Multi-objective

حرية الوصول المقاله

1 - طراحی مدل ریاضی شبکه زنجیره تأمین سبز چند محصولی صنعت خودرو در شرایط عدم اطمینان
داود خدادادیان رضا رادفر عباس طلوعی

امروزه شبکه های زنجیره تامین به عنوان ستون اصلی فعالیتهای اقتصادی شناخته می شوند. اهمیت آنها به دلیل تحویل به موقع و کارامد بودن محصولات گوناگون نظیر مواد غذایی، پوشاک، انرژی و سخت افزارهای کامپیوتری باعث علاقمندی محققان و متخصصان جهت تجزیه و تحلیل مسایل زنجیره تامین شد أکثر

امروزه شبکه های زنجیره تامین به عنوان ستون اصلی فعالیتهای اقتصادی شناخته می شوند. اهمیت آنها به دلیل تحویل به موقع و کارامد بودن محصولات گوناگون نظیر مواد غذایی، پوشاک، انرژی و سخت افزارهای کامپیوتری باعث علاقمندی محققان و متخصصان جهت تجزیه و تحلیل مسایل زنجیره تامین شده است. از سوی دیگر عدم اطمینان مسایل در همه سطوح زندگی ما وارد شده و روزمره با آنها در ارتباط هستیم. مقاله حاضر در حیطه زنجیره تامین سبز تهیه شده که با در نظر گرفتن شرایط عدم قطعیت به حل یک مدل برای طراحی شبکه زنجیره تامین سبز (زیست محیطی) رو به جلو و تحت عدم اطمینان شرایط اقتصادی آینده در شرکت ایران خودرو می پردازد. مسأله طراحی شبکه مورد نظر شامل فرضیاتی از قبیل: چند محصولی، چند سطحی و تک دوره ای می باشد. به علت عدم ثبات شرایط اقتصادی، عدم اطمینان در این مسأله به شکلی متفاوت با مقالات گذشته در نظر گرفته شده ‌است. در این مساله چندین پارامتر مهم از قبیل تقاضای مشتریان، هزینه های عملیاتی و ظرفیت تولیدی و ارسالی تسهیلات به صورت غیر قطعی در نظر گرفته شده‌اند. اهداف این تحقیق شامل مینیمم سازی هزینه ها و مینیمم سازی اثرات زیست محیطی با استفاده از روش ECO-indicator 99 می باشد. از مزایای این روش صرفه‌جویی در هزینه ها و کاهش آلودگی در نتیجه ی استفاده از تجهیزات حمل‌و‌نقل و زیرساخت های مشترک می باشد. با توجه به پیچیدگی حل این مسأله وNP-hard بودن آن روش فرا ابتکاری1 الگوریتم ژنتیک با مرتب سازی نامغلوب (NSGA-II)2 تشریح و در انتها نیز نحوه عملکرد مدل با یک مثال عددی و حل آن با نرم افزارهای MATLAB3 و GAMS مورد بررسی قرار گرفته است. نتایج نشان می دهند که الگوریتم NSGA-II پیشنهادی دارای عملکرد قابل قبولی در مدت زمان مناسبی می باشد. تفاصيل المقالة

حرية الوصول المقاله

2 - A Smart Hybrid System for Parking Space Reservation in VANET
Farhad Rad hadi pazhokhzadeh hamid parvin

Nowadays, developed and developing countries using smart systems to solve their transportation problems. Parking guidance intelligent systems for finding an available parking space, are considered one of the architectural requirements in transportation. In this paper, w أکثر

Nowadays, developed and developing countries using smart systems to solve their transportation problems. Parking guidance intelligent systems for finding an available parking space, are considered one of the architectural requirements in transportation. In this paper, we present a parking space reservation method based on adaptive neuro-fuzzy system(ANFIS) and multi-objective genetic algorithm. In modeling of this system, final destination, searching time and cost of parking space have been used. Also, we use the vehicle ad-hoc network (VANET) and time series, for traffic flow predict and choose the best path. The benefits of the proposed system are declining searching time, average the walking and travel time. Evaluations have been performed by the MATLAB and we can see that the proposed method makes a good sum of best cost which is useful and meaningful in a parking space reserved for drivers and facility managers. The simulation results show that the performance and accuracy of the method have been significantly improved compared to previous works. تفاصيل المقالة

حرية الوصول المقاله

3 - An Effective Task Scheduling Framework for Cloud Computing using NSGA-II
Hanieh Ghorashi Meghdad Mirabi

Cloud computing is a model for convenient on-demand user’s access to changeable and configurable computing resources such as networks, servers, storage, applications, and services with minimal management of resources and service provider interaction. Task scheduli أکثر

Cloud computing is a model for convenient on-demand user’s access to changeable and configurable computing resources such as networks, servers, storage, applications, and services with minimal management of resources and service provider interaction. Task scheduling is regarded as a fundamental issue in cloud computing which aims at distributing the load on the different resources of a distributed system in order to optimize resource utilization and response time. In this paper, an optimization-based method for task scheduling is presented in order to improve the efficiency of cloud computing. In the proposed approach, three criteria for scheduling, including the task execution time, the task transfer time, and the cost of task execution have been considered. Our method not only reduces the execution time of the overall tasks but also minimizes the maximum time required for task execution. We employ the Multi-objective Non-dominated Sorting Genetic Algorithm (NSGA-II) for solving the scheduling problem. To evaluate the efficiency of the proposed method, a real cloud environment is simulated, and a similar method based on Multi-Objective Particle Swarm Optimization is applied. Experimental results show the superiority of our approach over the baseline technique. تفاصيل المقالة

حرية الوصول المقاله

4 - برنامه‌ریزی عملیات و طراحی شبکه زنجیره تأمین حلقه بسته پایدار با در نظر گرفتن استخدام و آموزش نیروی انسانی
رضا وکیلی مطیع رضا توکلی مقدم علی بزرگی امیری فریبرز جولای

مدلسازی و حل بهینه مسائل مدیریت زنجیره تأمین موجب تصمیم‌گیری کارا در برنامه‌ریزی استراتژیک و عملیات زنجیره می‌شود که در پی آن مزیت رقابتی ایجاد می‌شود و قدرت زنجیره افزایش می‌یابد. امروزه با برنامه‌ریزی زنجیره تأمین پایدار می‌توان علاوه بر تحقق اهداف اقتصادی، اهداف و مل أکثر

مدلسازی و حل بهینه مسائل مدیریت زنجیره تأمین موجب تصمیم‌گیری کارا در برنامه‌ریزی استراتژیک و عملیات زنجیره می‌شود که در پی آن مزیت رقابتی ایجاد می‌شود و قدرت زنجیره افزایش می‌یابد. امروزه با برنامه‌ریزی زنجیره تأمین پایدار می‌توان علاوه بر تحقق اهداف اقتصادی، اهداف و ملاحظات اجتماعی و زیست‌محیطی را نیز ارضاء نمود. در این تحقیق به مدل‌سازی و حل مسئله برنامه‌ریزی عملیات و طراحی شبکه زنجیره تامین حلقه بسته پایدار پرداخته می‌شود که در آن به استخدام و آموزش نیروی انسانی زنجیره تأمین نیز توجه می‌شود. ابتدا یک مدل بهینه‌سازی سه‌هدفه ارائه می‌شود که در آن شبکه زنجیره تأمین طراحی می‌شود و متغیرهای استراتژیک (مثل مکان‌یابی و تعیین ظرفیت تسهیلات، انتخاب تکنولوژی، استخدام وآموزش نیروی انسانی ماهر و یا نیمه‌ماهر و غیره) تعیین می‌شود. سپس مدل چنددوره‌ای به منظور برنامه‌ریزی عملیات زنجیره تامین طراحی‌شده ارائه می‌شود که در آن مقدار تولید، موجودی، عرضه، کمبود، جذب موقت نیروی انسانی و غیره در هر دوره به صورت بهینه بدست آورده می‌شود. در مدل استراتژیک پیشنهادی، موازنه اهداف کمینه‌سازی هزینه‌های زنجیره تامین (اقتصادی)، بیشینه‌سازی اشتغال (اجتماعی)، و کمینه‌سازی اثرات زیست محیطی، با روش از روش اپسیلون محدودیت تکامل یافته انجام می‌شود. همچنین الگوریتم تجزیه بندرز برای حل مسئله در ابعاد بزرگ بکار گرفته می‌شود. در بخش پایانی تحقیق به مطالعه عددی پرداخته می‌شود تا علاوه بر ارزیابی مدل و رویکردهای حل پیشنهادی، نتایج عددی تحلیلی و بینیش‌های مدیریتی ارائه ‌شود. تفاصيل المقالة

حرية الوصول المقاله

5 - رویکردی برای به دست آوردن جواب های کارای سره نزدیک به نقطه ایده آل در بهینه سازی چندهدفه
بهنام حذار قاسم توحیدی بهروز دانشیان

توازن میان توابع هدف در بهینه‌سازی چندهدفه یکی از ابزارهای تفسیر و بررسی جواب‌های کارا است. جواب‌های کارای سره یکی از مفاهیم مهم از نظر تئوری و عملی می‌باشد که نشان دهنده رفتار توابع هدف طی یک فرایند تغییر می باشد؛ جواب-های کارای سره جواب های کارایی هستند که ناهنجاری ها أکثر

توازن میان توابع هدف در بهینه‌سازی چندهدفه یکی از ابزارهای تفسیر و بررسی جواب‌های کارا است. جواب‌های کارای سره یکی از مفاهیم مهم از نظر تئوری و عملی می‌باشد که نشان دهنده رفتار توابع هدف طی یک فرایند تغییر می باشد؛ جواب-های کارای سره جواب های کارایی هستند که ناهنجاری های توابع هدف در بعضی از نقاط را فیلتر می کنند و این به تصمیم گیری برای به دست آوردن جواب های با اهمیت بیشتر توسط مدیریت کمک شایانی خواهد کرد. یکی از مهمترین ابزارهای به دست آوردن جواب با توازن کراندار در بهینه سازی چندهدفه، روش اسکالرسازی مجموع وزنی است که بسیاری از نویسندگان این نوع از اسکالرسازی را در بهینه سازی تعاملی بررسی کرده اند. این مقاله روشی برای به دست آوردن جواب-های کارای سره نزدیک به نقطه ایدآل با دیدگاه تئوری و تعاملی و با استفاده از اسکالرسازی وزنی ارائه می‌دهد. با توجه به اینکه نزدیکی به نقطه ایدآل می‌تواند یکی از ترجیحات تصمیم گیرنده باشد؛ این روش، ترجیحات تصمیم گیرنده را بدون از دست دادن تئوری در نظر می‌گیرد. بنابراین این مقاله رویکردی برای یافتن جواب های کارای سره نزدیک به نقطه ایدآل ارائه می دهد. تفاصيل المقالة

