Read A new algorithm for developing multiobjective models with utility function in fuzzy environment for distribution centers location problem Page 32


  بر اساس داده­های جدول فوق نمودار تحلیل حساسیت، به صورت زیر ایجاد می­شود.

  شکل (5- 0): نمودار آنالیز حساسیت

  نمودار فوق در واقع یک سیستم پشتیبان تصمیم است و نشان می­دهد در صورتی که تصمیم­گیرنده بخواهد تاثیر داده­های Subjective بیشتر از داده­های Objective باشد، بایستی در نمودار به سمت چپ و در صورتی که بخواهد تاثیر داده­های Subjective کمتر از داده­های Objective باشد، بایستی در نمودار به سمت راست حرکت نماید. به ازای هر برشی که بر روی این نمودار زده شود، می­توان جواب مربوطه را مشخص نمود. البته لازم به ذکر است به جهت این که در این­جا تنها برای 32 مقدار، جواب­ها به دست آمده­اند، تنها می­توان در آن نقاط جواب دقیق را ارائه نمود. اما همانطور که در شکل نیز مشخص است گاهی جواب­های مسأله ثابت می­مانند. برای مثال برای مثال عددی مورد بحث این تحقیق، در 2 بازه جواب­ها ثابت مانده­اند. یکی از 0.3 تا 0.85 و دیگری از 0.91 تا 1. با توجه به برش زده شده در شکل فوق جواب­های زیر حاصل خواهند شد.

  Locating variables

  Allocated demand

  =

  ---

  ---

  = = 1

  ---

  Value of cost objective function = 6.8

  Value of utility objective function = 3.37

  در مقایسه با جواب ارائه شده از روش LP-Metric، هزینه افزایش یافته اما در مقابل مطلوبیت بیشتری عاید گروه تصمیم­گیرندگان شده است و هم‏چنین مشتری 7ام در این جواب جدید، تقاضای خود را از 4ام تأمین می­نماید. در حالی که در جواب قبلی از مکان اول این تأمین صورت می­گرفت.

  5-3- تولید نمونه­های بیشتر، حل نمونه­ها و نتایج

  برای تحلیل بهتر و دقیق­تر تعدادی مسأله تصادفی را تولید نموده و با استفاده از روش مذکور حل نموده­ایم. پاسخ­های حاصل صحت موارد فوق را بهتر تایید می­نماید.

  در این مسائل پارامترهای تعداد مشتریان، تعداد محل­های کاندید، مقادیر هزینه­ها و مطلوبیت­ها تغییر داده می­شوند. مقادیر هزینه­ها و مطلوبیت­ها با استفاده از اعداد تصادفی، توسط نرم افزار Excel تولید شده­اند. جدول این تغییرات و حل مدل­های مربوط به آن­ها در جدول زیر ارائه شده است.

  example1

   

  obval1

  obval2

  µ

  σ

  n

  m

  ex1-ob1

  5.45

  2.35

  0.20

  0.138306

  10

  5

  ex1-ob2

  11.56

  3.55

  ex1-lp

  5.54

  2.61

  example2

  ex2-ob1

  6

  2.69

  0.08

  0.201667

  12

  5

  ex2-ob2

  11

  3.55

  ex2-lp

  6.2

  3.26

  example3

  ex3-ob1

  5.42

  2.61

  0.25

  0.119136

  10

  4

  ex3-ob2

  11.83

  3.78

  ex3-lp

  5.42

  2.61

  example4

  ex4-ob1

  7.38

  2.5

  0.14

  0.083084

  14

  7

  ex4-ob2

  18.14

  3.46

  ex4-lp

  7.38

  2.5

  example5

  ex5-ob1

  5.45

  2.38

  0.25

  0.15003

  9

  4

  ex5-ob2

  11.3

  3.72

  ex5-lp

  5.81

  2.97

  example6

  ex6-ob1

  4.1

  0.89

  0.14

  0.082658

  8

  7

  ex6-ob2

  12.97

  2.03

  ex6-lp

  4.99

  1.34