en مدل بهینه سازی تصادفی برای طراحی زنجیره امداد بشردوستانه با در نظر گرفتن ریسک عملیاتی و اختلال <div style="text-align: justify;">با توجه به افزایش تعداد بلایای طبیعی مانند زلزله و سیل و بلایای غیرطبیعی مانند جنگ و حملات تروریستی، زنجیره امداد بشردوستانه (HRC) مورد توجه اکثر کشورها قرار گرفته است. لذا هدف این مطالعه کمک به زنجیره‌های امداد بشردوستانه در شرایط عدم اطمینان است. در این مقاله، ما به یک مشکل طراحی شبکه لجستیک بشردوستانه شامل مراکز توزیع محلی (LDC) و انبارهای مرکزی چندگانه (CWs) پرداخته و یک رویکرد برنامه‌ریزی تصادفی مبتنی بر سناریو (SBSP) را توسعه می‌دهیم. همچنین عدم قطعیت مرتبط با اطلاعات تقاضا و عرضه و همچنین در دسترس بودن سطح مسیرهای شبکه حمل و نقل پس از وقوع زلزله با استفاده از بهینه سازی تصادفی در نظر گرفته شد. در حالی که مدل پیشنهادی تلاش می‌کند تا کل هزینه‌های زنجیره امداد را به حداقل برساند، به طور ضمنی حداکثر زمان سفر بین هر جفت نقطه امداد و تقاضای اقلام را به حداقل می‌رساند. علاوه بر این، برای حل مدل پیشنهادی از روش دقیقی به نام ɛ-محدودیت در ابعاد پایین همراه با برخی از الگوریتم‌های تکاملی شناخته شده استفاده گردید. برای دستیابی به عملکرد خوب، پارامترهای این الگوریتم ها با استفاده از روش تاگوچی تنظیم شد و الگوریتم‌های پیشنهادی با استفاده از چهار معیار چندهدفه و روش آماری مقایسه گردید . بر اساس نتایج ، نشان داده شد که NSGA-II از نظر زمان SNS و CPU عملکرد بهتری را نشان می‌دهد، در حالی که برای NPS و MID، MRGA عملکرد بهتری دارد.&nbsp;</div> <div style="text-align: justify;">Due to the increasing the number of natural disasters such as earthquakes and floods and unnatural disasters such as war and terrorist attacks, Humanitarian Relief Chain (HRC) is taken into consideration of most countries. Besides, this paper aims to contribute humanitarian relief chains under uncertainty. In this paper, we address a humanitarian logistics network design problem including local distribution centers (LDCs) and multiple central warehouses (CWs) and develop a scenario-based stochastic programming (SBSP) approach. Also, the uncertainty associated with demand and supply information as well as the availability of the transportation network&#39;s routes level after an earthquake are considered by employing stochastic optimization. While the proposed model attempts to minimize the total costs of the relief chain, it implicitly minimizes the maximum travel time between each pair of facility and the demand point of the items. Additionally, a data set derived from a real disaster case study in the Iran area, and to solve the proposed model a exact method called ɛ-constraint in low dimension along with some well-known evolutionary algorithms are applied. Also, to achieve good performance, the parameters of these algorithms are tuned by using Taguchi method. In addition, the proposed algorithms are compared via four multiobjective metrics and statistically method. Based on the results it was shown that: NSGA-II shows better performances in terms of SNS and CPU time, meanwhile, for NPS and MID, MRGA has better performances. Finally, some comments for future researches are suggested.</div> زنجیره تامین بشردوستانه, برنامه ریزی تصادفی, الگوریتم های تکاملی, خطر اختلال Humanitarian supply chain, Stochastic programming, Evolutionary algorithms, Disruption risk 1 16 http://sjamao.srpub.org/browse.php?a_code=A-10-1-12&slc_lang=en&sid=7 Sara Modarres سارا مدرس 1003194753284600499 1003194753284600499 No Mazandaran University of Science & Technology, Mazandaran, Babol , Iran. دانشگاه علم و صنعت مازندران، مازندران، بابل، ایران. Nikbakhsh Javadian نیکبخش جوادبان javadiann@gmail.com 1003194753284600500 1003194753284600500 Yes Mazandaran University of Science & Technology, Mazandaran, Babol , Iran. دانشگاه علم و صنعت مازندران، مازندران، بابل، ایران.