حرية الوصول المقاله

6 - مدلسازی و مقایسه بهینه‌یابی‌های تکاملی فازی و غیرفازی چند‌هدفه سبد سرمایه‌گذاری در بورس اوراق بهادار تهران
محمد فلاح هادی خواجه زاده دزفولی حامد نوذری

انتخاب و تشکیل سبد سهام بهینه، یکی از مهمترین‌ مسائل در حوزه تحقیقات مالی است که موجب می‌شود ترکیب بهینه‌ای از دارایی‌ها را انتخاب شود تا با توجه به محدودیت‌ها، بیشینه مطلوبیت برای سرمایه‌گذار ایجاد شود. با توجه به آن‌که بازده اوراق بهادار در دنیای واقعی معمولاً مبهم و أکثر

انتخاب و تشکیل سبد سهام بهینه، یکی از مهمترین‌ مسائل در حوزه تحقیقات مالی است که موجب می‌شود ترکیب بهینه‌ای از دارایی‌ها را انتخاب شود تا با توجه به محدودیت‌ها، بیشینه مطلوبیت برای سرمایه‌گذار ایجاد شود. با توجه به آن‌که بازده اوراق بهادار در دنیای واقعی معمولاً مبهم و نادقیق است، یکی از مهمترین چالش‌های سرمایه‌گذاری، عدم‌اطمینان نسبت به آینده و پیامدهای آن‌ها می‌باشد. بر این اساس، در این مقاله، با استفاده از گشتاورهای مراتب بالا و تئوری فرامدرن پرتفوی، و با استفاده از منطق فازی و بهینه‌یابی تکاملی چندهدفه، مسأله انتخاب و بهینه‌یابی پرتفوهای اوراق بهادار با اهداف مختلف مدلسازی، حل و مقایسه گردیده است. مدل‌های طراحی شده هم طبیعت مسأله انتخاب پرتفو را در نظر گرفته و هم ملاحظات مدنظر سهامدار را در انتخاب پرتفو دخیل نموده است. کیفیت عدم اطمینان بازده آتی پرتفوی داده شده با استفاده از اعداد LR فازی تخمین زده شده در حالیکه گشتاورهای بازدهی آن با استفاده از تئوری امکانی سنجیده شده است. مهمترین هدف این مقاله حل مسأله و مقایسه مدل‌های انتخاب پرتفوی به صورت بهینه‌سازی همزمان دو، سه و چهار هدفه است. برای این هدف، از الگوریتم ژنتیک با مرتب‌سازی نامغلوب (NSGA-II)استفاده شده و عملگرهای جهش و تقاطع به طور اختصاصی برای تولید راه‌حل‌های ممکن محدودیت کاردینالیتی مسأله طراحی شده است. در نهایت عملکرد مدل‌ها در صورت استفاده از منطق فازی و عدم استفاده از آن مقایسه شده است و مشخص گردیده است که استفاده از منطق فازی و تئوری امکانی، باعث تشکیل پرتفوهای با عملکرد بالاتر و مطلوببیت بیشتر می‌گردد. تفاصيل المقالة

حرية الوصول المقاله

7 - بهینگی غیرهموار برای مسائل بهینه سازی چند هدفه استوار
مریم سعادتی مرتضی اویسی ها

10.30495/jnrm.2022.61621.2111

این مقاله به بررسی مسائل بهینه سازی چندهدفه استوار غیرمحدب/غیرهموار با محدودیت های مساوی و نامساوی نامعین می‌ پردازد. ابتدا با به کارگیری بعضی ابزارهای پیشرفته آنالیز تغییراتی از قبیل اصل تخمین اکسترمال و قاعده جمع فازی ضعیف برای زیردیفرانسیل فرشه،یک شرط بهینگی لازم فاز أکثر

این مقاله به بررسی مسائل بهینه سازی چندهدفه استوار غیرمحدب/غیرهموار با محدودیت های مساوی و نامساوی نامعین می‌ پردازد. ابتدا با به کارگیری بعضی ابزارهای پیشرفته آنالیز تغییراتی از قبیل اصل تخمین اکسترمال و قاعده جمع فازی ضعیف برای زیردیفرانسیل فرشه،یک شرط بهینگی لازم فازی برای مسئله بهینه سازی چندهدفه غیرمحدب / غیرهموار را بدون هرگونه محدودیت به مفهوم زیردیفرانسیل فرشه بدست می‌ آوردیم. سپس با بهره گیری از شرط بهینگی لازم فازی بدست آمده، نسخه غیرهموار قاعده فرما و همچنین فرمول های زیردیفرانسیل حدی برای یک خانواده نامتناهی از توابع غیرهموار، یک شرط بهینگی لازم برحسب زیردیفرانسیل حدی برای جواب های کارای استوار ضعیف مسئله مورد نظربدست می‌آوریم. بعلاوه، مثالی به منظورنشان دادناین شرط برای یک مسئله بهینه سازی چندهدفه نامعین شامل محدودیت های مساوی و نامساوی ارائه می‌گردد. در نهایت، شرایط کافی برای جواب های کارای استوار ضعیف و جواب های کارای استوار این مسائل، با ارائه مفاهیم جدید تحدب تعمیم یافته مورد بررسی قرار می‌گیرد. تفاصيل المقالة

حرية الوصول المقاله

8 - عدم قطعیت جعبه‌ای در بهینه‌سازی چندهدفه: یک رویکرد ε-قید
شیما سلیمانی منش منصور سراج مریم مومنی محمود علیزاده

چکیده:در چند دهه اخیر توجه بسیار زیادی در بحث بهینه سازی استوار در ادبیات موضوع توسط محققین صورت گرفته است. از انجا که تکنیک ایپسلون قید در چند هدفه ها از تکنیک های مهم مسایل برهم کنشی است ، لذا دراین مقاله، با توجه به اهمیت بحث بهینه سازی استوار و مسایل چند هدفه، یک مس أکثر

چکیده:در چند دهه اخیر توجه بسیار زیادی در بحث بهینه سازی استوار در ادبیات موضوع توسط محققین صورت گرفته است. از انجا که تکنیک ایپسلون قید در چند هدفه ها از تکنیک های مهم مسایل برهم کنشی است ، لذا دراین مقاله، با توجه به اهمیت بحث بهینه سازی استوار و مسایل چند هدفه، یک مسئله برنامه‌ریزی کسری خطی چند هدفه را در حالتی که ضرائب توابع هدف دارای عدم قطعیت جعبه‌ای هستند را در نظر می‌گیریم. یک رویکرد بر پایه روش‌های اپسیلون قید و چارنزکوپر برای مساله کسری در حالت چند هدفه برای بدست آوردن جواب‌های کارای ضعیف استوار که دارای اهمیت ویژه در ادبیات موضوع است را برای مسئله برنامه‌ریزی چندهدفه کسری خطی در حالت عدم قطعیت پیشنهاد می‌دهیم. از تکنیک چارنز کوپر در تبدیل مساله کسری به غیر کسری استفاده کرده و در انتها همتای استوار مدل UMOLFP را در حالتی که ضرائب تابع هدف متعلق به مجموعه عدم قطعیت جعبه‌ای باشند را هم ارز با یک مسئله برنامه‌ریزی خطی نوشته و در انتها یک مثال عددی برای نشان دادن کارایی رویکرد پیشنهاد شده ارائه می‌ دهیم. تفاصيل المقالة

حرية الوصول المقاله

9 - ارائه یک مدل بهینه سازی چندهدفه جهت زمانبندی و مسیریابی پرستاران در ارائه خدمات پزشکی در منزل
حمیدرضا یوسف زاده سمیه هراتی مطلق موسی الرضا شمسیه زاهدی

10.30495/jnrm.2022.68149.2289

امروزه با رشد روزافزون جمعیت و همچنین عواملی مانند افزایش افراد سالمند، افزایش تعداد بیمارانی که ازبیماریهای مزمن رنج می برند، تقاضا برای دریافت مراقبتهای پزشکی در منزل (HHC) در حال افزایش است. مراکز ارائه دهنده خدمات مراقبتی پزشکی همواره به دنبال راهکارهایی جهت برنامه أکثر

امروزه با رشد روزافزون جمعیت و همچنین عواملی مانند افزایش افراد سالمند، افزایش تعداد بیمارانی که ازبیماریهای مزمن رنج می برند، تقاضا برای دریافت مراقبتهای پزشکی در منزل (HHC) در حال افزایش است. مراکز ارائه دهنده خدمات مراقبتی پزشکی همواره به دنبال راهکارهایی جهت برنامه ریزی و زمانبندی دقیق ارائه خدمات مراقبتی - درمانی هستند تا علاوه برکمینه کردن هزینه های خود، میزان رضایت بیماران و پرستاران را بیشینه نمایند. در این راستا، ازیک سو بیمار تمایل دارد تا با در نظر گرفتن مهارت پرستار اختصاص داده شده، در پنجره زمانی مورد ترجیحش ملاقات شود. از سوی دیگر، پرستار نیز ترجیح می دهد که در پنجره زمانی مورد مطلوب خود به ارائه خدمات بپردازد. علاوه بر این موارد، حفظ قوانین ساعت کاری در قرارداد، رعایت بازه های زمانی نرم و سخت ارائه خدمات و استراحت های الزامی از محدودیت هایی هستند که ضروری است در این نوع مسائل در نظر گرفته شوند. اهداف این مقاله کمینه کردن زمان رفت و آمد پرستاران و بیشینه نمودن همزمان سطح رضایت بیماران و پرستاران و همچنین کاهش ساعات اضافه کاری پرستاران می باشد که با در نظر گرفتن ترجیحات پرستاران و بیماران و اختصاص استراحت های اجباری به پرستاران بعد از مدت زمان کاری مشخص،در قالب یک مدل برنامه ریزی ریاضی چندهدفه ارائه می گردد. در ادامه به منظوربررسی و تحلیل عملکرد مدل پیشنهادی، با در نظر گرفتن معیار توقف بر روی زمان حل مسئله، مدل پیشنهادی را بر روی مجموعه ای از مسائل تصادفی متفاوت مورد آزمون قرار می دهیم. تفاصيل المقالة

