Lojistik yönetimi, özellikle ticaretin küreselleşmesi ve endüstriyel döngülerin hızlandığı bir ekonomik ortamda, ekonomik rekabet gücü, zaman ve hizmet kalitesi açısından hedeflerine ulaşmak isteyen herhangi bir şirket için stratejik bir konu haline gelmiştir. Bu gelişmeler, teknolojik alt yapıların gelişmesi, ticaret akışlarının artan karmaşıklığı, artan rekabet ve sürdürülebilir kalkınmadan kaynaklanan ekonomi eğilimlerden etkilenmiştir. Bu nedenle lojistik ağların tasarımı ve planlaması hem işletmeler hem de araştırmacılar için giderek daha önemli hale gelmiştir. Bu çalışmada, gönderilerin üreticilerin bulunduğu şehirlerden perakendecilerin bulunduğu şehirlere, doğrudan veya yerleri model tarafından belirlenecek olan bir dizi dağıtım merkezi aracılığıyla dağıtıldığı bir deterministik model oluşturulmuştur. Her varış şehrine sadece bir dağıtım merkezi atanırken, her dağıtım merkezi birden fazla varış şehrine hizmet verebilmektedir. Model, dağıtım merkezlerinin nereye yerleştirileceğine karar vermekte ve lojistik işletme maliyetini en aza indirmeyi amaçlamaktadır. Model, her bir dağıtım merkezi için kapasite kısıtını dikkate almaktadır. Problemi çözmek için genetik algoritma tabanlı bir yöntem geliştirilmiştir. Genetik algoritma modeli Python dili ile kodlanmıştır. Genetik algoritma çözümü, Genel Cebirsel Modelleme Sistemi (GAMS) tarafından elde edilen optimal çözümle karşılaştırılarak küçük boyutlu problemler üzerinde doğrulanmıştır.
Logistics management has become a critical part of any company that wants to achieve its goals through capacity, time, and service quality in a financial environment. These improvements have been influenced by economic tendencies stemming from the development of technological infrastructures and an increasing complication of commerce flows. Therefore, the design of logistics networks has become an important issue for both businesses and researchers. In this study, a deterministic model is created in which the shipments are distributed from origin cities to destination cities, either directly or through distribution centers whose locations will be determined by the model. While only one distribution center is assigned to each destination city, each distribution center can serve more than one destination city. The model decides where distribution centers will be located and aims to minimize logistics operating cost. The model considers capacity constraint for each distribution center. A genetic algorithmbased method has been developed to solve the problem. The genetic algorithm model is coded in Python. The genetic algorithm solution is validated on small-sized problems by comparing it with optimal solution obtained by the General Algebraic Modeling System (GAMS).
