فرمول بندی مسیر خرید مشتری در برنامه ریزی فضای قفسه: یک رویکرد بهینه سازی شبیه سازی

Elsevier
سال انتشار :
2016
تعداد صفحات مقاله انگلیسی :
12
نشریه :
الزویر
تعداد رفرنس ها :
24
نوع مقاله :
مقاله ISI
کراس مارک :
Crossmark
keywords :
Shelf space allocation Artificial intelligence Simulation-optimization Shopping path Imperialist competitive algorithm
کلمات کلیدی :
تخصیص فضای قفسه ، هوش مصنوعی، شبیه سازی بهینه سازی، مسیر خرید، الگوریتم رقابت امپریالیستی
عنوان فارسی :

فرمول بندی مسیر خرید مشتری در برنامه ریزی فضای قفسه: یک رویکرد بهینه سازی شبیه سازی

عنوان انگلیسی :

Formulation of customers’ shopping path in shelf space planning: A simulation-optimization approach

ژورنال :
Expert Systems with Applications
لینک مقاله :
http://www.sciencedirect.com/science/article/pii/S095741741600066X
آدرس DOI :
https://doi.org/10.1016/j.eswa.2016.01.043
وضعیت ترجمه :
انجام نشده.

سال انتشار : 2016

تعداد صفحات مقاله انگلیسی : 11

نشریه : الزویر

تعداد رفرنس ها : 24

نوع مقاله : مقاله ISI

کلمات کلیدی انگلیسی : Shelf space allocation Artificial intelligence Simulation-optimization Shopping path Imperialist competitive algorithm

کلمات کلیدی : تخصیص فضای قفسه ، هوش مصنوعی، شبیه سازی بهینه سازی، مسیر خرید، الگوریتم رقابت امپریالیستی

عنوان فارسی : فرمول بندی مسیر خرید مشتری در برنامه ریزی فضای قفسه: یک رویکرد بهینه سازی شبیه سازی

عنوان انگلیسی : Formulation of customers’ shopping path in shelf space planning: A simulation-optimization approach

لینک مقاله : http://www.sciencedirect.com/science/article/pii/S095741741600066X



چکیده انگلیسی
Numerous studies confirm that customers’ shopping behavior can highly be managed by many in-store factors such that retail managers try to systematically consider them in order to achieve a well-established solution for shelf-space allocation problem (SSAP). To assist them, we develop an approach based on two artificial intelligence techniques to facilitate well-designed shelf space management. We propose an iterative simulation-optimization approach that integrates customers’ shopping path in the potential demand and introduces it by simulation in the optimization. A profit-based integer programming is also presented that the related computer program, being able to solve small-sized instances, applies important factors including shelf level utility, attraction of store’ zones, allocated shelf space, number of product facings, and demand substitution effects. The problem is inherently a complex and large-sized problem; therefore, we develop two algorithms: GA and hybrid GA with imperialist competitive algorithm. The experimental results prove good performance of hybrid algorithm in terms of both the solution quality and computation time. By embedding this flexible and powerful framework in an expert tool, retail managers are capable of making effective decisions.

چکیده فارسی
مطالعات متعدد نشان می دهد که رفتار خرید مشتریان می تواند به شدت توسط بسیاری از عوامل در فروشگاه مدیریت شود، به طوری که مدیران خرده فروشی سعی می کنند آنها را به طور سیستماتیک در نظر بگیرند تا به یک راه حل صحیح برای حل مسئله تخصیص فضای قفل (SSAP) دست یابند. برای کمک به آنها، ما یک رویکرد مبتنی بر دو تکنیک هوش مصنوعی را برای تسهیل مدیریت فضای ذخیره سازی به خوبی طراحی می کنیم. ما یک رویکرد بهینه سازی شبیه سازی تکراری را پیشنهاد می کنیم که مسیر خرید مشتریان را در تقاضای بالقوه ادغام می کند و آن را با شبیه سازی در بهینه سازی معرفی می کند. برنامه ریزی عدد صحیح مبتنی بر سود نیز ارائه شده است که برنامه مربوط به آن، قادر به حل موارد کوچک، فاکتورهای مهم شامل ابزار سطح قفسه، نواحی جذب فروشگاه، فضای قفسه اختصاص داده شده، تعداد محصول نما و جایگزینی تقاضا را ارائه می دهد اثرات مشکل ذاتی یک مشکل پیچیده و بزرگ است؛ بنابراین، ما دو الگوریتم را توسعه می دهیم: GA و GA ترکیبی با الگوریتم رقابت امپریالیستی. نتایج تجربی عملکرد خوبی از الگوریتم ترکیبی را از نظر کیفیت و زمان محاسبات به دست می دهد. با جاسازی این چارچوب انعطاف پذیر و قدرتمند در ابزار متخصص، مدیران خرده فروشی قادر به تصمیم گیری موثر هستند.





مشاهده فایل pdf مقاله :