حرية الوصول المقاله

10 - مساله بالانس خط مونتاژ چندهدفه فازی: روش برنامه‌ریزی ریاضی فازی
علی محمودی راد صادق نیرومند مسعود صانعی

طراحی خط مونتاژ به منظور هماهنگی مجموعهای از ایستگاههای متوالی فعالیت انجام میشود که به منظور بیشترین بهره برداری از ایستگاههای کاری و نیروی انسانی به کار گرفته میشود. استقرار ایستگاهها به نحوی است که مواد به طور مداوم، مستمر و با نرخ ثابت در آن أکثر

طراحی خط مونتاژ به منظور هماهنگی مجموعهای از ایستگاههای متوالی فعالیت انجام میشود که به منظور بیشترین بهره برداری از ایستگاههای کاری و نیروی انسانی به کار گرفته میشود. استقرار ایستگاهها به نحوی است که مواد به طور مداوم، مستمر و با نرخ ثابت در آنها جریان دارد. در این مقاله یک مدل چندهدفه در شرایط فازی برای مساله بالانس خط مونتاژ پیشنهاد میشود. به منظور حل مدل پیشنهادی یک روش دو مرحلهای  ارایه میشود. در هرحله اول مساله چند هدفه بالانس خط مونتاژ در شرایط فازی به یک مساله چندهدفه قطعی تبدیل میشود و در فاز دوم با استفاده از روش برنامهریزی فازی جواب کارایی برای مساله چندهدفه حاصل میگردد. به منظور کارایی روش پیشنهادی یک مثال عددی ارایه شده است.   تفاصيل المقالة

حرية الوصول المقاله

11 - یک رویکرد جدید به حل برنامه‌ریزی خطی تماماً فازی با اعداد ذوزنقه‌ای با استفاده از توابع تبدیل
سید هادی ناصری

در این مقاله ما یک مدل شبکه عصبی برای تشخیص واحدهای تصمیمگیرنده کارا در تحلیل پوششی دادهها معرفی میکنیم. مدل شبکه عصبی پیشنهادی از یک مسئله بهینهسازی نامقید حاصل میشود. از دیدگاه تئوری نشان داده میشود شبکه عصبی پیشنهادی دارای پایداری لیاپان أکثر

در این مقاله ما یک مدل شبکه عصبی برای تشخیص واحدهای تصمیمگیرنده کارا در تحلیل پوششی دادهها معرفی میکنیم. مدل شبکه عصبی پیشنهادی از یک مسئله بهینهسازی نامقید حاصل میشود. از دیدگاه تئوری نشان داده میشود شبکه عصبی پیشنهادی دارای پایداری لیاپانف و همگرای سراسری میباشد. مدل پیشنهادی تک لایه میباشد. شبیه سازی نشان میدهد مدل پیشنهادی قادر به تشخیص واحدهای کارا در تحلیل پوششی دادهها میباشد.   تفاصيل المقالة

حرية الوصول المقاله

12 - مساله برنامه‌ریزی خطی دوسطحی برای محاسبه نقطه ضدایده‌آل
جواد وکیلی حلیمه دهقانی

محاسبه مقادیر دقیق معیار ایده‌آل و ضدایده‌آل موضوع مهمی در مسائل برنامه‌ریزی خطی چند‌معیاره  (MOLP)است. در واقع این مقادیر به‌عنوان کران‌های پایین و بالا روی مجموعه نقاط نامغلوب تعریف می‌شوند. هرچند تعیین نقطه ایده‌آل یک کار آسانی است، چون آن معادل با بهینه‌سازی یک أکثر

محاسبه مقادیر دقیق معیار ایده‌آل و ضدایده‌آل موضوع مهمی در مسائل برنامه‌ریزی خطی چند‌معیاره  (MOLP)است. در واقع این مقادیر به‌عنوان کران‌های پایین و بالا روی مجموعه نقاط نامغلوب تعریف می‌شوند. هرچند تعیین نقطه ایده‌آل یک کار آسانی است، چون آن معادل با بهینه‌سازی یک تابع محدب (تابع خطی) روی یک مجموعه محدب است که یک مساله بهینه‌سازی محدب است، اما محاسبه نقطه ضدایده‌آل در MOLP با یک مساله بهینه‌سازی نامحدب معادل می‌باشد که حل آن در حالت کلی کار خیلی سختی است. در این مقاله یک مساله برنامه‌ریزی خطی دوسطحی برای به‌دست آوردن نقطه ضدایده‌آل در مسائلMOLP ارائه می‌شود که در حالت کلی می‌تواند برای بهینه‌سازی یک تابع خطی روی مجموعه نقاط نامغلوب نیز به‌کار رود. در نهایت، به‌عنوان یک روش حل مسائل برنامه‌ریزی خطی دوسطحی، یک مساله برنامه‌ریزی خطی مختلط- صحیح ارائه می‌شود که مقادیر دقیق ضدایده‌آل را در یک مرحله به‌دست می‌آورد. تفاصيل المقالة

حرية الوصول المقاله

13 - آرایه روش مبتنی بر گرادیان مزدوج برای آموزش شبکه عصبی تصمیم
محدثه نادرشاهی اعظم دخت صفی صمغ آبادی رضا توکلی مقدم

شبکه عصبی تصمیم یک رویکرد جدید برای حل مسائل تصمیمگیری چندهدفه مبتنی بر شبکه‌های عصبی مصنوعی می‌باشد. با بکارگیری روش‌های ارزیابی غیردقیق، ظرفیت یادگیری در این شبکه افزایش یافته و حجم مجموعه داده آموزشی کاهش یافته است. لذا شرایط برای تصمیم‌گیرندگان تسهیل شده است. ر أکثر

شبکه عصبی تصمیم یک رویکرد جدید برای حل مسائل تصمیمگیری چندهدفه مبتنی بر شبکه‌های عصبی مصنوعی می‌باشد. با بکارگیری روش‌های ارزیابی غیردقیق، ظرفیت یادگیری در این شبکه افزایش یافته و حجم مجموعه داده آموزشی کاهش یافته است. لذا شرایط برای تصمیم‌گیرندگان تسهیل شده است. روش موجود برای آموزش پارامترهای این شبکه مبتنی بر روش گرادیان است. یکی از محدودیت‌های روش فعلی، سرعت همگرایی آن است. در این مقاله، جهت افزایش کارآیی شبکه‌عصبی تصمیم، روشی مبتنی برگرادیان مزدوج برای آموزش این شبکه توسعه داده شده‌است. نکته ویژه در آموزش شبکه عصبی تصمیم این است که ساختار و پارامترهای دو زیر شبکه پرسپترون چند لایه موجود در شبکه عصبی تصمیم در فرآیند آموزش یکسان باقی بماند. کارایی روش پیشنهادی در حل مسئله تصمیمگیری چند هدفه با توابع مطلوبیت متعدد خطی و غیرخطی ارزیابی میشود. نتایج روش پیشنهادی با برخی روشهای مشابه مقایسه شده و نشان می‌دهد که در روش پیشنهادی، همگرایی نسبت به روش قبلی سریعتر بوده و نتایج مطلوب‌تر هستند. تفاصيل المقالة

حرية الوصول المقاله

14 - مدل تصمیم گیری سازشی با استفاده از روشهای TOPSIS VIKOR بهطور همزمان برای مسایل برنامه ریزی چند هدفه غیرخطی با مقیاس بزرگ و ساختار بلوکی زاویه دار در محیط فازی
بهنام وحدانی مقداد سلیمی توفیق الهویرنلو

در این مقاله به بررسی روشی برای حل مسائل چند هدفه مقیاس بزرگ غیر خطی با ساختار بلوکی زاویهدار با وجود عدمقطعیت در توابع هدف و محدودیتها میپردازیم که در آن ضرایب توابع هدف و محدودیت ها به صورت فازی مطرحمیگردند. در این روش ابتدا با به کارگیری منطق تجزیه دانتزیگ- وولف، مسا أکثر

در این مقاله به بررسی روشی برای حل مسائل چند هدفه مقیاس بزرگ غیر خطی با ساختار بلوکی زاویهدار با وجود عدمقطعیت در توابع هدف و محدودیتها میپردازیم که در آن ضرایب توابع هدف و محدودیت ها به صورت فازی مطرحمیگردند. در این روش ابتدا با به کارگیری منطق تجزیه دانتزیگ- وولف، مساله اصلی را به چندین زیر مساله با متغیرهایو TOPSIS مستقل از سایر زیر مساله ها, تجزیه میکنیم. در روش ارائه شده از یک روش سازشی بر اساس روشهایبه طور همزمان برای هر یک از مسائل تجزیه شده استفاده گردیده است. به عبارت دیگر در مدل ارائه شده از یک VIKORدر تعریف توابعی که فاصله از مقادیر ایدهآل مثبت را حداقل و فاصله از ایده آل منفی را TOPSIS طرف از مزیت روشحداکثر مینماید بهره گرفته شده است. و از طرف دیگر با ارائه توابعی میانگین تاسف و حداکثر مقدار تاسف لحاظ گردیده وسپس در تابع هدف نهایی این مقادیر تاسف به حداقل مقدار خود رسیده است. با استفاده از این تکنیک مسائلی که غیر محدبباشند نیز قابل بررسی و حل میباشد. در پایان به منظور هر چه بیشتر روشنتر شدن مدل ارائه شده یک مثال آورده شدهاست. تفاصيل المقالة

حرية الوصول المقاله

15 - یک رویکرد پارامتری برای حل مسأله برنامه‌ریزی چندهدفه کسری خطی فازی
سیدهادی ناصری ام‌کلثوم خزائی کوه‌پر

در این مقاله یک مسأله برنامه‌ریزی چند‌هدفه کسری خطی با متغیرها و بردار منابع فازی مورد مطالعه قرار می‌گیرد و الگوریتمی ‌با رویکرد پارامتری جهت حل آن ارائه می‌شود. فرآیند حل پیشنهاد شده برای تعیین جواب بهینه مسأله مبتنی بر رویکرد پارامتری خواهد بود که این امر ضمن انطباق أکثر

در این مقاله یک مسأله برنامه‌ریزی چند‌هدفه کسری خطی با متغیرها و بردار منابع فازی مورد مطالعه قرار می‌گیرد و الگوریتمی ‌با رویکرد پارامتری جهت حل آن ارائه می‌شود. فرآیند حل پیشنهاد شده برای تعیین جواب بهینه مسأله مبتنی بر رویکرد پارامتری خواهد بود که این امر ضمن انطباق بیشتر جواب با واقعیت، اطلاعات جامع‌تری را در اختیار تصمیم‌گیرنده قرار خواهد داد. سادگی روش مطرح شده یکی از مزیت‌های الگوریتم پیشنهادی است که امکان درک مطلوب‌تر فرآیند حل را توسط کاربر فراهم می‌آورد. همچنین جهت توصیف فرآیند حل روش پیشنهاد شده، یک مثال عددی ارائه می‌شود. تفاصيل المقالة

