This paper introduces an economic disposal and lot-sizing problem (EDLSP) for perishable inventories, it is a new version of an economic lot-sizing problem (ELSP). The classic ELSP aims to determine the production-inventory strategy such that the sum of holding, production, and setup costs is minimized. In the proposed EDLSP, the optimal disposal strategy, as well as the optimal production-inventory strategy, is determined for perishable inventories. Disposal strategy determines how many and when corrupt items should be removed from the stock. In the new model, the unit holding cost depends on the volume of the corrupt inventories that exist in the stock. To closely reflect reality, the model considers fixed and variable disposal costs that represent the costs of removing the corrupt inventories from the warehouse. As a generalized form of the classic lot-sizing problem with the setup cost, the EDLSP is an NP-complete problem. Therefore, two meta-heuristic algorithms, namely Binary Dragonfly Algorithm (BDA) and Genetic Algorithm (GA), are proposed to solve the model. The Taguchi method is also applied to calibrate the meta-heuristics. Then, the performance of these algorithms is evaluated on a set of test problems. The obtained results indicate that both meta-heuristics have a good performance in solving small-sized problems. However, the GA has a better performance than the BDA for medium- and large-sized problems. Furthermore, a sensitivity analysis of key parameters is done to determine the model specifications and to present some managerial insights.

本文介绍了易腐烂库存的经济处置和批量大小问题（EDLSP），它是经济批量大小问题（ELSP）的新版本。经典的 ELSP 旨在确定生产库存策略，以使持有、生产和设置成本的总和最小化。在提议的 EDLSP 中，最佳处置策略以及最佳生产库存策略是为易腐烂库存确定的。处置策略决定了应从库存中移除损坏物品的数量和时间。在新模型中，单位持有成本取决于存货中存在的腐败存货的数量。为了密切反映现实，该模型考虑了固定和可变处置成本，这些成本代表了从仓库中清除腐败库存的成本。作为具有设置成本的经典批量大小问题的广义形式，EDLSP 是一个 NP 完全问题。因此，提出了两种元启发式算法，即二进制蜻蜓算法（BDA）和遗传算法（GA）来求解模型。田口方法也用于校准元启发式。然后，在一组测试问题上评估这些算法的性能。得到的结果表明，这两种元启发式算法在解决小规模问题方面都具有良好的性能。然而，对于中大型问题，GA 比 BDA 具有更好的性能。此外，还对关键参数进行了敏感性分析，以确定模型规格并提出一些管理见解。提出了两种元启发式算法，即二进制蜻蜓算法（BDA）和遗传算法（GA）来求解模型。田口方法也用于校准元启发式。然后，在一组测试问题上评估这些算法的性能。得到的结果表明，这两种元启发式算法在解决小规模问题方面都具有良好的性能。然而，对于中大型问题，GA 比 BDA 具有更好的性能。此外，还对关键参数进行了敏感性分析，以确定模型规格并提出一些管理见解。提出了两种元启发式算法，即二进制蜻蜓算法（BDA）和遗传算法（GA）来求解模型。田口方法也用于校准元启发式。然后，在一组测试问题上评估这些算法的性能。得到的结果表明，这两种元启发式算法在解决小规模问题方面都有很好的性能。然而，对于中大型问题，GA 比 BDA 具有更好的性能。此外，还对关键参数进行了敏感性分析，以确定模型规格并提出一些管理见解。这些算法的性能在一组测试问题上进行评估。得到的结果表明，这两种元启发式算法在解决小规模问题方面都具有良好的性能。然而，对于中大型问题，GA 比 BDA 具有更好的性能。此外，还对关键参数进行了敏感性分析，以确定模型规格并提出一些管理见解。这些算法的性能在一组测试问题上进行评估。得到的结果表明，这两种元启发式算法在解决小规模问题方面都具有良好的性能。然而，对于中大型问题，GA 比 BDA 具有更好的性能。此外，还对关键参数进行了敏感性分析，以确定模型规格并提出一些管理见解。