چکیده: چکیده مسئله وبر چند منبعی به‌عنوان یکی از چالش‌های بنیادین در علم مکان‌ یابی تسهیلات و بهینه‌ سازی پیوسته، به دلیل ماهیت غیرمحدب، ناهموار و NP-سخت خود، همواره محل تلاقی دو سنت روش‌شناختی مجزا بوده است: روش‌های حل دقیق با تضمین بهینگی اما مقیاس‌پذیری محدود، و روش‌های حل تقریبی با کارایی عملی اما فقدان تضمین کیفیت جواب. هدف اصلی این پژوهش، بررسی نظام‌ مند و تطبیقی این دو دسته از روش‌ها در چارچوبی تحلیلی یکپارچه و ارائه رهنمودهایی عملی برای انتخاب روش حل متناسب با ویژگی‌های مسئله است. بدین منظور، سه روش حل دقیق ، فرمول‌ بندی برنامه‌ریزی آمیخته با عددصحیح، شاخه‌وحد، و مربع بزرگ-مربع کوچک، و پنج روش حل تقریبی ، الگوریتم متناوب مکان‌ یابی-تخصیص، ویزفلد تعمیم ‌یافته، روش مبتنی بر جهت‌های متناوب ضرایب لاگرانژ، الگوریتم پیشرفته مبتنی بر سلول، و جستجوی همسایگی متغیر، بر روی نمونه‌ مسائل مصنوعی و معیار با تعداد نقاط تقاضا از ۱۰ تا ۱۰۰۰ و تعداد تسهیلات از ۲ تا ۲۰ پیاده‌سازی و ارزیابی شده اند. یافته‌ها نشان می‌دهد که روش‌های دقیق تنها برای مسائل کوچک (n≤50, p≤5) قابل اجرا هستند و با افزایش ابعاد، به دلیل رشد نمایی زمان و حافظه، عملاً از کار می‌افتند. در میان روش‌های تقریبی، الگوریتم جستجوی همسایگی متغیر با شکاف بهینگی کمتر از ۱.۲٪ در مسائل بزرگ، بالاترین کیفیت جواب را ارائه می‌دهد و الگوریتم پیشرفته مبتنی بر سلول بهترین مقیاس‌پذیری را برای مسائل بسیار بزرگ (n>1000) نشان می‌دهد. تحلیل آماری تفاوت‌های معنی‌دار بین عملکرد روش‌ها را تأیید می‌کند.