حرية الوصول المقاله

16 - بهینه‌سازی چندهدفه تکاملی برای معاملات جفتی چند متغیره در بورس اوراق بهادار تهران: رویکرد هم‌انباشتگی
حسین نیکو جمال برزگری خانقاه حمید رضا میرزایی

10.30495/jfksa.2023.22391

استراتژی معاملات جفتی یکی از قدیمی‌ترین و رایج‌ترین استراتژی‌های آربیتراژ آماری محسوب می‌شود. تشکیل جفت یک مرحله مهم در معاملات جفتی است که فقط به روش دستی مورد بررسی قرار گرفته است و این روش در حالت چند متغیره شکست خورده و اهداف متناقض را در ساختار مسئله در نظر نمی‌گیر أکثر

استراتژی معاملات جفتی یکی از قدیمی‌ترین و رایج‌ترین استراتژی‌های آربیتراژ آماری محسوب می‌شود. تشکیل جفت یک مرحله مهم در معاملات جفتی است که فقط به روش دستی مورد بررسی قرار گرفته است و این روش در حالت چند متغیره شکست خورده و اهداف متناقض را در ساختار مسئله در نظر نمی‌گیرد. مسئله اصلی پژوهش حاضر ارائه روشی است که ترکیب‌های جفتی چند متغیره را با در نظر گرفتن اهداف متناقض چندگانه و تمرکز بر رویکرد هم‌انباشتگی ایجاد کند. لذا ترکیبی از سهام در دو هدف متضاد ریسک (بازگشت به میانگین) و بازده (واریانس اسپرد) بهینه می‌شوند تا مجموعه‌ای از فرصت‌های معاملات جفتی چند متغیره سودآور را تشکیل دهند. جامعه آماری، شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران هستند. نمونه آماری به‌واسطه نیاز به معاملات پربسامد از 50 شرکت برتر محدود شده است. مسئله در قالب یک مدل برنامه‌ریزی عدد صحیح مختلط (MIP) تدوین، و به دلیل محدودیت‌های غیرمحدب و فضای حل نمایی از الگوریتم ژنتیک چندهدفه برای به دست آوردن ترکیب‌های جفتی استفاده شده است. برای دستیابی به اهداف چندگانه، از نوع توسعه‌یافته الگوریتم ژنتیک؛ الگوریتم ژنتیک مرتب‌سازی نامغلوب آشوبناک (CNSGA-II) استفاده گردید. برای به دست آوردن راه حل های مناسب و با دقت بالا، از تئوری آشوب در ایجاد جمعیت اولیه الگوریتم ژنتیک استفاده شده است. تحقیقات نشان داده که استفاده از نظریه آشوب می‌تواند میزان همگرایی را در الگوریتم‌های تکاملی افزایش دهد. نتایج آزمایش های این پژوهش نشان می‌دهد که استراتژی های معاملات جفتی چند هدفه با تمرکز بر رویکرد هم‌انباشتگی نسبت به مدل تک هدفه سنتی از برتری معناداری برخوردار است. تفاصيل المقالة

حرية الوصول المقاله

17 - بهینه‌سازی چند‌هدفه شبکه تامین فرآورده‌های خونی به منظور حداقل‌سازی زمان ارسال و میزان تقاضای برآورد نشده بیمارستانی
زینب کاظمی مهدی همایون فر مهدی فدایی منصور صوفی علی صالح زاده

10.30495/jhm.2022.65916.11027

مقدمه: با توجه به اهمیت خون به عنوان یک عنصر حیاتی در سیستم سلامت، در این پژوهش، زنجیره تامین خون در سه سطح اهداکنندگان، بانک‌ها (مراکز خون) و بیمارستان‌ها در قالب یک مدل چندهدفه به منظور حداقل سازی مجموع هزینه‌ها، حداقل‌سازی زمان کلی ارسال واحدهای خونی و حداقل سازی میز أکثر

مقدمه: با توجه به اهمیت خون به عنوان یک عنصر حیاتی در سیستم سلامت، در این پژوهش، زنجیره تامین خون در سه سطح اهداکنندگان، بانک‌ها (مراکز خون) و بیمارستان‌ها در قالب یک مدل چندهدفه به منظور حداقل سازی مجموع هزینه‌ها، حداقل‌سازی زمان کلی ارسال واحدهای خونی و حداقل سازی میزان تقاضای برآورد نشده بیمارستان ها در هر دوره، مدل سازی شده است.روش پژوهش: پژوهش حاضر از نظر هدف، کاربردی، از نظر روش توصیفی و از نوع کمی است. داده های مورد نیاز برای پیاده‌سازی مساله واقعی در سال 1400 با مراجعه به دفتر منطقه ای سازمان انتقال خون استان تهران و با همکاری سیستم نگاره گردآوری شده است. با توجه به ماهیت Np-hard مساله، مدل پیشنهادی با استفاده از سه الگوریتم ژنتیک، NSGAII و MOPSO در نرم افزار گمز حل شده است.یافته‌ها: در مدل پیشنهادی، تطابق گروه های خونی در تامبن تقاضا، سیستم صف، تخصیص گروه های خونی در آزمایشگاه ها و بانک‌های خون، هدر رفت خون در آزمایشگاه، انتقال محصولات بین مراکز تقاضا و نیز پارامترهای حساس و تعیین کننده ای مدل مانند؛ پارامتر تقاضا، اهدای خون و زمان حمل محصولات خونی بین اجزای شبکه، به صورت غیرقطعی در نظر گرفته شده است. یافته‌ها نشان می دهند که در اجرای مسائل 3، 7، 10 و 12 برای شاخص کیفیت الگوریتم MOPSO دارای عملکرد مناسب‌تری است، اما به طور کلی و بر اساس دفعات اجرا و همچنین میانگین آنها، الگوریتم NSGA-II عملکرد بهتری دارد.نتیجه‌گیری: بر اساس نتایج، مدل ارائه شده منجر به کاهش مجموع هزینه ها، زمان کلی ارسال واحدهای خونی و میزان تقاضای برآورد نشده بیمارستان‌ها می شود. تفاصيل المقالة

حرية الوصول المقاله

18 - بهینه سازی چند هدفه شاکله پنجره به منظور تامین هم زمان مولفه های آسایش بصری و کارایی انرژی از طریق الگوریتم ژنتیک ( نمونه موردی: کلاس درس ابتدایی در تهران- ایران)
مجید مفیدی شمیرانی فیروزه محمدی

حرکت به سوی ساختمان‌های پایدار نیازمند آن است تا تأکید بیشتری بر ارزیابی دقیق عملکرد نور روز و انرژی شود. این امر به خصوص در مورد ساختمان‌های آموزشی دارای اهمیت ویژه است، چرا که تامین میزان نور کافی هم‌زمان با ممانعت از ایجاد خیرگی و نیز کاهش مصرف انرژی در این فضاها چال أکثر

حرکت به سوی ساختمان‌های پایدار نیازمند آن است تا تأکید بیشتری بر ارزیابی دقیق عملکرد نور روز و انرژی شود. این امر به خصوص در مورد ساختمان‌های آموزشی دارای اهمیت ویژه است، چرا که تامین میزان نور کافی هم‌زمان با ممانعت از ایجاد خیرگی و نیز کاهش مصرف انرژی در این فضاها چالش بزرگی محسوب می‌شود. در این مقاله به منظور تامین هم زمان مولفه های آسایش بصری( افزایش روشنایی و کاهش خیرگی) و کارایی انرژی( کاهش مصرف انرژی) در ساختمان‌های آموزشی(کلاس درس مدارس ابتدایی) شهر تهران یک کلاس درس به عنوان مدل پایه مدلسازی پارامتریک شد و شبیه سازی پویای عملکرد نور روز و انرژی بر روی آن انجام گرفت. سپس جهت دستیابی به مقادیر بهینه پارامترهای طراحی پنجره فرآیند بهینه سازی مبتنی بر شبیه سازی از طریق الگوریتم ژنتیک و به صورت اتوماتیک در نرم افزار گرسهاپر بصورت چند هدفه صورت گرفت. نتایج حاصل، لزوم تعدیل شرایط با اولویت وزنی به عملکرد نور روز را نشان می دهند. بهترین راه حل پارتو بر اساس کمترین فاصله تا بهینه جهانی عملکرد بهتری را نسبت به مدل پایه نشان می دهد که میزان بهبود شاخص های UDI،DGP وEUI به ترتیب11، 15و 22 درصد است. تفاصيل المقالة

حرية الوصول المقاله

19 - Calculation of non-radial efficiency of decision-making units with fuzzy data using GDEA model
Atefeh Farshad Mohsen Rostamy-Malkhalifeh

All managers need to evaluate the units under their supervision. To evaluate the units, they must determine the evaluation indicators and then calculate the efficiency of each unit with the help of these indicators. In practice, many indicators may not be small, but hav أکثر

All managers need to evaluate the units under their supervision. To evaluate the units, they must determine the evaluation indicators and then calculate the efficiency of each unit with the help of these indicators. In practice, many indicators may not be small, but have a qualitative value or their values are fuzzy in this article we want to calculate the units under evaluation that have the same inputs and outputs. To evaluate the performance of these units with fuzzy data, first for each unit, we calculate the nature of the output in such a way that according to the desired input, what can be the maximum value of the output because the number of outputs is more than one, so we have a multi-objective linear programming problem to be answered by solving the multi-objective linear programming problem We use flexible fuzzy. In the introduced model, we first change the fuzzy linear programming problem to a multi-objective linear programming problem with three objective functions using the alphabetical method arranged on triangular fuzzy numbers, so using this method is an optimal solution. Lexicography of the ML problem We find OP. تفاصيل المقالة

حرية الوصول المقاله

20 - The approach of the goal programming to solve the problem of multi-criteria data envelopment analysis and its application in decision voting
Hamid sharafi

10.30495/ijdea.2022.70998.1188

Increasing the discrimination power the of data envelopment analysis method and choosing appropriate weights is one of the important issues in data envelopment analysis. One of the ways to overcome this problem is to use multi-objective data coverage analysis. In multi- أکثر

