چکیده:
زیست متان به عنوان یک منبع تجدیدپذیر و سازگار با محیط زیست، نقش مهمی در تامین انرژی مطابق با معیارهای توسعه پایدار ایفا می کند. در این مقاله، مدل برنامه ریزی مختلط عدد صحیح غیرخطی برای تصمیم گیری در مورد مکان بهینه رآکتور تولید زیست متان و چگونگی تخصیص انواع پسماند به عنوان ماده اولیه به رآکتور مطالعه می شود. در این مدل هزینه کل راه اندازی سیستم تولید زیست متان، با درنظرگرفتن محدودیت های مقدار عرضه انواع پسماند در هر مرکز جمع آوری، مقدار تقاضای انواع پسماند در رآکتور و تعداد نیروی کار موجود، حداقل می شود. الگوریتم های ژنتیک و تکامل تفاضلی برای حل مدل، توسعه داده شده اند و نتایج آن ها با یکدیگر مقایسه شده است. زمان حل هر دو الگوریتم نسبتا یکسان است و الگوریتم تکامل تفاضلی، عملکرد بهتری از نظر مقدار تابع هدف نشان می دهد.
خلاصه ماشینی:
مسائل مکان یابی تخصیص در حوزه مسائل دشوار١ قرار دارند [٢٤]؛ بنابراین در این پژوهش برای حل مدل عدد صحیح مختلط غیرخطی مکان یابی تخصیص زنجیره تأمین زیست متان که توسط وو و همکاران (٢٠١٥) ارائه شده ، الگوریتم های ژنتیک و تکامل تفاضلی ارائه و نتایج آن ها با یکدیگر مقایسه میشود.
با استفاده از مدل ارائه شده میتوان هزینه کل راه اندازی سیستم تولید زیست متان را با درنظرگرفتن محدودیت های مقدار عرضه انواع پسماند در هر مرکز جمع آوری، مقدار تقاضای انواع پسماند در رآکتور و تعداد نیروی کار موجود محاسبه کرد.
پس از تعریف پارامترها، متغیرها و فرض های مدل مکان یابی تخصیص زنجیره تأمین زیست متان که توسط وو و همکاران (٢٠١٥)، ارائه شده است در این بخش مدل برنامه ریزی مختلط عدد صحیح غیرخطی مربوطه تشریح میشود.
(رجوع شود به تصویر صفحه) برای جهش متغیر تصمیم مقدار حمل پسماند، از عملگر وارونگی استفاده شده است ؛ به این ترتیب که دو عدد در بازه [∗,١] تولید میشود و عناصر بین این دو عدد در ماتریس به صورت وارونه از انتها به ابتدا به جای عناصر قبلی درج میشوند و مابقی عناصر بدون تغییر در جای قبلی خود قرار میگیرند (شکل ٧).
تولید جمعیت اولیه جواب ها به صورت تصادفی از حدود تعیین شده برای متغیر تصمیم مکان احداث رآکتور (,)= در رابطه های ٧ و ٨ و نیز حدود تعیین شده برای متغیر تصمیم مقدار حمل پسماند از مراکز جمع آوری به رآکتور در رابطه ٩ بوده است .
Adopting co-evolution and constraint-satisfaction concept on genetic algorithms to solve supply chain network design problems.
A network design model for biomass to energy supply chains with anaerobic digestion systems.