ارائه مدل جدید چندهدفه برای مکان‌یابی مراکز توزیع امداد در شرایط فازی

نوع مقاله: مقاله پژوهشی استخراج ازرساله و پایان نامه

نویسندگان

1 دانشیار مدیریت، دانشگاه فردوسی مشهد، مشهد، ایران

2 دانشجوی دکتری مدیریت تحقیق در عملیات، دانشگاه فردوسی مشهد، پردیس بین‌الملل، مشهد، ایران

3 کارشناسی ارشد مدیریت، دانشگاه مازندران، ساری، ایران

چکیده

چکیده
    جغرافیای انسانی در دهه‌های اخیر دستخوش تحولات مهمی گردیده که این تغییرات نه‌تنها درروش بلکه در کارکرد ظهور یافته است. یکی از موضوعات بالقوه قدرتمندی که در تحقیقات میدانی جغرافیا در حال نشو و نما هست بر مسائل مربوط جغرافیای شهری، برنامه‌ریزی شهری و نقش آنان در سازمان‌دهی فضایی تأکید می‌ورزد. یکی از موضوع‌هایی که بیشتر شهرهای بزرگ جهان با آن دست‌به‌گریبان هستند، موضوع «حوادث طبیعی» است. با توجه به ماهیت غیرمترقبه بودن حوادث طبیعی و لزوم اتخاذ سریع و صحیح تصمیم‌ها و اجرای عملیات، مبانی نظری و بنیادی دانشی تحت عنوان «مدیریت بحران» به وجود آمده است یکی از اقداماتی که جهت مدیریت بحران صورت می‌گیرد اندیشیدن تدابیری جهت امدادرسانی پس از وقوع آن است. این موضوع لزوم مکان‌یابی مراکز توزیع امداد را به‌خوبی نمایان ساخته است. در این تحقیق رویکردی چندهدفه برای مراکز توزیع امداد طراحی‌شده است. مدل پیشنهادی یک مدل دو هدفه است. هدف اول کمینه‌سازی هزینه انتقال و هدف دوم، بیشنه سازی مطلوبیت مراکز توزیع هست. وجه تمایز این مدل نسبت به مدل‌های معرفی‌شده در این زمینه ارائه تابع هدف فازی به‌منظور تعیین مطلوبیت مراکز هست. همچنین برای حل این مدل روش LP توسعه‌یافته بکار رفته است.
 

کلیدواژه‌ها


منابع

آذر عادل، رجب‌زاده علی (1389). تصمیم‌گیری کاربردی رویکرد MADM تهران: نگاه دانش؛

اسلامی، علیرضا (1385). مکان‌یابی مراکز امداد اسکان (نمونه موردی منطقه یک شهرداری تهران)

Afshar, A. , Haghani, A. (2012). Modeling integrated supply chain logistics in real-time large-scale disaster relief operations. Socio-Economic Planning Sciences, article in press.

Barbarosoglu, G. , Ozdamar, L. , Cevik, A. (2002). An interactive approach for hierarchical analysis of helicopter logistics in disaster relief operations. European Journal of Operational Research 140: 118–133.

B. Balcik, B. M. Beamon, K. Smilowitz (2008). Last mile distribution in humanitarian relief، Journal of Intelligent Transportation Systems, 12 (2): 51–63.

Chankong, V. and Haimes, Y. Y. (1983). Multiobjectiva Decision Making Theory and Methodology, New york: Elsevier Science Publishing.

Djamel Berkoune [et. al] (2012). Transportation in disaster response operations,Socio-Economic Planning Sciences 46: 23-32.

Jiang-Hua Zhang, Jin Li, Zhi-Ping Liu (2012). Multiple-resource and multiple-depot emergency response problem considering secondary disasters، Expert Systems with Applications 39: 11066–11071

Kwong c. k. , H. A Bai. Fuzzy (2002). AHP approach to the determination of importance weights of customer requirements in quality function deployment. Journal of Intelligent Manufacturing 13: 367-377.

Messac, A. Sukam, C. P. and Melachrinoudis, E. (2000). Aggregate Objective Functions and Pareto Frontiers: Required Relationships and Practical Implications, Optimization and Engineering, 1 (2): 171-188.

Liangjun Ke n, Zuren Feng (2013). A two-phase metaheuristic for the cumulative capacitated vehicle routing problem، Computers & Operations Research 40: 633–638

Lin, Y. , Batta, R. , Rogerson, A. P. , Blatt, A. , Flanigan, M. (2011). A logistics model for emergency supply of critical items in the aftermath of a disaster. Socio-Economic Planning Sciences 45 (4): 132–145.

Messac, A. and Ismail-Yahaya, A. I. (2001). Required Relationship Between Objective Function and Pareto Frontier Orders: Practical Implications”, AIAA Journal, 39 (11): 2168-2174.

Miettinen, K. (1999). Nonlinear Multiobjective Optimization, Boston: Kluwer Academic Publishers.

Nishikawa, S. (2003). Total disaster risk management for sustainable development. In: Proceeding of the International Conference on TDRM, Japan

Percin S. (2008). Use of fuzzy AHP for evaluating the benefits of informationsharing decisions in a supply Uchain. Journal of Enterprise Information Management 21: 263-284.

Sascha Wohlgemuth, Richard Oloruntoba, Uwe Clausen, (2012). Dynamic vehicle routing with anticipation in disaster relief، Socio-Economic Planning Sciences 46: 261-271.

Sheu JB. (2007). Challenges of emergency logistics management. Transportation Research Part E: Logistics and Transportation Review 43 (6): 655-9.

Tzeng, G. H. , Cheng, H. J. , Huang, T. D. (2007). Multi-objective optimal planning for designing relief delivery systems. Transportation Research Part E: Logistics and Transportation Review 43: 673–686.

Ozdamar L, Ekinci E, Kucukyazici B. (2004). Emergency logistics planning in natural disasters. Annals of Operations Research 129 (1e4): 217-245.

Wassenhove LNV. (2006). Humanitarian aid logistics: supply chain management in high gear. The Journal of the Operational Research Society 57 (5): 475-89.

W. Yi, A. Kumar (2007). Ant colony optimization for disaster relief operations ,Transportation Research Part E: Logistics and Transportation Review, 43 (6): 660–672.

Zhan, S. , Liu, N. (2011). A multi-objective stochastic programming model for emergency logistics based on goal programming. Fourth International Joint Conference on Computational Sciences and Optimization. IEEE Computer Society, Washington, DC, USA.