Increasing the discrimination power the of data envelopment analysis method and choosing appropriate weights is one of the important issues in data envelopment analysis. One of the ways to overcome this problem is to use multi-objective data coverage analysis. In multi-objective problems, the goal of the objective functions is usually contradictory to each other, so it is not possible to find an optimal solution for all the objective functions simultaneously. In this article, we use the ideal programming approach to solve the problem of multi-criteria data envelopment analysis, and then we compare the presented method with previous methods in the framework of preferential voting. تفاصيل المقالة

حرية الوصول المقاله

21 - Using Multi-Objective Linear Programming (MOLP) and Data Envelopment Analysis (DEA) models in Non-discretionary Performance Measurement
Sahar Khoshfetrat Mojtaba Ghiyasi

Inverse DEA (InvDEA) models put one step forward, in contrast with the DEA models by estimating required input level for producing a perturbed output level with the current efficiency status. In many real world applications, decision-makers face non-discretionary factor أکثر

Inverse DEA (InvDEA) models put one step forward, in contrast with the DEA models by estimating required input level for producing a perturbed output level with the current efficiency status. In many real world applications, decision-makers face non-discretionary factors which can be hardly controlled by the Decision Making Units (DMUs). However, these types of factor are not dealt in the inverse DEA problems. Thus, the current covers the research methodological gap of the literature by developing mathematical foundation of the InDEA models capable of dealing with non-discretionary factors. To do this end, an MOLP model along with its required constraints is developed to be linked with the developed models. A numerical example and a real-world case study are provided to illustrate the proposed models and demonstrate their applicability and validity for the real world problems. تفاصيل المقالة

حرية الوصول المقاله

22 - Efficient Selection of Design Parameters in Multi-Objective Economic-Statistical Model of Attribute C Control Chart
S. Jafarian-Namin A. Amiri E. Najafi

Control chart is the most well-known chart to monitor the number of nonconformities per inspection unit where each sample consists of constant size. Generally, the design of a control chart requires determination of sample size, sampling interval, and control limits wid أکثر

Control chart is the most well-known chart to monitor the number of nonconformities per inspection unit where each sample consists of constant size. Generally, the design of a control chart requires determination of sample size, sampling interval, and control limits width. Optimally selecting these parameters depends on several process parameters, which have been considered from statistical and/or economic aspects in the literature. This study presents a multi-objective economic-statistical design (MOESD) of the C control chart. An algorithm using data envelopment analysis (DEA) is employed to solve this model. A numerical example is used to illustrate the algorithm procedure. تفاصيل المقالة

حرية الوصول المقاله

23 - Measuring a Dynamic Efficiency Based on MONLP Model under DEA Control
K. Gholami Z. Ghelej Beigi

Data envelopment analysis (DEA) is a common technique in measuring the relative efficiency of a set of decision making units (DMUs) with multiple inputs and multiple outputs. &lrm;&lrm;Standard DEA models are &lrm;&lrm;quite limited models&lrm;, &lrm;in the sense that t أکثر

Data envelopment analysis (DEA) is a common technique in measuring the relative efficiency of a set of decision making units (DMUs) with multiple inputs and multiple outputs. &lrm;&lrm;Standard DEA models are &lrm;&lrm;quite limited models&lrm;, &lrm;in the sense that they do not consider a DMU &lrm;&lrm;at different times&lrm;. &lrm;To resolve this problem&lrm;, &lrm;DEA models with dynamic &lrm;&lrm;structures have been proposed&lrm;.&lrm;In a recent paper by afarian-Moghaddam and Ghoseiri [Jafarian-Moghaddam, A.R., Ghoseiri k., 2011. Fuzzy dynamic multi-objective Data Envelopment Analysis model. Expert Systems with Applications, 38 (1), 850-855.] they contribute to an interesting topic by presenting a &lrm;&lrm;fuzzy dynamic multi-objective DEA model to evaluate DMUs in which &lrm;&lrm;data are changing with time&lrm;. However, this paper finds that their approach has some problems in the proposed models. In this paper, we first stress the present shortcomings in their modeling and then we propose a new DEA method for improving fuzzy dynamic multi-objective DEA model. The proposed model is a &lrm;&lrm;multi-objective non-linear programming (MONLP) problem and there are &lrm;&lrm;several methods for solving it; We use the goal programming (GP) method&lrm;. &lrm;The proposed model calculates the efficiency scores of DMUs by&lrm;&lrm; solving only one linear programming problem&lrm;. &lrm;Finally&lrm;, &lrm;we present an &lrm;&lrm;example with ten DMUs at three times to illustrate the applicability the proposed model. تفاصيل المقالة

حرية الوصول المقاله

24 - توسعه یک سامانه چندمخزنه چندمنظوره به عنوان مورد مطالعاتی نمونه در مدیریت سامانه مخازن
سمانه سیف&rlm; اللهی آغمیونی امید بزرگ&rlm; حداد

سامانه‌های منابع آب، مجموعه‌ای از سازه‌ها و تجهیزات می‌باشند که با هدف تأمین آب برای رسیدن به یک حالت مطلوب و حفاظت و استفاده بهینه از منابع آب احداث می‌شوند و نیازمند یک برنامه‌ریزی مناسب هستند. سامانه مخازن به عنوان پرکاربردترین سامانه‌های منابع آب در تأمین نیازهای جو أکثر

سامانه‌های منابع آب، مجموعه‌ای از سازه‌ها و تجهیزات می‌باشند که با هدف تأمین آب برای رسیدن به یک حالت مطلوب و حفاظت و استفاده بهینه از منابع آب احداث می‌شوند و نیازمند یک برنامه‌ریزی مناسب هستند. سامانه مخازن به عنوان پرکاربردترین سامانه‌های منابع آب در تأمین نیازهای جوامع مطرح می‌باشند که عدم مدیریت صحیح و کاربردی آنها می‌تواند منجر به عدم حفاظت از منابع آب و ایجاد خسارات مالی فراوانی شود. تقریباً در تمام مسائلی که در زمینه طراحی، بهره‌برداری و مدیریت این سامانه‌ها وجود دارند، نمونه‌های واقعی از سامانه مخازن مورد مطالعه قرار گرفته و به ازای شرایط و اهداف مورد نظر تحلیل شده‌اند. در حالی که تعریف یک سامانه مخازن نمونه به گونه‌ای که به ازای تمام حالات و برای تمام اهداف متداول قابل بررسی باشد، از اهمیت ویژه‌ای برخوردار است. در تحقیق حاضر، برای اولین بار یک سامانه سه‌مخزنه نمونه با در نظر گرفتن تمام اطلاعات فیزیکی و هیدرولوژیکی و لحاظ کردن سه هدف کلی تولید انرژی برق‌آبی، تأمین تقاضاهای پایین‌دست (کشاورزی، شهری و صنعتی) و کنترل سیلاب ارائه شده است. نتایج نشان داده‌اند که اطلاعات تعیین شده برای این سامانه، کاملاً به صورت منطقی و با روند واقعی تعریف شده‌اند و می‌توانند عملکرد سامانه مخازن را در حالت‌های مختلف تک‌مخزنه یا چندمخزنه و تک‌هدفه یا چندهدفه به خوبی نمایان سازند. به این ترتیب می‌توان از سامانه مخازن تعریف شده به عنوان یک سامانه نمونه در ارائه و توسعه روش‌های مختلف و اثبات مبانی آنها در حل مسائل سامانه مخازن استفاده کرد. تفاصيل المقالة

حرية الوصول المقاله

25 - طراحی شبکه زنجیره تامین زیست دیزل با در نظر گرفتن عوامل محیط زیستی تحت شرایط عدم قطعیت و حل آن با استفاده از الگوریتم MOPSO
غلامرضا جندقی محمد رضا فتحی محمد حسن ملکی میثم مولوی

10.30495/jest.2023.37374.4360

زمینه و هدف: افزایش نگرانی‌ها در مورد انرژی و انتشار گازهای گلخانه‌ای حاصل از مصرف سوخت‌های فسیلی بسیاری از محققان را برآْن داشته است تا در توسعه‌ منابع انرژی های تجدیدپذیر نقش داشته باشند. سوخت زیستی می‌تواند نقش مهمی در این زمینه داشته باشد. هدف اصلی این مقاله ارایه ی أکثر

زمینه و هدف: افزایش نگرانی‌ها در مورد انرژی و انتشار گازهای گلخانه‌ای حاصل از مصرف سوخت‌های فسیلی بسیاری از محققان را برآْن داشته است تا در توسعه‌ منابع انرژی های تجدیدپذیر نقش داشته باشند. سوخت زیستی می‌تواند نقش مهمی در این زمینه داشته باشد. هدف اصلی این مقاله ارایه یک مدل برنامه ریزی ریاضی برای شبکه زنجیره تامین زیست توده است. روش بررسی: محققین از طریق مطالعات کتابخانه ای و تهیه پرسش نامه به برآورد پارامترهای دارای عدم قطعیت و داده های مرتبط با آن پارامترهای مورد نظر پرداخته و سپس از طریق مصاحبه، نظرات خبرگان در مورد حدود و شکل تغییرات پارامترهای مورد نظر تصمیم گیری را جمع اوری کرده است. سپس یک مدل برنامه ریزی عدد صحیح مختلط چند هدفه فازی که به دنبال حداقل کردن هزینه ها، حداقل کردن اثرات محیط زیستی و حداقل کردن زمان رسیدن محصول به مشتری در یک زنجیره تامین زیست توده می باشد، ارایه کرده است. یافته ها: پس از حل مدل، مقادیر سه تابع هدف حداقل کردن هزینه کل، حداقل کردن اثرات محیط زیستی و حداقل کردن زمان رسیدن محصول به مشتری به ازای مقادیر مختلف درجه برقراری محدودیت به دست آمدند. براساس نتایج به دست آمده، دو تابع هدف اقتصادی و محیط زیستی با یکدیگر در تضاد هستند. به این معنا که حرکت هر یک به سمت مطلوب مستلزم حرکت تابع هدف دیگر به سمت نامطلوب خواهد بود. بحث و نتیجه گیری: در این پژوهش مدل برنامه ریزی ریاضی پیشنهادی با الگوریتم MOPSO حل شده است که نتایج آن نشان دهنده مکان و ظرفیت تسهیلات، میزان تولید زیست دیزل و گلیسرین، میزان روغن استخراج شده جاتروفا و روغن پسماند تصفیه شده می باشند. تفاصيل المقالة

حرية الوصول المقاله

26 - طراحی بهینه حوضچه‌های بازداشت در حوضه‌های آبریز با استفاده از الگوریتم بهینه‌ساز جامعه مورچگان چند هدفه و مدل SWAT
عباس افشار محمد جواد امامی اسکاردی فرزین جیرانی

