| تعداد نشریات | 61 |
| تعداد شمارهها | 2,212 |
| تعداد مقالات | 18,019 |
| تعداد مشاهده مقاله | 55,510,901 |
| تعداد دریافت فایل اصل مقاله | 28,959,097 |
ارائه مدلی یکپارچه برای انتخاب سبد پروژه و سرمایه گذاری در منابع با هدف بیشینه سازی ارزش خالص فعلی و حل آن توسط الگوریتم ژنتیک | ||
| مطالعات مدیریت صنعتی | ||
| مقاله 3، دوره 14، شماره 42، مهر 1395، صفحه 61-121 اصل مقاله (1.18 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22054/jims.2016.5708 | ||
| نویسندگان | ||
| حمید رضا شهابی فرد1؛ بهروز افشار نجفی2 | ||
| 1کارشناسی ارشد دانشگاه علوم و تحقیقات دانشگاه آزاد اسلامی | ||
| 2دانشیار دانشکده مهندسی صنایع و مکانیک دانشگاه ازاد اسلامی قزوین | ||
| چکیده | ||
| در این مقاله، یک مدل بهینه سازی جهت انتخاب بهترین سبد پروژه از بین پروژههای موجود، بهترین سطح استخدام منابع، سپس زمانبندی پروژههای انتخاب شده جهت بیشینه کردن ارزش خالص فعلی با رعایت محدودیتها ارائه شده است. چون مدل توسعه یافته در زمره مسایل سخت از نظر محاسباتی قرار دارد، لذا برای حل این مساله یک الگوریتم فراابتکاری بر مبنای الگوریتم ژنتیک پیشنهاد شده است. در الگوریتم حل پیشنهادی علاوه بر کاربرد عملگرهای معمول ژنتیک مانند تقاطع و جهش از عملگرهایی هوشمند جهت جستجوی محلی در حوزه منابع و جابجایی فعالیتهای با جریان مالی منفی استفاده شده است. پارامترهای کلیدی الگوریتم در راستای تسریع همگرایی آن با استفاده از روش تاگوچی تنظیم شده است. سپس تعداد 90 مساله آزمایشی، شامل 30 مساله در ابعاد کوچک، 30 مساله در ابعاد متوسط و 30 مساله در ابعاد بزرگ با استفاده از روش پیشنهادی حل شده وکارایی آن گزارش شده است. همچنین در مسائل سایز کوچک جوابهای حاصل از الگوریتم ژنتیک با جوابهای بهینه موضعی مدل ریاضی بدست آمده با نرمافزار لینگو مقایسه شده، که میانگین جوابهای حاصل از الگوریتم ژنتیک بهتر از جوابهای بهینه موضعی حاصل از لینگو بوده است. در مسائل سایز متوسط و بزرگ که هیچ جوابی با استفاده از لینگو در زمان محدود شده بدست نیامده بود، نتایج نشان میدهد که جوابهای حاصل از الگوریتن پیشنهادی دارای پایداری مناسب میباشند. | ||
| کلیدواژهها | ||
| انتخاب سبد پروژه؛ زمانبندی پروژه؛ الگوریتم ژنتیک؛ سرمایه گذاری در منابع؛ ارزش خالص فعلی | ||
| مراجع | ||
|
C.L. Hwang, F.A. Tillman, W.K. Wei and C.H. Lie. Optimal schedule maintenance policy based on multiple-criteria decision-making. IEEE transaction on reliability, Vol. R-28, No 5, 1979; 394-397. M. Sakawa. Multi-objective optimization by the surrogate worth trade-off method. IEEE Transaction on reliability, Vol. 27, No 5, 1978; 311-314. T. Inagaki, K. Inoue and H. Akashi. Interactive optimization of system reliability under multiple objectives. IEEE Transaction on reliability,Vol.R-27, NO 4 1978;264-267. M.Sakawa. Multi-objective reliability and redundancy optimization of a seies-parallel system by the surrogate worth trade-off method. Microelectronic and Reliability, Vol.17,No 4, 1978;465-467. Y.Nakagawa. Studies on optimal design of high reliability system single and multiple objective nonlinear integer programming. Ph.D.thesis Kyoto university. 1978. M.Sakawa. Optimal reliability-design of a series-parallel system by a large-scale multi-objective optimization method. IEEE Transaction on Reliability, Vol.R-30 1981; 173-174. M.Sakawa. Interactive multi-objective optimization by Sequential Proxy Optimization Technique (SPOT). IEEE Transaction on Reliability, Vol.R-31, 1982;461-464. K.B.Misra and U.Sharma. An efficient approach for multiple criteria redundancy optimization problems. Microelectronic and Reliability, Vol.31,No 2-3, 1991; 285-294. K.B.Misra and U.Sharma. Multi-criteria optimization for combined reliability and redundancy allocation in systems employing mixed redundancies. Microelectronic and Reliability, Vol.31, 1991;323-335. A. K. Dhingra. Optimal apportionment of reliability and redundancy in series systems under multiple objectives. IEEE Transaction on Reliability, Vol.41,No 4, 1992;576-582. M.Sasaki, M.Gen and M.Ida. A method for solving reliability optimization problem by fuzzy multi-objective 0-1 linear programming. … 119 Electronics and Communications in Japan Part II: Fundamental Electronic Science 1992; 106-116. G.S.Mahaparta, T.K.Roy. Fuzzy multi-objective mathematical programming on reliability optimization model. Applied Mathematics and Computing, Vol. 174, No 1, 2006;643-659 Daniel Salazar, Claudio M.Rocco, Blas j.Galvan. Optimization of constrained multiple-objective reliability problems using evolutionary algorithms. Reliability engineering and system safety, Vol.91, No 9, 2006;1057-1070. Zhigang tian, Ming j zuo. Redundancy allocation for multi-state systems using physical programming and genetic algorithms. Reliability engineering and system safety, Vol.91, No 9, 2006;1049-1056. David.W.Coit and Abdullah konak. Multiple weighted objectives heuristic for the redundancy allocation problem. IEEE transaction on reliability, Vol.55,No 3, 2006;551-558 Jian-jua zhao, Zhaoheng liu, My-thein dao. Reliability optimization using multi-objective ant colony system approaches. Reliability engineering and system safety, Vol.92, No 1, 2007;109-120. Tavakkoli-Moghaddam, R., Safari J. and Sassani, F., Reliability optimization of series-parallel systems with a choice of redundancy strategies using a genetic algorithm, Reliability Engineering and System Safety, Vol. 93, No 4, 2008; 550-556. Sadjadi, S.J and Soltani, R. An efficient heuristic versus a robust hybrid meta-heuristic for general framework of serial-parallel redundancy problem. Reliability engineering and system safety, Vol.94, No 11, 2009;1703-1710. Amir azaron, Cahit perkgoz, Hideki Katagiri, Kouske Kato, Masatoshi Sakawa. Multi-objective reliability optimization for dissimilar-unitcold-standby system using a genetic algorithm. Computers & operation research Vol.36,No 5, 2009;1562-1571. Zai Wang, Tianshi Chen. Ke Tang, Xin Yao.A multi-objective Approach to redundancy allocation problem in parallel-series systems. IEEE transaction 2009;582-589. Zhaojun Li,Haitao Liao,David W.Coit. A two-stage approach for solving multi-objective decision making with applications to system reliability optimization. Reliability engineering and system safety Vol.94, No 10, 2009;1585-1592. Yun-chia liamg and Min-Hua Lo. Multi-objective redundancy allocation optimization using a variable neighborhood search algorithm. J heuristic Vol.16, No 3, 2010;511-535. E.Zio and R.Bazzo. Level diagrams analysis of Pareto front for multiobjective system redundancy allocation. Reliability engineering and system safety, Vol.96,No 5, 2011;569-580. Banu soylu,selda kapan ulusoy. A preference ordered classification for a multi-objective max-min redundancy allocation problem. Computers & Operation Research Vol.38 , No 12, 2011; 1855-1866. Isis Didier lins and Enrique Lopez Droguett.Redundancy allocation problems considering systems with imperfect repairs using multiobjective genetic algorithms and discrete event simulation. Simulation modeling practice and theory,Vol.19,No 1, 2011;362-381. Laxminarayan Sahoo, Asoke Kumar Bhunia, Parmad Kumar Kapur. Genetic algorithm based multi-objective reliability optimization in interval environment. Computers & Industrial Engineering, Vol. 62, No 1, 2012;152–160. Sajadi, S.J and Soltani, R. Alternative design redundancy allocation using an efficient heuristic and a honey bee mating algorithm. Expert Systems with Applications, Vol. 39, No 1 ,2012;990-999. Chambari, A., Rahmati, S.H,. Najafi, A.A and Karimi, A,. A biobjective model to optimize reliability and cost of system with a choice of redundancy strategies, Computers & Industrial Engineering, Vol. 63, No 1, 2012; 109-119 Safaei, N., Tavakkoli-Moghaddam, R. and Corey Kiassat., Annealing-based particle swarm optimization to solve the redundant reliability, Applied Soft Computing. Vol. 12, No 11,2012; 3462-3471. Chern MS. On the computational complexity of reliability redundancy allocation in a series system. Oper Res Lett Vol.11, No 5,1992; 309–315. E. Atashpas-Gargari, C. Lucas, Colonial competitive algorithm. E Congress on Evolutionary Computation, 2007. 4661- 4667. Deb, K., Pratap, A.,Agrawal, S., and Meyarivan, T. A fast and elitist multi-objective genetic algorithm:NSGA-II.IEEE Transaction on Evolutionary Computation, Vol.6, No 2 ,2002- 182-197. Knowels,J.D., and corne, D.W.(1999). The Pareto archived evolution strategy: A new baseline algorithm for Pareto multi-objective optimization. In congress on Evolutionary Computation(CEC99), Volume 1,Piscataway,NJ, 98-105.IEEE Press. Corne, D.W., Knowles, J.D., and Oates, M.J.(2000). The Pareto envelope-based selection algorithm for multi objective optimization. In : M.S. et al.(Ed.), Parallel problem solving from Nature-PPSN VI, Berlin, 839-848. Springer. Tavakkoli-Moghaddam, R., Azarkish, M. and Sadeghnejad A., Solving a multi-objective job shop scheduling problem with sequencedependent setup times by a Pareto archive PSO combined with genetic operators and VNS, Int. J. of Advanced Manufacturing Technology, Vol. 53,No 5-8, 2011; 733–750 | ||
|
آمار تعداد مشاهده مقاله: 2,049 تعداد دریافت فایل اصل مقاله: 1,924 |
||