مسایل مکان‌یابی هاب دومرحله‌ای تصادفی تحت سناریو با رویکرد الگوریتم‌های هوش مصنوعی

نویسندگان

  • المان دمرچی گروه مهندسی صنایع، دانشکده صنایع و فناوری های معدنی، دانشگاه صنعتی ارومیه، ارومیه، ایران.
  • فرید ممیزی * گروه مهندسی صنایع، دانشکده صنایع و فناوری های معدنی، دانشگاه صنعتی ارومیه، ارومیه، ایران. https://orcid.org/0009-0001-4250-531X
  • کامیار صبری لقائی گروه مهندسی صنایع، دانشکده صنایع و فناوری های معدنی، دانشگاه صنعتی ارومیه، ارومیه، ایران. https://orcid.org/0000-0002-6673-8409

https://doi.org/10.22105/mmaa.v2i3.97

چکیده

هدف: این مقاله با هدف ارایه یک چارچوب نوآورانه برای مسایل مکان‌یابی هاب تحت شرایط عدم قطعیت، با تلفیق هوش مصنوعی و بهینه‌سازی تصادفی انجام شد.

روش‌شناسی پژوهش: الگوریتم‌های خوشه‌بندی K-medoids و DBSCAN برای تولید سناریوهای مکان‌یابی بالقوه هاب ادغام شدند. این سناریوها سپس در یک مدل برنامه‌ریزی تصادفی دومرحله‌ای که با استفاده از CPLEX در GAMS حل شد، گنجانده شدند.

یافته‌ها: نتایج نشان داد که هزینه‌های ثابت بالاتر، تعداد هاب‌های استقرار یافته را کاهش می‌دهد، در حالی که ضرایب تخفیف افزایش‌یافته بین هاب‌ها منجر به کاهش هاب‌های فعال یا افزایش هزینه کل می‌شود.

اصالت/ارزش افزوده علمی: مشارکت اصلی این مطالعه، ترکیب نوآورانه خوشه‌بندی هوش مصنوعی برای تولید سناریو با برنامه‌ریزی تصادفی دومرحله‌ای است که رویکردی مقاوم برای مکان‌یابی هاب تحت شرایط عدم قطعیت ارایه می‌دهد.

کلمات کلیدی:

مکان‌یابی هاب، مسایل دومرحله‌ای تصادفی، الگوریتم‌های خوشه‌بندی، هوش مصنوعی

مراجع

  1. [1] Alumur, S. A., Campbell, J. F., Contreras, I., Kara, B. Y., Marianov, V., & O’Kelly, M. E. (2021). Perspectives on modeling hub location problems. European journal of operational research, 291(1), 1-17. https://doi.org/10.1016/j.ejor.2020.09.039
  2. [2] Farahani Zanjirani, R., Hekmatfar, M., Arabani Boloori, A., & Nikbakhsh, E. (2013). Hub location problems: A review of models, classification, solution techniques, and applications. Computers and industrial engineering, 64(4), 1096–1109. https://doi.org/10.1016/j.cie.2013.01.012
  3. [3] Hakimi, S. L. (1964). Optimum locations of switching centers and the absolute centers and medians of a graph. Operations research, 12(3), 450–459. https://doi.org/10.1287/opre.12.3.450
  4. [4] Toh, R., & Higgins, R. (1985). The impact of hub and spoke network centralization and route monopoly on domestic airline profitability. Transportation journal, 24(4), 16–27. https://www.jstor.org/stable/20712826
  5. [5] Campbell, J. F. (1996). Hub location and the p-hub median problem. Operations research, 44(6), 923–935. https://doi.org/10.1287/opre.44.6.923
  6. [6] O’Kelly, M. E. (1986). Location of interacting hub facilities. Transportation science, 20(2), 92–106. https://doi.org/10.1287/trsc.20.2.92
  7. [7] O’Kelly, M. E., & Lao, Y. (1991). Mode choice in a hub‐and‐spoke network: A zero‐one linear programming approach. Geographical analysis, 23(4), 283–297. https://doi.org/10.1111/j.1538-4632.1991.tb00240.x
  8. [8] O’kelly, M. E. (1987). A quadratic integer program for the location of interacting hub facilities. European journal of operational research, 32(3), 393–404. https://doi.org/10.1016/S0377-2217(87)80007-3
  9. [9] Alumur, S., & Kara, B. Y. (2008). Network hub location problems: The state of the art. European journal of operational research, 190(1), 1–21. https://doi.org/10.1016/j.ejor.2007.06.008
  10. [10] Campbell, J. F. (1992). Location and allocation for distribution systems with transshipments and transportion economies of scale. Annals of operations research, 40(1), 77–99. https://doi.org/10.1007/BF02060471
  11. [11] Alumur, S. A., Nickel, S., & Saldanha-da-Gama, F. (2012). Hub location under uncertainty. Transportation research part b: methodological, 46(4), 529–543. https://doi.org/10.1016/j.trb.2011.11.006
  12. [12] Ernst, A. T., & Krishnamoorthy, M. (1996). Efficient algorithms for the uncapacitated single allocation p-hub median problem. Location science, 4(3), 139–154. https://doi.org/10.1016/S0966-8349(96)00011-3
  13. [13] Korani, E., & Eydi, A. (2021). Bi-level programming model and KKT penalty function solution approach for reliable hub location problem. Expert systems with applications, 184, 115505. https://doi.org/10.1016/j.eswa.2021.115505
  14. [14] Esmizadeh, Y., Bashiri, M., Jahani, H., & Almada-Lobo, B. (2021). Cold chain management in hierarchical operational hub networks. Transportation research part E: Logistics and transportation review, 147, 102202. https://doi.org/10.1016/j.tre.2020.102202
  15. [15] Huang, L., Tan, Y., & Guan, X. (2022). Hub-and-spoke network design for container shipping considering disruption and congestion in the post COVID-19 era. Ocean & coastal management, 225, 106230. https://doi.org/10.1016/j.ocecoaman.2022.106230
  16. [16] Sener, N., & Feyzioglu, O. (2023). Multiple allocation hub covering flow problem under uncertainty. Annals of operations research, 320(2), 975–997. https://doi.org/10.1007/s10479-022-04553-2
  17. [17] Maliki, F., Souier, M., Dahane, M., & Ben Abdelaziz, F. (2025). A multi-objective optimization model for a multi-period mobile facility location problem with environmental and disruption considerations. Annals of operations research, 346(2), 1445–1470. https://doi.org/10.1007/s10479-022-04945-4
  18. [18] Ertem, M. A., Akdogan, M. A., & Kahya, M. (2022). Intermodal transportation in humanitarian logistics with an application to a Turkish network using retrospective analysis. International journal of disaster risk reduction, 72, 102828. https://doi.org/10.1016/j.ijdrr.2022.102828
  19. [19] Sangaiah, A. K., & Khanduzi, R. (2022). Tabu search with simulated annealing for solving a location–protection–disruption in hub network. Applied soft computing, 114, 108056. https://doi.org/10.1016/j.asoc.2021.108056
  20. [20] Lu, H., Zhang, X., & Yang, S. (2019). A learning-based iterative method for solving vehicle routing problems [presentation]. International conference on learning representations. https://openreview.net/forum?id=BJe1334YDH
  21. [21] Gaar, E., & Sinnl, M. (2021). Experiments with graph convolutional networks for solving the vertex $p$-center problem. http://arxiv.org/abs/2106.00357
  22. [22] Mokhtarzadeh, M., Tavakkoli-Moghaddam, R., Triki, C., & Rahimi, Y. (2021). A hybrid of clustering and meta-heuristic algorithms to solve a p-mobile hub location–allocation problem with the depreciation cost of hub facilities. Engineering applications of artificial intelligence, 98, 104121. https://doi.org/10.1016/j.engappai.2020.104121
  23. [23] Rabbani, M., Mokhtarzadeh, M., & Manavizadeh, N. (2021). A constraint programming approach and a hybrid of genetic and K-means algorithms to solve the p-hub location-allocation problems. International journal of management science and engineering management, 16(2), 123–133. https://doi.org/10.1080/17509653.2021.1905096

دانلود

چاپ شده

2025-07-28

شماره

دوره 2 شماره 3 (2025): مدیریت: مدلسازی، تحلیل‌ها و کاربردها

نوع مقاله

مقالات شماره جاری

ارجاع به مقاله

دمرچی ا. ., ممیزی ف., & صبری لقائی ک. (2025). مسایل مکان‌یابی هاب دومرحله‌ای تصادفی تحت سناریو با رویکرد الگوریتم‌های هوش مصنوعی. مدیریت: مدلسازی، تحلیل‌ها و کاربرد, 2(3), 160-170. https://doi.org/10.22105/mmaa.v2i3.97
Crossref
Scopus
Google Scholar
Europe PMC

مقالات مشابه

##common.pagination##

همچنین برای این مقاله می‌توانید شروع جستجوی پیشرفته مقالات مشابه.