زمینه و هدف: کنترل بار آلودگی غیر نقطه ای[1] به منظور سالم نگاه داشتن پیکره های آبی از اهمیت به سزایی در مدیریت سیستم های منابع آب برخوردار است. یکی از موثرترین سازه ها در مدیریت بار آلودگی غیر نقطه ای، حوضچه های بازداشت می باشند. طراحی یکپارچه ی مجموعه حوضچه های بازداش أکثر

زمینه و هدف: کنترل بار آلودگی غیر نقطه ای[1] به منظور سالم نگاه داشتن پیکره های آبی از اهمیت به سزایی در مدیریت سیستم های منابع آب برخوردار است. یکی از موثرترین سازه ها در مدیریت بار آلودگی غیر نقطه ای، حوضچه های بازداشت می باشند. طراحی یکپارچه ی مجموعه حوضچه های بازداشت در مجموعه زیر حوضه ها می تواند با بازدهی بیشتری در حذف رسوبات همراه باشد. جهت دست یابی به این هدف اتصال الگوریتم های بهینه ساز و نرم افزارهای مدل سازی حوضه های آبریز می تواند کمک به سزایی در طراحی بهینه ی حوضچه های بازداشت باشد. روش کار: هدف از انجام این پژوهش استفاده از یک مدل شبیه ساز-بهینه ساز چند منظوره برای برنامه ریزی و طراحی یکپارچه ی حوضچه های بازداشت در سطح حوضه های آبریز است که بتوان مصالحه ای را بین اهداف مختلف برقرار نمود. واضح است که با استفاده از حوضچه های بازداشت بزرگتر و با تعداد بیشتر می توان میزان حجم بالاتری از رسوبات را به دام انداخت، ولی متعاقبا هزینه های ساخت حوضچه های بازداشت نیز افزایش خواهد یافت. جهت بهینه سازی اندازه و مکان حوضچه های بازداشت در این مساله ی دو هدفه، از الگوریتم دو هدفه جامعه مورچگان و جهت شبیه سازی حوضه ی آبریز از مدل SWAT بهره گرفته شده است. با استفاده از الگوریتم بهینه سازی جامعه مورچگان دو هدفه می توان به یک جبهه جواب های نامغلوب از دو تابع هدف متضاد دست یافت که عبارتند از: هزینه های کنترل بار رسوب تولیدی و بار رسوب تولیدی. یافته ها و نتایج: کارایی مدل پیشنهادی بر روی یک حوضه ی آبریز در غرب ایران مورد مطالعه قرار گرفته است. استفاده از بهینه ساز کلونی مورچگان و شبیه ساز SWAT، به محققین توانایی مدل سازی حوضه های آبریز و کنترل بار آلودگی غیر نقطه ای را خواهد داد. مدل چند هدفه با توجه به فراهم نمودن جبهه پرتو می تواند مدیران را در اتخاذ راهکار مناسب جهت کنترل کیفیت رواناب خروجی از حوضه ی آبریز یاری نماید. 4- Non-Point Source Management (NPSM) تفاصيل المقالة

حرية الوصول المقاله

27 - بهینه‌یابی تکاملی فازی سه هدفه و چهار‌هدفه سبد سرمایه‌گذاری در بورس اوراق بهادار تهران
محمد جواد سلیمی میرفیض فلاح شمس هادی خواجه‌زاده دزفولی

انتخاب و تشکیل سبد سهام بهینه، یکی از مهمترین‌ مسائل در حوزه تحقیقات مالی است که تلاش می‌کند ترکیب بهینه‌ای از دارایی‌ها را انتخاب نماید تا با توجه به محدودیت‌ها، بیشینه مطلوبیت برای سرمایه‌گذار ایجاد شود. با توجه به آنکه بازده اوراق بهادار در دنیای واقعی معمولاً مبهم و أکثر

انتخاب و تشکیل سبد سهام بهینه، یکی از مهمترین‌ مسائل در حوزه تحقیقات مالی است که تلاش می‌کند ترکیب بهینه‌ای از دارایی‌ها را انتخاب نماید تا با توجه به محدودیت‌ها، بیشینه مطلوبیت برای سرمایه‌گذار ایجاد شود. با توجه به آنکه بازده اوراق بهادار در دنیای واقعی معمولاً مبهم و نادقیق است، یکی از مهمترین چالش-های سرمایه‌گذاری، عدم‌اطمینان نسبت به آینده و پیامدهای آن‌ها می‌باشد. بر این اساس، در این مقاله، با استفاده از گشتاورهای مراتب بالا و تئوری فرامدرن پرتفوی، و با استفاده از منطق فازی و بهینه‌یابی تکاملی چندهدفه، مسأله انتخاب و بهینه‌یابی پرتفوهای اوراق بهادار مدلسازی و حل گردیده است. مدل‌های طراحی شده هم طبیعت چندهدفه مسأله انتخاب پرتفو را در نظر گرفته و هم ملاحظات مدنظر سهامدار را در انتخاب پرتفو دخیل نموده است. کیفیت عدم اطمینان بازده آتی پرتفوی داده شده با استفاده از اعداد LR فازی تخمین زده شده در حالیکه گشتاورهای بازدهی آن با استفاده از تئوری امکانی سنجیده شده است. مهمترین هدف این مقاله حل مسأله و مقایسه مدل‌های انتخاب پرتفوی به صورت بهینه‌سازی همزمان چهار هدفه و سه هدفه است. برای این هدف، از الگوریتم ژنتیک با مرتب‌سازی نامغلوب (NSGA-II)استفاده شده و عملگرهای جهش و تقاطع به طور اختصاصی برای تولید راه‌حل‌های ممکن محدودیت کاردینالیتی مسأله طراحی شده است. در نهایت کارایی و عملکرد مدل‌ها در صورت استفاده از منطق فازی و عدم استفاده از آن مقایسه شده است و مشخص گردیده است که استفاده از منطق فازی و تئوری امکانی، باعث تشکیل پرتفوهای با عملکرد بالاتر و مطلوببیت بیشتر می‌گردد تفاصيل المقالة

حرية الوصول المقاله

28 - Generalized Fuzzy Inverse Data envelopment Analysis Models
A. Ashrafi M. Mansouri

Traditional DEA models do not deal with imprecise data and assume that the data for all inputs and outputs are known exactly. Inverse DEA models can be used to estimate inputs for a DMU when some or all outputs and efficiency level of this DMU are increased or preserved أکثر

Traditional DEA models do not deal with imprecise data and assume that the data for all inputs and outputs are known exactly. Inverse DEA models can be used to estimate inputs for a DMU when some or all outputs and efficiency level of this DMU are increased or preserved. this paper studies the inverse DEA for fuzzy data. This paper proposes generalized inverse DEA in fuzzy data envelopment analysis. تفاصيل المقالة

حرية الوصول المقاله

29 - Multi-Objective Model for Fair Pricing of Electricity Using the Parameters from the Iran Electricity Market Big Data Analysis
M. Salami F. Movahedi Sobhani M. S. Ghazizadeh

Assessment of the electricity market shows that, electricity market data can be considered "big data". this data has been analyzed by both conventional and modern data mining methods. The predicted variables of supply and demand are considered to be the input of a defin أکثر

Assessment of the electricity market shows that, electricity market data can be considered "big data". this data has been analyzed by both conventional and modern data mining methods. The predicted variables of supply and demand are considered to be the input of a defined multi-objective for predicting electricity price, which is the result of the defined model. This shows the advantage of applying the new algorithms for big data mining. تفاصيل المقالة

حرية الوصول المقاله

30 - A Multi-Objective Green Supply Chain: Multi-Product Model Considering Uncertainty
D. Khodadadian R. Radfar A. Tolooei Eshlaghi&lrm;

10.30495/ijim.2022.19857

The purpose of this research is to provide a mathematical model for designing the purchase, production, and distribution in a multi-level and multi-product supply chain network such that the environmental impact and total costs of supply chain is minimized and the custo أکثر

The purpose of this research is to provide a mathematical model for designing the purchase, production, and distribution in a multi-level and multi-product supply chain network such that the environmental impact and total costs of supply chain is minimized and the customers' satisfaction level is maximized. According to the results, the proposed NSGAII is a reliable method to find efficient Pareto frontiers in a reasonable time. تفاصيل المقالة

حرية الوصول المقاله

31 - Fuzzy Approach to Solve a Global Mixed Integer Multi-Objective FractionalL Signomial Geometric Programming ‎Problem‎
Zh. Shirinnejad M. Saraj S. Shokrolahi F. Kiany

10.30495/ijim.2022.58206.1482

This study proposes a method for solving mixed integer multi-objective fractional signomial geometric programming (MIMOFSGP) problems. A few methods have been applied in the recent past to convert a fractional signomial objective function into a non-fractional signomial أکثر

This study proposes a method for solving mixed integer multi-objective fractional signomial geometric programming (MIMOFSGP) problems. A few methods have been applied in the recent past to convert a fractional signomial objective function into a non-fractional signomial objective function to find the optimal solution by use of some common mathematical programming techniques. In this paper, at first a multi-objective fractional signomial programming is converted into a non-fractional multi-objective signomial programming problem by a new convenient reformulation strategy. A convex relaxation is used to reach global solution and then fuzzy programming technique is applied to find the optimal compromise solution. A mixed integer compromise optimal solution of the convex programming problem can finally be found by use of nonlinear branch and bound algorithm. Then 0n using the Spacial branch and bound algorithm, we find a solution that has the shortest distance from the solution of original problem. Finally two illustrative examples are included to demonstrate the correctness and efficiency of the proposed strategy and compare the results with the other solutions obtained by the other methods. تفاصيل المقالة

حرية الوصول المقاله

32 - A new multi-mode and multi-product hub covering problem‎: ‎A priority M/M/c queue ‎approach
S. Sedehzadeh&lrm; R. Tavakkoli-&lrm;Moghaddam&lrm;&lrm; F. Jolai&lrm;

One main group of a transportation network is a discrete hub covering problem that seeks to minimize the total transportation cost. This paper presents a multi-product and multi-mode hub covering model, in which the transportation time depends on travelling mode between أکثر

One main group of a transportation network is a discrete hub covering problem that seeks to minimize the total transportation cost. This paper presents a multi-product and multi-mode hub covering model, in which the transportation time depends on travelling mode between each pair of hubs. Indeed, the nature of products is considered different and hub capacity constraint is also applied. Due to the transport volume and related traffic, a new priority M/M/c queuing system is considered, in which products with high priority are selected for service ahead of those with low priority. The objectives of this model minimize the total transportation cost and total time. Besides, because of the computational complexity, a multi-objective parallel simulated annealing (MOPSA) algorithm is proposed and some computational experiments are provided to illustrate the efficiency of the presented model and proposed MOPSA algorithm. The performance of this algorithm is compared with two well-known multi-objective evolutionary algorithms, namely non-dominated sorting genetic algorithm (NSGA-II) and Pareto archive evolution strategy (PAES)&lrm;.&lrm; تفاصيل المقالة

حرية الوصول المقاله

33 - Well-dispersed subsets of non-dominated solutions for MOMILP ‎problem
SH. Razavyan

This paper uses the weighted L$_1-$norm to propose an algorithm for finding a well-dispersed subset of non-dominated solutions of multiple objective mixed integer linear programming problem. When all variables are integer it finds the whole set of efficient solutions. I أکثر

This paper uses the weighted L$_1-$norm to propose an algorithm for finding a well-dispersed subset of non-dominated solutions of multiple objective mixed integer linear programming problem. When all variables are integer it finds the whole set of efficient solutions. In each iteration of the proposed method only a mixed integer linear programming problem is solved and its optimal solutions generates the elements of the well-dispersed subset non-dominated solutions (WDSNDSs) of MOMILP. According to the distance of non-dominated solutions from the ideal point theelements of the WDSNDSs are ranked, hence it does not need the filtering procedures. Using suitable values for the parameter of the proposed model an appropriate WDSNDSs by less computational efforts can be generated. Two numerical examples present to illustrate the applicability of the proposed method and compare it with earlier &lrm;work.&lrm; تفاصيل المقالة

حرية الوصول المقاله

34 - A New Group Data Envelopment Analysis Method for Ranking Design Requirements in Quality Function ‎Deployment
J. &lrm;Pourmahmoud&lrm; E. Babazadeh

&lrm;Data envelopment analysis (DEA) is an objective method for priority determination of decision making units (DMUs) with the same multiple inputs and outputs. DEA is an efficiency estimation technique, but it can be used for solving many problems of management such a أکثر

&lrm;Data envelopment analysis (DEA) is an objective method for priority determination of decision making units (DMUs) with the same multiple inputs and outputs. DEA is an efficiency estimation technique, but it can be used for solving many problems of management such as rankig of DMUs. Many researchers have found similarity between DEA and MCDM techniques. One of the earliest techniques in MCDM is Quality Function Deployment (QFD) which is a team-based and disciplined approach to product design, engineering and production and provides in-depth evaluation of a product. The QFD team is responsible for assessing the relationships between costumer requirements (CRs) and design requirements (DRs) and the interrelationships between DRs. In practice, each member demonstrates significantly different behavior from the others and generates different assessment results, leading to the QFD with uncertainty. In this paper data envelopment analysis is used to overcome this uncertainty. Each member's subjective assessment is taken into account directly and a new data envelopment analysis method in group situation is constructed which differs from multi-objective decision making models. Then, without using Charnes-Cooper transformation, the proposed model is transformed into a linear programing problem in a completely different manner. We will call the proposed model "Grouped-QFDEA"&lrm;.&lrm; تفاصيل المقالة

حرية الوصول المقاله

35 - بهبود ذخیره‌سازی در مراکز داده ابری توزیع‌شده با افزایش قابلیت اطمینان با استفاده از الگوریتم‌های هوش جمعی
علیرضا چمکوری سراج الدین کاتبی

10.30495/jce.2022.1964623.1167

امنیت داده‌ها و حفظ حریم خصوصی در مراکز داده یک مسئله مهم است. از نگرانی‌های عمده در امنیت و حفظ حریم خصوصی، ناشی از این واقعیت است که احتمال دسترسی اپراتورهای ابر به اطلاعات حساس وجود دارد. برای بهبود ذخیره‌سازی در مراکز داده ابری توزیع‌شده از الگوریتم بهینه‌سازی ازدحا أکثر

امنیت داده‌ها و حفظ حریم خصوصی در مراکز داده یک مسئله مهم است. از نگرانی‌های عمده در امنیت و حفظ حریم خصوصی، ناشی از این واقعیت است که احتمال دسترسی اپراتورهای ابر به اطلاعات حساس وجود دارد. برای بهبود ذخیره‌سازی در مراکز داده ابری توزیع‌شده از الگوریتم بهینه‌سازی ازدحام ذرات (PSO) برای کپی‌کردن داده‌ها بین مراکز داده استفاده‌شده است. این مقاله به‌طور خلاصه اهداف و محدودیت‌های مشکل ذخیره‌سازی ابر به‌منظور دستیابی به عملکرد خوب با درنظرگرفتن کمترین فاصله انتقال داده، ذخیره‌سازی بهینه در مراکز داده توزیع‌شده با قابلیت اطمینان مبتنی بر الگوریتم PSO بین دو مجموعه داده مرکزی را به دست می‌آورد و سپس یک رویکرد رمزنگاری هوشمند را ارائه می‌دهد که اپراتورهای سرویس ابری نمی‌توانند به‌طور مستقیم از داده‌های جزئی دسترسی پیدا کنند. نتایج عددی نشان می‌دهد که روش پیشنهادی می‌تواند یک استراتژی ذخیره‌سازی ابری خوب را فراهم کند، زمانی که تعداد مراکز داده توزیع برابر باشد می‌توان دفاع از تهدیدات اصلی در ابرها را به‌طور مؤثر انجام داد. تفاصيل المقالة

حرية الوصول المقاله

36 - Pareto Optimum Design of Heat Exchangers based on the Imperialist Competitive Algorithm: A Case Study
Mohammadjavad Mahmoodabadi Soodeh Zarnegar

In this paper, the multi-objective optimum design of shell and tube heat exchangers is investigated. A thermal modelling of an industrial shell and tube heat exchanger is performed using an -NTU method for estimating the shell side heat transfer coefficient and pressure أکثر

In this paper, the multi-objective optimum design of shell and tube heat exchangers is investigated. A thermal modelling of an industrial shell and tube heat exchanger is performed using an -NTU method for estimating the shell side heat transfer coefficient and pressure drop. The efficiency and total cost (includes the capital investment for the equipment and operating cost) are two important parameters in the design of heat exchangers. The fixed parameters and the ranges of the design variables are obtained from a shell and tube recovery heat exchanger in Barez tire production factory located in Kerman city, Iran. The Imperialist Competitive Algorithm (ICA) is used to find the optimal design parameters to achieve the maximum thermal efficiency and minimum consumption cost as the objective functions. The tube inside and outside diameters, tube length and the number of tubes are considered as four design variables. Furthermore, the effects of changing the values of the design variable on the objective functions are independently investigated. At the end, the obtained Pareto front and the related design variables and their corresponding objective functions are presented. تفاصيل المقالة

حرية الوصول المقاله

37 - Design of Optimal PID, Fuzzy and New Fuzzy-PID Controller for CANSAT Carrier System Thrust Vector
A. Kosari H. Jahanshahi A. A. Razavi

In this paper, multi-objective optimization based on Genetic Algorithm is used to find the design variables of PID, fuzzy and new Fuzzy-PID controllers applying for a thrust vector control of CANSAT carrier system. Motion vector control is considered according to the dy أکثر

In this paper, multi-objective optimization based on Genetic Algorithm is used to find the design variables of PID, fuzzy and new Fuzzy-PID controllers applying for a thrust vector control of CANSAT carrier system. Motion vector control is considered according to the dynamic governing equation of the system which is derived using Newton’s method and defined mission in delivering payload into the specific height and flight path angle. The cost functions of the system are position error from the set point and deviation of the vector angle of carrier system with carrier body, where these cost functions must be minimized simultaneously. Results demonstrate that this new Fuzzy-PID controller is superior to other controllers which are exerted in the thrust vector control of a CANSAT carrier system. This Fuzzy-PID is capable of doing the mission with decrease in settling time and rise time with respect to the convenient minimized objective function values. تفاصيل المقالة

حرية الوصول المقاله

38 - Finite Element Crushing Analysis, Neural Network Modelling and Multi-Objective Optimization of the Honeycomb Energy Absorbers
M. Vakili M. Farahani A. Khalkhali

The thin-walled honeycomb structures are one of the most common energy absorber types. These structures are of particular use in different industries due to their high energy absorption capability. In this article, the finite element simulation of honeycomb energy absor أکثر

The thin-walled honeycomb structures are one of the most common energy absorber types. These structures are of particular use in different industries due to their high energy absorption capability. In this article, the finite element simulation of honeycomb energy absorbers was accomplished in order to analyze their crushing behavior. 48 panels with different hexagonal edge length, thickness and branch angle were examined. In the following, the amounts of mean stresses versus the geometric variables using neurotic lattices were considered. Comparison between the finite element results and the obtained neural network model verified the high accuracy of the obtained model. Then the model was optimized by one of the efficient genetic algorithm methods called “Multi-objective Uniform-diversity Genetic algorithm”. The obtained optimum results provide practical information for the design and application of these energy absorbers regards to designer requirement. It was observed that honeycomb energy absorbers with 11.07 mm hexagonal edge length, 0.078 mm wall thickness and 123-degree branch angle have the maximum energy absorption over the panel mass. تفاصيل المقالة

حرية الوصول المقاله

39 - Optimal Robust Design of Sliding-mode Control Based on Multi-Objective Particle Swarm Optimization for Chaotic Uncertain Problems
Mohammadjavad Mahmoodabadi Milad Taherkhorsandi

The aim of this paper is to present an optimal robust Pareto design of sliding-mode control for chaotic uncertain problems. When designing and applying sliding mode control to challenging dynamic systems, it is crucial to gain optimal control effort and minimum tracking أکثر

The aim of this paper is to present an optimal robust Pareto design of sliding-mode control for chaotic uncertain problems. When designing and applying sliding mode control to challenging dynamic systems, it is crucial to gain optimal control effort and minimum tracking errors, simultaneously. In this regard, multi-objective particle swarm optimization (periodic CDPSO) benefiting from crucial factors such as divergence and convergence operators, the leader selection method, and the adaptive elimination technique is utilized to design the optimal control approach via obtaining the Pareto front of objective functions addressing the trade-off between the states errors and control effort. Afterward, the Pareto front acquired by the periodic CDPSO algorithm is contrasted with those obtained via other prominent algorithms in the literature including Sigma method, Modified NSGAII, and MOGA. Eventually, the numerical results elucidate the effectiveness of the proposed optimal control scheme in terms of optimal control effort and minimum tracking errors. تفاصيل المقالة

