دانلود ترجمه مقاله بهینه سازی یکپارچه تصمیمات برنامه ریزی استراتژیک و تاکتیکی

1. مقدمه 2. مدل های برنامه ریزی تاکتیکی و استراتژیک 3. مدل برنامه ریزی یکپارچه پیشنهادی 4. آزمایشات عددی 5. نتیجه گیری

چکیده – رویکرد سنتی در زمینه برنامه ریزی زنجیره ارزش گذاری جنگل داری با استفاده از ترکیبی از فازهای برنامه ریزی پیوسته و سلسله مراتبی راه حل هایی غیر مستقیم می گردد. ما یک مدل برنامه ریزی یکپارچه به منظور پشتیبانی از برنامه ریزی های جنگل داری در طولانی مدت با پیش بینی تأثیرات اقدامات اقتصادی و لجستیکی در زنجیره ارزش گذاری در کوتاه مدت ارائه داده و رویکرد بهینه سازی نوینی ارائه داده ایم که شامل استراتژی های شتاب دهی برای حل کارآمد مقیاس های عملیاتی بزرک در این مسأله برنامه ریزی یکپارچه می باشد. مدل ما، مدل های پیاده سازی شده در دو موتور حل کننده را بسط داده که در پژوهش های قبلی ارائه شده اند. سیستم اول، با عنوان لاگی لب (Logilab) امکان تعریف و حل مسائل بهینه سازی زنجیره ارزش گذاری را فراهم می کند. سیستم دوم، با عنوان سیلوی لب (Silvilab)، امکان تولید و حل مسائل استراتژیک را فراهم می کند. ما مدل های تاکتیکی را در لاگی لب مجدداً بازدید کرده و مدل های استراتژیکی را در سیلوی لب بسط می دهیم طوری که مسأله برنامه ریزی یکپارچه را بتوان با استفاده از تجزیه تولید ستونی با با زیرمسائل فرمول بندی شده در قالب گراف ها حل کرده و با استفاده از یک الگوریتم برنامه ریزی دینامیک حل کرد. همچنین مجموعه جدیدی از محدودیت های پایداری فضایی در این مدل در نظر گرفته شده اند. بر اساس آزمایشات عددی در مواد صنعتی بزرگ مقیاس، این رویکرد یکپارچه منجر به افزایش مشخصه ای تا 13 درصد نسبت به رویکرد غیر یکپارچه می گردد. علاوه بر این، رویکرد پیشنهادی به طور مطلوبی با یک رویکرد تولید ستون LP استاندارد در مسأله برنامه ریزی جنگل یکپارچه هم از نظر زمان CPU (با فاکتور افزایش سرعتی با متوسط 2.4) و هم از نظر حافظه مورد نیاز (با فاکتور کاهش سرعتی تا 20) مقایسه شده است.

The traditional approach to plan the forest products value chain using a combination of sequential and hierarchical planning phases leads to suboptimal solutions. We present an integrated planning model to support forest planning on the long term with anticipation of the impacts on the economic and logistic activities in the forest value chain on a shorter term, and we propose a novel optimization approach that includes acceleration strategies to efficiently solve large-scale practical instances of this integrated planning problem. Our model extends and binds the models implemented in two solver engines that have developed in previous work. The first system, called Logilab, allows for defining and solving value chain optimization problems. The second system, called Silvilab, allows for generating and solving strategic problems. We revisit the tactical model in Logilab and we extend the strategic model in Silvilab so that the integrated planning problem can be solved using column generation decomposition with the subproblems formulated as hypergraphs and solved using a dynamic programming algorithm. Also, a new set of spatial sustainability constraints is considered in this model. Based on numerical experiments on large-scale industrial cases, the integrated approach resulted in up to 13% profit increase in comparison with the non-integrated approach. In addition, the proposed approach compares advantageously with a standard LP column generation approach to the integrated forest planning problem, both in CPU time (with an average 2.4 factor speed-up) and in memory requirement (with an average reduction by a factor of 20).