B., Eddaly, M., Rebai, A.
  97. “A branch and bound enhanced genetic algorithm
  98. for scheduling a flowline manufacturing cell with
  99. sequence dependent family setup times”,
  100. Computers & Operations Research, Cilt 38,
  101. 393, 2011.
  102. Yeh, W.C. “A efficient memetic algorithm for
  103. multi-stage supply chain network problem”,
  104. International Journal of Advanced
  105. Manufacturing Technology, Cilt 29, No 7-8,
  106. 813, 2006.
  107. Keskin, B.B., ve Uster, H. “A scatter search-based
  108. heuristic to locate capacitated transshipment
  109. points”, Computers & Operations Research,
  110. Cilt 34, No 10, 3112–3125. 2007.
  111. Altıparmak, F., Gen, M., Lin, L., Karaoğlan, İ. “A
  112. steady-state genetic algorithm for multi-product
  113. supply chain network design”, Computers &
  114. Industrial Engineering, Cilt 56, 521–537, 2009.
  115. Gen, M., Altıparmak, F., Lin, L. “A genetic
  116. algorithm for two-stage transportation problem
  117. using priority-based encoding”, OR Spectrum,
  118. Cilt 28, No 3, 337–354, 2006.
  119. Öztürk, M., Çok aşamalı tedarik zinciri
  120. optimizasyonu probleminin yayılan ağaç
  121. tabanlı genetik algoritma ile çözümü, Yüksek
  122. lisans tezi, İstanbul Teknik Üniversitesi, Fen
  123. Bilimleri Enstitüsü, 2008.
  124. Ayan, T.Y. “Sabit maliyetli ulaştırma problemi
  125. için bir genetik algoritma”, Gazi Üniversitesi
  126. Cilt 10, No 1, 97 – 116, 2008.
  127. Keskintürk, T., Küçük, B. “ Karışık modelli
  128. montaj hatlarının genetik algoritma kullanılarak
  129. dengelenmesi”, Yönetim Dergisi, Cilt 17, No 53, 52-63, 2006.
  130. Varlı, A., Çok amaçlı ve çok konumlu
  131. aktarmalı taşıma problemlerinin genetik
  132. algoritma ile optimizasyonu, Yüksek lisans tezi,
  133. Yıldız Teknik Üniversitesi, Fen Bilimleri
  134. Enstitüsü, 2007.
  135. Alexandria, Egypt, October 20-23, 2007.