تحلیل پوششی داده ها
مجید یاراحمدی؛ سعیده ساکی نیا
چکیده
هدف: در این مقاله، روشی هوشمند برای بهکارگیری تحلیل پوششی دادهها (DEA) در طراحی زنجیره تامین پایدار ارایه میشود.
روششناسی پژوهش: برای این منظور، در روش پیشنهادی، برای غیرفازیسازی مدل خطیشده ERM ، از تکنیک α- برش استفاده میشود. سپس، برای اندازهگیری بهرهوری در محیط نامعین با α- سطحهای مختلف، از الگوریتم ژنتیک برای یافتن ...
بیشتر
هدف: در این مقاله، روشی هوشمند برای بهکارگیری تحلیل پوششی دادهها (DEA) در طراحی زنجیره تامین پایدار ارایه میشود.
روششناسی پژوهش: برای این منظور، در روش پیشنهادی، برای غیرفازیسازی مدل خطیشده ERM ، از تکنیک α- برش استفاده میشود. سپس، برای اندازهگیری بهرهوری در محیط نامعین با α- سطحهای مختلف، از الگوریتم ژنتیک برای یافتن α– برش بهینه استفاده میشود و با جایگزینی α- برش بهینه در مدل پیشنهادی، یک مدل تحلیل پوششی دادههای هوشمند برای رتبهبندی شرکتهای تامینکننده طراحیمیشود.
یافتهها: یک مدل جدید تحلیل پوششی دادههای فازی ژنتیکی برای ارزیابی بهرهوری تامینکنندگان در زنجیره تامین پایدار ارایه میشود.
اصالت/ارزش افزوده علمی: در روش پیشنهادی این مقاله، چون α- برش به دست آمده از الگوریتم ژنتیک، بهینهترین α-برش میباشد، دیگر نیازی به محاسبه بهرهوری به ازای α- برشهای مختلف بهصورت سعیوخطا نیست. پس یکی دیگر از مزیتهای روش جدید این است که علاوه بر بهرهوری بیشتر برای هر تامینکننده، رتبهبندی پایدارتری نیز خواهیم داشت. مثال ارایهشده در این مقاله، برتری روش و مزیتهای مدل پیشنهادی را نشان میدهد.
مدلسازی ریاضی/ تصادفی/ پویا/احتمالی/فازی
محمد ساویز اسدی لاری؛ مریم عباس قربانی؛ رضا توکلی مقدم
چکیده
هدف: طی دهههای پیشین، صنعت هتلداری در سطح بینالمللی به صنعتی رقابتی مبدل شده است که کشورها جهت کسب حداکثر درآمد حاصل از آن، متمایل به بهکارگیری مدلهای توسعه داده شده، تکنیکهای جدید و ارایه نوآوریها شدهاند. به همین سبب توجه به چگونگی مدیریت درآمد هتلها و از سویی دیگر مدیریت هزینههای سفر و حملونقل مسافر و بهکارگیری ...
