الگوریتم‌های متاهیوریستیک برای یک شبکه زنجیره تأمین زعفران پایدار با توجه به سیاست‌های دولتی و کیفیت محصول در شرایط عدم قطعیت

زعفران ایران به عنوان پرارزش‌ترین کالای کشاورزی و دارویی در بازار جهانی جایگاه منحصر به فردی دارد. کاربردهای مختلف زعفران نشان می دهد که نیاز به توجه ویژه به شبکه زنجیره تامین وجود دارد. متأسفانه عدم وجود شبکه زنجیره تامین یکپارچه در صنعت زعفران منجر به چالش های مهمی در زمینه مدیریت عرضه و تامین تقاضا شده است.

پرداختن به عدم قطعیت های دنیای واقعی هنگام توسعه مدل هایی برای مسائل بهینه سازی بسیار مهم است. بنابراین، این تحقیق یک مدل بهینه‌سازی چند هدفه را برای طراحی شبکه زنجیره تامین زعفران در شرایط عدم قطعیت پیشنهاد می‌کند. اهداف مدل کاهش هزینه کل زنجیره تامین، افزایش فرصت های شغلی و توسعه اقتصادی در مناطق و بهبود کیفیت محصولات است. مدل ریاضی پیشنهادی با استفاده از روش فازی تعاملی برای مقابله با توابع متعدد حل شده است.

علاوه بر این، برنامه‌ریزی محدود شانس احتمالی برای مدیریت موثر متغیرهای نامشخص مانند تقاضا، هزینه و پارامترهای اجتماعی در مدل استفاده می‌شود. برای نشان دادن کاربرد و روایی مدل پیشنهادی و روش حل، یک مطالعه موردی واقعی در استان خراسان رضوی انجام شد. علاوه بر این، به دلیل پیچیدگی مدل پیشنهادی در شبکه‌های بزرگ مقیاس، الگوریتم ژنتیک مرتب‌سازی غیرمسلط-II و الگوریتم‌های بازپخت شبیه‌سازی شده چند هدفه پیشنهاد شده‌اند. پارامترهای مختلف برای تعیین تأثیر آنها بر نتایج تجزیه و تحلیل می شوند تا تصمیم گیرندگان بتوانند مقادیر را با دقت بیشتری انتخاب کنند. تجزیه و تحلیل حساسیت و آزمون های آماری انجام شده بر روی نتایج از عملکرد مدل پیشنهادی پشتیبانی می کند.

در مجموع، نتایج نشان می‌دهد که روش دقیق و الگوریتم‌های فراابتکاری قادر به حل مسئله در ابعاد مختلف هستند. نتایج محاسباتی به دست آمده از این مدل، بینش‌های مدیریتی ارزشمندی را ارائه می‌کند و به تصمیم‌گیرندگان قدرت می‌دهد تا استراتژی‌ها و ترجیحات خود را به طور مؤثرتری هماهنگ کنند.

Iranian saffron products hold a unique place in the global market as the most highly valued agricultural and medicinal commodities. The various uses of saffron make it clear that there is a need for special attention to the supply chain network. Unfortunately, the absence of an integrated supply chain network within the saffron industry has resulted in significant challenges related to supply management and demand fulfillment. Addressing real-world uncertainties is paramount when developing models for optimization problems.

Therefore, this research proposes a multi-objective optimization model for designing a saffron supply chain network under uncertainty. The model objectives are to decrease the total cost of the supply chain, increase job opportunities and economic development in regions, and improve the quality of products. The proposed mathematical model is solved using the interactive fuzzy method to deal with multiple functions.

Furthermore, possibilistic chance constrained programming is employed to effectively manage uncertain variables such as demand, cost, and social parameters within the model. To demonstrate the applicability and validity of the proposed model and solution method, a real case study was conducted in Khorasan Razavi province, Iran. Additionally, because of the complexity of the proposed model in large-scale networks, non-dominated sorting genetic algorithm-II and multi-objective simulated annealing algorithms are proposed. Different parameters are analyzed to determine their impact on the results so that decision-makers can choose values more accurately.

The sensitivity analysis and statistical tests performed on the results support the performance of the proposed model. Overall, the results demonstrate that the exact method and metaheuristic algorithms are capable of solving the problem in different dimensions. The computational results derived from this model offer invaluable managerial insights, empowering decision-makers to align their strategies and preferences more effectively.