دانلود مقاله ISI انگلیسی شماره 88392
ترجمه فارسی عنوان مقاله

برنامه ریزی احتمالی پاسخگویی شبکه های خازنی عرضه شده در معرض خطرات ناشی از خرابی

عنوان انگلیسی
Responsive contingency planning of capacitated supply networks under disruption risks
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
88392 2017 25 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Transportation Research Part E: Logistics and Transportation Review, Volume 102, June 2017, Pages 13-37

ترجمه کلمات کلیدی
قطع، ممنوعیت غنی سازی برنامه ریزی احتمالی، سرعت پاسخ، پشتیبان ظرفیت بهینه سازی سه گانه، شمارش معکوس،
کلمات کلیدی انگلیسی
Disruption; Interdiction; Fortification; Contingency planning; Response speed; Capacity backup; Tri-level optimization; Implicit enumeration;
ترجمه چکیده
این مقاله یک مدل مناسب کاهش خطر را برای یک زنجیره تامین ظرفیتی که در معرض حملات پیش بینی شده بر امکانات قرار می گیرد، نشان می دهد. این یک رویکرد واحد برای برنامه ریزی احتمالی پاسخگویی و بهینه سازی حفاظت از تأسیسات عرضه شده با استفاده از چارچوب نظری بازی دفاع و دفاع است که شامل چندین سطح بهینه سازی است. پشتیبان گیری از ظرفیت های مداوم برای اولین بار در زمینه حفاظت تحت حملات عمدی در یک سیستم عرضه خازنی پیشنهاد شده است. الگوریتم جستجوی درختی بازگشتی برای حل مسئله بهینه سازی سه سطحی پیشنهاد شده است. کارایی محاسباتی الگوریتم نشان داده شده است و بینش مدیریتی ارائه شده است.
پیش نمایش مقاله
پیش نمایش مقاله  برنامه ریزی احتمالی پاسخگویی شبکه های خازنی عرضه شده در معرض خطرات ناشی از خرابی

چکیده انگلیسی

This paper prescribes an appropriate risk mitigation model for a capacitated supply chain subject to premeditated attacks on facilities. It presents a unified approach to responsive contingency planning and optimizing protection of supply facilities utilizing a game-theoretic framework of attack and defense which involves multi level optimization. Gradual capacity backups is proposed for the first time in the context of protection under intentional attacks in a capacitated supply system. A recursive tree search algorithm is proposed to solve the tri-level optimization problem. Computational efficiency of the algorithm is demonstrated and managerial insights are presented.