بیشتر
هدف: طی دهههای پیشین، صنعت هتلداری در سطح بینالمللی به صنعتی رقابتی مبدل شده است که کشورها جهت کسب حداکثر درآمد حاصل از آن، متمایل به بهکارگیری مدلهای توسعه داده شده، تکنیکهای جدید و ارایه نوآوریها شدهاند. به همین سبب توجه به چگونگی مدیریت درآمد هتلها و از سویی دیگر مدیریت هزینههای سفر و حملونقل مسافر و بهکارگیری مدلسازیهای سازگار با این حوزه جهت بهینهسازی در دستیابی به اهداف ضرورت دارد.روششناسی پژوهش: در این پژوهش، طرح مسایل در خصوص بهینهسازی مدیریت درآمد هتلها، مدیریت هزینه مسافران و واکاوی چگونگی توسیع حملونقل استفادهشده توسط آنها صورتگرفته است. پیشبینی چگونگی حملونقل مسافر و انتخاب نوع آن باتوجهبه حالتهای مختلف سفر چون هوایی، ریلی، آبی و جادهای مبتنی بر میزان بودجه مسافر از مسایل شاخص موردمطالعه است.یافتهها: در مدلسازیهای انجامشده عوامل و معیارهای موثر بسیاری لحاظ شده است و میزان ظرفیت پذیرش هتلها در شهرهای منتخب مسافران و ارایه انواع اتاقها با قیمتگذاریهای مختلف و بررسی عناصر وابسته به خدمات ارایه شده برای مسافر توسط هتل و دسترسیهای مختلف هتل که مبتنی بر مدل درآمد هتلهاست، تاثیر به سزایی در برآورد وضعیت عوامل رقابتی هتلها دارد. به جهت پیشبینیهای مدنظر سطح تقاضای انواع مسافران جهت رزرو هتل طی دورههای مختلف زمانی در فصول متفاوت گردشگری بر اساس بودجه تخصیصدادهشده توسط مسافر برای پرداخت هزینهها در طی الگوی سفر و نتایج مرتبط مستخرج از مدل درآمدی برآورد شده و عوامل تاثیرگذار در انتخاب هتل و حملونقل و چگونگی سفر شناسایی شده است.اصالت/ارزش افزوده علمی: طرح مسایل NP-Hard در پژوهش حاضر سبب شده است تا در ابعاد کوچک از استراتژیهای دقیق و در ابعاد متوسط و بزرگ از الگوریتمهای فراابتکاری NSGA-II و MOPSO جهت حل بهره گرفته شود. نتایج مستخرج از محاسبات صورتگرفته حاکی از آن است که الگوریتمهای پیشنهادی روش کارا و مناسبی برای حل مسایل بوده است.
مدلهای زمانبندی
پرهام صوفی؛ مهدی یزدانی؛ مقصود امیری؛ محمد امین ادیبی
چکیده
هدف: یکی از مهمترین مسایل حوزه زمانبندی تولید که اخیرا بسیار موردتوجه محققان قرار گرفته است، مساله زمانبندی کار کارگاهی منعطف با منابع دوگانه محدود انسان و ماشین (DRCFJSP)است. برای مقابله با اختلالهای غیرمنتظره مانند خرابی ماشین، باید برنامه زمانبندی کارها استوار باشد تا در صورت وقوع اختلال، برنامه زمانی دارای کارایی مناسبی ...
بیشتر
هدف: یکی از مهمترین مسایل حوزه زمانبندی تولید که اخیرا بسیار موردتوجه محققان قرار گرفته است، مساله زمانبندی کار کارگاهی منعطف با منابع دوگانه محدود انسان و ماشین (DRCFJSP)است. برای مقابله با اختلالهای غیرمنتظره مانند خرابی ماشین، باید برنامه زمانبندی کارها استوار باشد تا در صورت وقوع اختلال، برنامه زمانی دارای کارایی مناسبی باشد و از راهحل بهینه انحراف کمتری داشته باشد. لذا در این تحقیق، مساله زمانبندی کار کارگاهی منعطف با منابع دوگانه محدود انسان و ماشین با در نظر گرفتن سناریوهای محتمل خرابی ماشینها یا اختلال در کارگاه موردمطالعه قرار میگیرد.روششناسی پژوهش: در حل مساله موردمطالعه، نحوه واگذاری مارها به ماشینها و توالی عملیات بر روی هر ماشین باید بهگونهای صورت پذیرد که تحت هر سناریوی محتمل، حداکثر زمان تکمیل کارها کمینه شود تا ترکیب وزنی مربوط به عملکرد سیستم در حالت متوسط، عملکرد سیستم در حالت بدبینانه، جریمه نقض قیود پنجرههای زمانی موعدهای تحویل کارها و واریانس مقدار تابع هدف با توجه به سناریوهای مختلف بهینه باشد. به این منظور یک مدل برنامهریزی تصادفی سناریو محور استوار (RSSP) در قالب یک مدل برنامهریزی خطی عدد صحیح مختلط برای این مساله ارایه گردیده است و بهمنظور اعتبارسنجی در ابعاد کوچک و متوسط بهوسیله نرمافزار گمز حل شده است. با توجه به Np-hard بودن این مساله، یک روش فراابتکاری مبتنی بر الگوریتم ژنتیک (GA) برای حل مسایل در ابعاد بزرگ ارایه شده است. همچنین، نتایج یک مطالعه موردی در شرکت البرز یدک مرتبط با مساله تحقیق در مقاله گزارش شده است.یافتهها: نتایج اجرای مدل RSSP پیشنهادی نشان میدهد که نرم افزار گمز قادر است که مسایل مذکور تا ابعاد متوسط را در یک زمان قابل قبول حل کند و به یک پاسخ کنترل شده و استوار دست یابد. همچنین نتایج عددی نشاندهنده عملکرد مناسب الگوریتم GA پیشنهادی به عنوان یک گزینه برای حل مدل RSSP در مسایل با اندازه بزرگ است.اصالت/ارزش افزوده علمی: در این تحقیق، مساله DRCFJSP با در نظر گرفتن سناریوهای محتمل خرابی ماشینها مورد مطالعه قرار می گیرد. همچنین در این مقاله یک مدل برنامهریزی تصادفی سناریومحور استوار (RSSP) در قالب قاعده برنامهریزی خطی عدد صحیح مختلط و یک روش فراابتکاری برای مساله مورد نظر ارایه گردیده است.
مدلهای مکانیابی
منا علیزاده فیروزی؛ وحید کیانی؛ حسین کریمی
چکیده
هدف: هدف این مقاله ارائه یک الگوریتم ژنتیک بهبودیافته برای حل مسئله مکانیابی بدون ظرفیت هاب با تخصیص تکی است. روشهای پیشین حل مسئله کمتر به گوناگونی جوابها در جمعیت توجه داشتهاند و به دلیل عدم تنوع کافی در عملگرهای جهش تنها در برخی اجراها عملکرد مطلوبی دارند و در سایر اجراها در بهینه محلی گرفتار میشوند.روششناسی پژوهش: روش ...
بیشتر
هدف: هدف این مقاله ارائه یک الگوریتم ژنتیک بهبودیافته برای حل مسئله مکانیابی بدون ظرفیت هاب با تخصیص تکی است. روشهای پیشین حل مسئله کمتر به گوناگونی جوابها در جمعیت توجه داشتهاند و به دلیل عدم تنوع کافی در عملگرهای جهش تنها در برخی اجراها عملکرد مطلوبی دارند و در سایر اجراها در بهینه محلی گرفتار میشوند.روششناسی پژوهش: روش پیشنهادی از عملگرهای ژنتیک مناسب برای افزایش گوناگونی جمعیت و از جستجوی همسایگی محلی در اطراف بهترین جواب برای افزایش سرعت همگرایی استفاده میکند. استفاده از عملگرهای جهش هاب در کنار عملگرهای جهش تخصیص در الگوریتم پیشنهادی باعث کاوش بهتر فضای جستجو، افزایش کارایی و دستیابی به جواب بهینه در اکثر اجراها در مسائل با اندازه بزرگ شد. همچنین، جستجوی همسایگی محلی در اطراف بهترین جواب، باعث همگرایی سریعتر روش پیشنهادی شد و زمان حل مسئله را درمجموع برای مسائل بزرگ کاهش داد.یافتهها: ارزیابی روش پیشنهادی و الگوریتم پایه روی مجموعه داده پست استرالیا (AP) نشان داد که بهبودهای انجامشده ضمن حفظ سرعت اجرا، کارایی الگوریتم ژنتیک را در دستیابی به جواب بهینه برای مسائلی به بزرگی 200 گره از %2 به بیش از %85 افزایش میدهد.اصالت/ارزش افزوده علمی: این مطالعه نشان داد که الگوریتمهای فرا ابتکاری و نسخههای بهبودیافته آنها میتوانند روشهای مناسبی برای حل انواع مسائل مکانیابی هاب در زمان کوتاه و محدود باشند
الگوریتمهای فراابتکاری
محمدرضا اعتباری؛ ناصر فقهی فرهمند؛ سلیمان ایران زاده
چکیده
هدف: عدم توانایی بانکها در اعتبارسنجی و ارزیابی مالی مشتریان و پیشبینی دقیق ریسک اعتباری تسهیلات گیرندگان، تاثیرات مخربی بر سیستم مالی جهانی و فعالیتهای اقتصادی داشته و از اصلیترین دلایل بحرانهای مالی جهانی در سالهای اخیر بودهاند. هدف این تحقیق، تدوین مدل پیشبینی اعتباری مشتریان حقوقی بانکهای خصوصی با بهرهگیری ...
بیشتر
هدف: عدم توانایی بانکها در اعتبارسنجی و ارزیابی مالی مشتریان و پیشبینی دقیق ریسک اعتباری تسهیلات گیرندگان، تاثیرات مخربی بر سیستم مالی جهانی و فعالیتهای اقتصادی داشته و از اصلیترین دلایل بحرانهای مالی جهانی در سالهای اخیر بودهاند. هدف این تحقیق، تدوین مدل پیشبینی اعتباری مشتریان حقوقی بانکهای خصوصی با بهرهگیری از الگوریتمهای فراابتکاری در شعبههای بانک پاسارگاد شمال غرب کشور بوده است.روششناسی پژوهش: این تحقیق براساس هدف پژوهش، توسعهای و براساس روش انجام کار توصیفی میباشد. جامعه آماری این تحقیق را دو بخش خبرگان و مدیران بانکی استان آذربایجانشرقی و مشتریان حقوقی بانک پاسارگاد در شمالغرب کشور تشکیل میدهند. حجم نمونه آماری برای جامعه اول، 58 خبره بانکی استان اعم از مدیران، مسئولین اعتباری و روسای شعب با سابقه کار اعتباری بانکهای خصوصی تعیین شده و برای جامعه دوم، براساس نمونهگیری هدفمند 427 مشتری حقوقی بانک پاسارگاد انتخاب شده است. به منظور جمعآوری دادهها از پرسشنامه و اسناد و مدارک بانک پاسارگاد بهره گرفته شده و روایی پرسشنامه به صورت روایی محتوا و براساس شاخصهای نسبت روایی محتوا و شاخص روایی محتوا و پایایی پرسشنامه با استفاده از ضریب آلفای کرونباخ مورد بررسی و تأیید قرار گرفته است. به منظور تجزیه و تحلیل دادهها از آزمون t، تحلیل عاملی تأییدی، شبکه عصبی مصنوعی چند لایه، شبکه عصبی آموزش دیده با الگوریتم ژنتیک، شبکه عصبی آموزش دیده با الگوریتم ازدحام ذرات و شبکه عصبی آموزش دیده با الگوریتم تکامل تفاضلی استفاده شده است.یافته ها: یافته های پژوهش نشان میدهد که هر چهار مدل فوق قادر به پیشبینی اعتباری مشتریان حقوقی بانکهای خصوصی هستند و بهترین روش برای پیشبینی اعتباری مشتریان حقوقی بانکهای خصوصی، شبکه عصبی آموزش دیده با الگوریتم تکامل تفاضلی با کمترین مقدار خطا نسبت به سه روش دیگر است.
مدلهای زمانبندی
حبیبه نظیف؛ خدیجه قاضیانی
چکیده
جدول زمانی، مسئله قرار دادن منابع خاص با توجه به محدودیتها در تعداد محدودی بازهی زمانی و مکانی به منظور ارضا مجموعهای از اهداف است که در مسائل متنوعی کاربرد دارد. از جمله این مسائل، میتوان به مسئله جدول زمانی امتحانات دانشگاهی (UETP) اشاره کرد که از اهمیت خاصی در مسائل آموزشی برخوردار است. مسئله جدول زمانی امتحانات دانشگاهی در ...
