توسعۀ الگوریتم رتبه‌بندی صفحات در تحلیل شبکه‌های اجتماعی برای مکان‌یابی انبارهای عبوری
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 252
This Paper With 20 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JPOM-11-2_004
تاریخ نمایه سازی: 17 دی 1399
Abstract:
انبار عبوری، استراتژی‌ای در مدیریت لجستیک است که در آن، محصولات از یک یا چند تأمین‌کننده به‌طور مستقیم به مشتریان با حداقل زمان بارگیری و یا ذخیره‌سازی توزیع می‌شود. انبار عبوری، بیشتر از اینکه نقش ذخیره‌کننده داشته باشد، به‌عنوان هماهنگ‌کنندۀ موجودی‌ها عمل می‌کند. یکی از مسائل مهم در حوزۀ انبارهای عبوری، مکان‌یابی مناسب این انبارهاست. الگوریتم رتبه‌بندی صفحات در شبکه‌های اجتماعی، ازجمله روش‌هایی است که برای مکان‌یابی نقاط پرتردد در شبکۀ نقاط شهری استفاده شده است؛ با این حال، در کاربرد الگوریتم رتبه‌بندی صفحات در مسائل مکان‌یابی فقط به ملاک دسترسی مکان‌ها به سایر نقاط شبکه توجه شده است؛ در حالی که در احداث انبارهای عبوری، فاصلۀ این انبارها به‌صورت مستقیم و غیرمستقیم با توجه به یک‌طرفه‌بودن برخی مسیرها و متوسط نزدیکی این انبارها به‌طور کلی به همۀ نقاط شبکه نیز اهمیت بسیاری دارد؛ بنابراین، در این پژوهش کوشیده شده است مدل رتبه‌بندی صفحات در مسائل مکان‌یابی با لحاظ‌کردن فاصلۀ نقاط و در نظر گرفتن ماتریس مجاورت ارزشی و متوسط نزدیکی و دسترسی آنها به نقاط مختلف شبکه توسعه یابد. بدین‌منظور، از شاخص‌های رویکرد تحلیل شبکه‌های اجتماعی، مانند مرکزیت نزدیکی و مرکزیت بردار ویژه نیز برای توسعۀ مدل بهره گرفته شده است. درنهایت، مدل مکان‌یابی حداکثر پوشش در شبکه با لحاظ‌کردن خروجی الگوریتم توسعه‌یافتۀ رتبه‌بندی صفحات به‌عنوان ورودی مدل ایجاد و برای یک نمونۀ کاربردی حل شده است.
Keywords:
Authors
مهناز حسین زاده
استادیار گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران
خیرالنساء غفاری دلارستاقی
کارشناس ارشد گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران
منصور مومنی
استاد گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :