مقاله انگلیسی  الگوریتم ژنتیک تطبیقی اصلاح شده برای مسئله مسیریابی موجودی چند دوره ای چند محصولی
ترجمه نشده

مقاله انگلیسی الگوریتم ژنتیک تطبیقی اصلاح شده برای مسئله مسیریابی موجودی چند دوره ای چند محصولی

عنوان فارسی مقاله: یک الگوریتم ژنتیک تطبیقی اصلاح شده برای مسئله مسیریابی موجودی چند دوره ای چند محصولی
عنوان انگلیسی مقاله: A modified adaptive genetic algorithm for multi-product multi-period inventory routing problem
مجله/کنفرانس: عملیات پایدار و کامپیوترها - Sustainable Operations and Computers
رشته های تحصیلی مرتبط: مهندسی صنایع
گرایش های تحصیلی مرتبط: لجستیک و زنجیره تامین، برنامه ریزی و تحلیل سیستم ها
کلمات کلیدی فارسی: مشکل مسیریابی موجودی، الگوریتم ژنتیک، موجودی مدیریت شده توسط فروشنده، مدیریت زنجیره تامین، اکتشافی تطبیقی
کلمات کلیدی انگلیسی: Inventory routing problem - Genetic algorithm - Vendor managed inventory - Supply chain management - Adaptive heuristic
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
نمایه: DOAJ
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.susoc.2021.08.002
دانشگاه: Department of Industrial Engineering, University of Tehran, Fooman, Rasht, Iran
صفحات مقاله انگلیسی: 9
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2022
ایمپکت فاکتور: _
شاخص H_index: _
شاخص SJR: _
شناسه ISSN: 2666-4127
شاخص Quartile (چارک): _
فرمت مقاله انگلیسی: PDF
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
آیا این مقاله فرضیه دارد: ندارد
کد محصول: E15719
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست مطالب (انگلیسی)

Abstract
Keywords
Introduction
Model formulation
Methodology and algorithm development
Experiments and results
Conclusion
Declaration of Competing Interest
References

بخشی از مقاله (انگلیسی)

Abstract
Recent developments in urbanization and e-commerce have pushed businesses to deploy efficient systems to decrease their supply chain cost. Vendor Managed Inventory (VMI) is one of the most widely used strategies to effectively manage supply chains with multiple parties. VMI implementation asks for solving the Inventory Routing Problem (IRP). This study considers a multi-product multi-period inventory routing problem, including a supplier, set of customers, and a fleet of heterogeneous vehicles. Due to the complex nature of the IRP, we developed a Modified Adaptive Genetic Algorithm (MAGA) to solve a variety of instances efficiently. As a benchmark, we considered the results obtained by Cplex software and an efficient heuristic from the literature. Through extensive computational experiments on a set of randomly generated instances, and using different metrics, we show that our approach distinctly outperforms the other two methods. In this way, we created a decision support and computer-based approach to assist policy and decision-makers in the pathway of constructing a sustainable society