ارائه کمک های امدادی به پناهندگان در مسیر: مکان تسهیلات سیار چند دوره ای با تقاضای سیار
| عنوان | ارائه کمک های امدادی به پناهندگان در مسیر: مکان تسهیلات سیار چند دوره ای با تقاضای سیار |
|---|---|
| نویسنده | Bayraktar، O. B.، Danış، Dilek Günneç، Salman، F. S.، Yücel، E. |
| تاریخ انتشار: | 2022-09-01 |
| محل انتشار | - الزویر |
| موضوع | جستجوی تطبیقی محله بزرگ، تدارکات بشردوستانه، موقعیت مکانی، تقاضای موبایل، مکان تسهیلات سیار، ارائه کمک به پناهندگان |
| نوع | دوره ای |
| زبان | انگلیسی |
| دیجیتال | بله |
| نسخه خطی | خیر |
| کتابخانه: | دانشگاه اوزیغین |
| شناسه دارایی کتابخانه | 0377-2217 |
| شماره ثبت | 7630e100-896b-4abe-8eab-64c250cf2a2e |
| محل کتابخانه | مهندسی صنایع |
| تاریخ | 2022-09-01 |
| یادداشتها | TÜBİTAK |
| متن نمونه | بسیاری از سازمانهای بشردوستانه به گروههای پناهنده که در سفر خود برای عبور از مرزها با استفاده از امکانات سیار هستند و نیاز به تصمیمگیری در مورد تعداد و مسیرهای تسهیلات دارند، کمک میکنند. ما یک مسئله مکان یابی تسهیلات چند دوره ای را تعریف می کنیم که در آن هم امکانات و هم تقاضا در شبکه سیار هستند. گروه های پناهنده ممکن است در دوره های مختلف وارد شبکه شده و از آن خارج شوند و مسیرهای مختلفی را طی کنند. در هر دوره، یک گروه پناهنده از یک گره به یک گره مجاور در مسیر از پیش تعیین شده خود حرکت می کند. هر مرکز باید در یک گره در هر دوره قرار داشته باشد و به پناهندگان در آن گره خدمات ارائه دهد. به هر پناهنده باید حداقل یک بار در تعداد از پیش تعیین شده دوره های متوالی خدمات داده شود. مشکل مکان یابی امکانات در هر دوره است تا هزینه های کل راه اندازی و سفر امکانات سیار را به حداقل برساند و در عین حال از نیاز خدمات اطمینان حاصل شود. ما این مشکل را مشکل موقعیت مکانی تسهیلات سیار چند دوره ای با تقاضای موبایل (MM-FLP-MD) می نامیم و سختی NP آن را ثابت می کنیم. ما یک مدل برنامهریزی خطی عدد صحیح مختلط (MILP) را فرموله میکنیم و یک الگوریتم جستجوی همسایگی بزرگ تطبیقی (ALNS) را برای حل نمونههای با اندازه بزرگ توسعه میدهیم. ما عملکرد محاسباتی MILP و الگوریتم فراابتکاری را با استخراج دادهها از بحران مهاجرت هندوراس در سال 2018 آزمایش کردیم. برای نمونههایی که با مدل MILP تا حد بهینه حل میشوند، ALNS پیشنهادی راهحلهای بهینه را سریعتر تعیین میکند و راهحلهای بهتری را برای نمونههای باقیمانده ارائه میدهد. با تجزیه و تحلیل حساسیت به پارامترهای مختلف، بینش هایی را در اختیار تصمیم گیرندگان قرار می دهیم. |
| DOI | 10.1016/j.ejor.2021.11.011 |
| Cilt | 301 |
