| مشخصات مقاله | |
| ترجمه عنوان 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 |
| انتشار | مقاله سال 2022 |
| تعداد صفحات مقاله انگلیسی | 9 صفحه |
| هزینه | دانلود مقاله انگلیسی رایگان میباشد. |
| پایگاه داده | نشریه الزویر |
| نوع نگارش مقاله |
مقاله پژوهشی (Research Article) |
| مقاله بیس | این مقاله بیس نمیباشد |
| نمایه (index) | DOAJ |
| نوع مقاله | ISI |
| فرمت مقاله انگلیسی | |
| شناسه ISSN | 2666-4127 |
| فرضیه | ندارد |
| مدل مفهومی | ندارد |
| پرسشنامه | ندارد |
| متغیر | ندارد |
| رفرنس | دارد |
| رشته های مرتبط | مهندسی صنایع |
| گرایش های مرتبط | لجستیک و زنجیره تامین، برنامه ریزی و تحلیل سیستم ها |
| نوع ارائه مقاله |
ژورنال |
| مجله | عملیات پایدار و کامپیوترها – Sustainable Operations and Computers |
| دانشگاه | Department of Industrial Engineering, University of Tehran, Fooman, Rasht, Iran |
| کلمات کلیدی | 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 |
| شناسه دیجیتال – doi |
https://doi.org/10.1016/j.susoc.2021.08.002 |
| کد محصول | E15719 |
| وضعیت ترجمه مقاله | ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید. |
| دانلود رایگان مقاله | دانلود رایگان مقاله انگلیسی |
| سفارش ترجمه این مقاله | سفارش ترجمه این مقاله |
| فهرست مطالب مقاله: |
| Abstract Keywords Introduction Model formulation Methodology and algorithm development Experiments and results Conclusion Declaration of Competing Interest References |
| بخشی از متن مقاله: |
| 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 |