بیشتر
جدول زمانی، مسئله قرار دادن منابع خاص با توجه به محدودیتها در تعداد محدودی بازهی زمانی و مکانی به منظور ارضا مجموعهای از اهداف است که در مسائل متنوعی کاربرد دارد. از جمله این مسائل، میتوان به مسئله جدول زمانی امتحانات دانشگاهی (UETP) اشاره کرد که از اهمیت خاصی در مسائل آموزشی برخوردار است. مسئله جدول زمانی امتحانات دانشگاهی در واقع تخصیص مجموعهای معین از امتحانات به تعداد ثابتی از بازههای زمانی و اتاقها میباشد، بهطوریکه تمام محدودیتهای سخت را برآورده کند، همچنین محدودیتهای نرم نیز تا حد ممکن بهینه شوند. این تحقیق به ارائه و بررسی یک رویکرد اصلاحی برای بهینهسازی UETP بدون ظرفیت میپردازد. در این رویکرد یک الگوریتم ژنتیک(GA) پیشنهادی بهوسیله عملگرهای جستجوی محلی اصلاح میشود. این عملگرها تغییراتی که مستلزم انتقال یا تعویض امتحانات زمانبندی شده است را در جدول زمانی ایجاد کرده و در نتیجه توانایی جستجوی الگوریتم را تا حد زیادی بهبود میبخشند. با استفاده از مجموعه مسائل نمونه کارتر، کارآیی و مؤثر بودن رویکرد پیشنهادی در مقایسه با دیگر روشهای موجود بررسی میشود. نتایج محاسبات نشان میدهد که این رویکرد در بهبود جوابها کاملاً مؤثر و رقابتی بوده و قادر است در بیشتر نمونهها، جوابهای بهتری در مقایسه با الگوریتمهای دیگر تولید کند.
مدلهای مکانیابی
علی نعیمی صدیق؛ امیر امامی؛ مرضیه مظفری
چکیده
مسئله پوشش کامل ازجمله مسائل پرکاربرد مکانیابی تسهیلات محسوب میشود. در این مسئله هدف تعیین p مرکز سرویس بهگونهای است که با حداقل هزینه استقرار تمام نقاط تقاضا پوشش یابند. این مسائل ماهیت و حوزه عمل گستردهای دارند که هر یک از مدلها با لحاظکردن شرایط خاصی در تکاپوی یافتن جواب بهینه هستند. یکی از این شرایط میتواند حالتی ...
بیشتر
مسئله پوشش کامل ازجمله مسائل پرکاربرد مکانیابی تسهیلات محسوب میشود. در این مسئله هدف تعیین p مرکز سرویس بهگونهای است که با حداقل هزینه استقرار تمام نقاط تقاضا پوشش یابند. این مسائل ماهیت و حوزه عمل گستردهای دارند که هر یک از مدلها با لحاظکردن شرایط خاصی در تکاپوی یافتن جواب بهینه هستند. یکی از این شرایط میتواند حالتی باشد که افزون بر پوشش کامل تقاضا، پراکندگی مکانی تسهیلات نیز مدنظر قرار میگیرد. پراکندگی مکانی به معنای حداکثرسازی فاصله بین تسهیلات با توجه به محدودیتهای موجود است. این پژوهش بهدنبال ارائه مدلی مناسب با درنظر داشتن محدودیتهای قابل پیشبینی در دنیای واقعی و استفاده از یک روش مناسب برای حل مدل پوشش-پراکندگی است. بر همین اساس پوشش کامل فضای حل و انتخاب محل بهینه تسهیلات با حداکثر پراکندگی مکانی و با درنظر گرفتن حداقل تعداد تسهیلات و کمترین هزینه استقرار با توجه به محدودیت ظرفیت تسهیلات و حداقلنمودن هزینههای حملونقل از اهداف این پژوهش بهشمار میآید. با توجه به ماهیت NP-HARD مدلهای پوشش و ادبیات حل این مدلها، الگوریتمی برمبنای روش ژنتیک برای حل مدل طراحی شده است و بهمنظور افزایش کیفیت جواب مقادیر پارامترهای الگوریتم توسط روش طراحی آزمایش تاگوچی تنظیم شده است. نتایج بهدست آمده نشاندهنده مناسببودن الگوریتم مذکور برای مدل ارائه شده است.