حرية الوصول المقاله

40 - Pareto Optimal Design of Passive and Active Vehicle Suspension Models
Mohammadjavad Mahmoodabadi Seyed Mehdi Mortazavi Yazdi

It would be difficult to deny the importance of optimization intheareasof science and technology. This is in fact, one of the most critical steps in any design process. Even small changes inoptimization can improve dramatically upon any process orelementwithin a process أکثر

It would be difficult to deny the importance of optimization intheareasof science and technology. This is in fact, one of the most critical steps in any design process. Even small changes inoptimization can improve dramatically upon any process orelementwithin a process. However, determining whetheran optimization approach willimprove on an original design is usually a question that its response in this study has led to an optimal design out of an existing car model. First of all, the optimization of a passive car-quarter model has been accomplished by means of a genetic algorithm. This initial optimization gives a figure of points named ''Pareto optimum points''. Secondly, through selecting a point amongst them, the design of active model has been completed and optimized based on genetic algorithm. Continuing with this thought, a similar process has been also accomplishedwith a car-half vehicle model with five degrees of freedom. Though the last optimized active model may prove a more reliable efficient design due to the more comprehensive feature related to the degrees of freedom, the results of each optimization should be considered and maysupply equally attractive anddiverse choicesas well. Anyway, let's focus on the final purposewhich is to reduce the vibrations as much as possible. This is what is observed through all the optimization jobs in this study. Comparison of these results with those reported in the literature affirms the excellence of the proposed optimal designs. تفاصيل المقالة

حرية الوصول المقاله

41 - Multi-Objective Optimization of Loading Paths for Double-Layered Tube Hydroforming using Finite Element Analysis
Hamed Ebrahimi Keshmarzi Ramin Hashemi Reza Madoliat

One of the most important studies in tube hydroforming process is optimization of loading paths. The primary purpose of this research is to maximize formability by detecting the optimal forming parameters. The most significant settings in the prosperity of tube hydrofor أکثر

One of the most important studies in tube hydroforming process is optimization of loading paths. The primary purpose of this research is to maximize formability by detecting the optimal forming parameters. The most significant settings in the prosperity of tube hydroforming process, are internal pressure and end axial feed (i.e., load path). In this paper, a finite element analysis was performed for a double-layered tube hydroforming process using the ABAQUS/Explicit software. Then, the finite element model has been verified with published experimental data. Using design of experiments (DOE) working with the Taguchi method, 32 loading paths are designed for optimization. All 32 loading paths are modelled using the finite element method in ABAQUS/Explicit and the magnitudes of bulge height and the total thickness of tubes at the branch tip are obtained in each loading path. The regression analysis is carried out to estimate the tubes formability and obtain objective functions that are bulge height and the total thickness of tubes at the protrusion peak as functions of loading parameters (internal pressure and axial feed). For solving the multi-objective optimization problem, the non-dominated sorting genetic algorithm II (NSGA-II) is utilized and the optimum results were obtained from the Pareto optimal front. Finally, the optimized loading path was applied to the finite element model and better formability (3.4% increase in the bulge height) has been achieved in the results. تفاصيل المقالة

حرية الوصول المقاله

42 - Design an Adaptive Sliding Mode Controller for a Class of Underactuated Systems
Hossein Moeinkhah Mohammad Ahmadi Balootaki

10.30495/admt.2021.1898210.1194

The majority of underactuated systems are nonholonomic, due to non-integrable differential constraints. Therefore, controlling an underactuated system is considered as a challenging problem. In this study, an adaptive controller based on super-twisting sliding mode cont أکثر

The majority of underactuated systems are nonholonomic, due to non-integrable differential constraints. Therefore, controlling an underactuated system is considered as a challenging problem. In this study, an adaptive controller based on super-twisting sliding mode controller is proposed for a class of robust underactuated systems subjected to uncertainties and external disturbances. The adaptive compensator was designed so that there would be no need to the upper bound of the external disturbance. The controller parameters of adaptive sliding mode control are tuned based on a multi-objective non-dominated sorting of genetic optimization algorithm. The results of simulation and the demonstration of the effectiveness and applicability of the proposed scheme are presented. تفاصيل المقالة

حرية الوصول المقاله

43 - Minimum Stiffness and Optimal Position of an Intermediate Elastic Support to Maximize the Fundamental Frequency of a Vibrating Timoshenko Beam using Finite Element Method and Multi-Objective Genetic Algorithm
Hossein Ebrahimi Farshad Kakavand Hasan Seidi

10.30486/admt.2022.697492

This paper explores the optimal position and minimum stiffness of two intermediate supports to maximize the fundamental natural frequency of a vibrating cantilever Timoshenko beam with tip mass using Finite Element Method (FEM) and a multi-objective genetic algorithm (G أکثر

This paper explores the optimal position and minimum stiffness of two intermediate supports to maximize the fundamental natural frequency of a vibrating cantilever Timoshenko beam with tip mass using Finite Element Method (FEM) and a multi-objective genetic algorithm (GA). After validating the results by comparison to previous works, the effects of the mass ratio and the position and stiffness of intermediate elastic support on the fundamental frequency are investigated. The numerical results demonstrated that as mass ratio increases, the optimal position moves toward the tip mass, and minimum stiffness increases. In many practical applications, it is not possible to place intermediate support in the optimal position; therefore, the minimum stiffness does not exist. In order to overcome this issue, a tolerance zone is considered, and design curves are proposed. The simultaneous optimization of the first and second natural frequencies of the beam with two intermediate supports was carried out using the genetic algorithm (GA) and the multi-objective GA. It was found that the optimization of the first and second natural frequencies did not require the two supports to have the same and high stiffness. The stiffness and optimal positions of the two supports differ at different mass ratios. Moreover, to optimize the first natural frequency, the second support should be stiffer, while the optimization of the second natural frequency requires the higher stiffness of the first support. تفاصيل المقالة

حرية الوصول المقاله

44 - Multi-Objective Optimization of Plate Heat Exchangers by Employing an Imperialist Competitive Algorithm
Mohammadjavad Mahmoodabadi Soodeh Zarnegar

10.30486/admt.2022.1949157.1332

In this paper, the multi-objective optimum design of plate fin heat exchangers is investigated. To this end, the efficiency and cost as two important factors for the design of heat exchangers are regarded as the objective functions. Fin pitch, fin height, fin offset len أکثر

In this paper, the multi-objective optimum design of plate fin heat exchangers is investigated. To this end, the efficiency and cost as two important factors for the design of heat exchangers are regarded as the objective functions. Fin pitch, fin height, fin offset length, cold stream flow length, no-flow length and hot stream flow length are considered as six design parameters. The ε-NTU method is applied to estimate the heat exchanger pressure drop and its effectiveness. A case study related to a gas furnace in Barez tire group located in the northwest of Kerman, Iran is considered for the constant parameters. The Imperialist Competitive Algorithm (ICA) is used to find the optimal design parameters to achieve the maximum thermal efficiency and minimum consumption cost. The method of the weighting coefficients is applied to change the considered multi-objective optimization problem as a single objective one. Furthermore, the effects of variations of the design parameters on the objective functions are independently investigated, and the related graphs are presented. تفاصيل المقالة

حرية الوصول المقاله

45 - An Optimal Routing Protocol Using Multi-Objective Cultural Algorithm for Wireless Sensor Networks (ORPMCA)
Seyed Reza Nabavi Mehdi Najafi

10.52547/mjtd.10.2.79

Wireless Sensor Networks (WSNs) is one of the most important types of networks in the world where sensors collect information within a specific area and send the data to a central point called the Base Station (BS). Many researchers have attempted to develop or improve أکثر

Wireless Sensor Networks (WSNs) is one of the most important types of networks in the world where sensors collect information within a specific area and send the data to a central point called the Base Station (BS). Many researchers have attempted to develop or improve the performance of WSNs by trying to mitigate the limitations and challenges facing WSNs. The most important challenge is to reduce energy consumption in a limited battery power supply of sensor nodes. Energy is consumed by sensor nodes in WSNs to perform three significant functions namely data sensing, transmitting and relaying. Various energy-saving routing protocols have been proposed to solve this problem to maintain the lifetime of the network for longer periods. In this paper, we propose an optimal routing protocol using multi-objective cultural algorithm for wireless sensor networks (ORPMCA). The simulation results showed that the ORPMCA protocol extends the lifetime of the WSN compared to other protocols by 15%. تفاصيل المقالة

حرية الوصول المقاله

46 - مدل‌سازی و تحلیل پایداری مبدل سپیک به روش الگوریتم چند هدفه‏‏ ی گرگ خاکستری
سید محمد ناجی اصفهانی سید حمید ظهیری مجید دلشاد

10.30486/teeges.2022.1957809.1006

این مقاله پایداری حلقۀ بستۀ مبدل سپیک با به کارگیری کنترل کننده PID بهینه را بررسی می‌کند. در این مدل پارامتر‌ها با استفاده از الگوریتم چند هدفۀ گرگ خاکستری تنظیم می‌شوند. الگوریتم چند هدفه گرگ خاکستری، الگوریتم تصادفی الهام گرفته شده از تکامل طبیعی است و در سال‌های ا أکثر

این مقاله پایداری حلقۀ بستۀ مبدل سپیک با به کارگیری کنترل کننده PID بهینه را بررسی می‌کند. در این مدل پارامتر‌ها با استفاده از الگوریتم چند هدفۀ گرگ خاکستری تنظیم می‌شوند. الگوریتم چند هدفه گرگ خاکستری، الگوریتم تصادفی الهام گرفته شده از تکامل طبیعی است و در سال‌های اخیر به صورت گسترده به عنوان تکنیک بهینه سازی در الکترونیک قدرت استفاده می‌شود. روش میانگین فضای حالت برای مدل‌سازی و دستیابی به تابع انتقال سیستم مبتنی بر مبدل استفاده شده است. بنابراین کنترل کننده PID مبتنی بر الگوریتم چند هدفۀ گرگ خاکستری در سیستم مطالعه و پیاده سازی شده است تا امکان ارزیابی پایداری مبدل و مقایسه آن با کنترل کننده PID مرسوم فراهم شود. برای بررسی پایداری سیستم، پارامتر‌های عملکردی مختلف مثل درصد فراجهش، زمان اوج، زمان نشست و اندازه پیک در نظر گرفته شده اند. پاسخ ضربۀ سیستم حلقۀ بسته با شبیه سازی در متلب به دست آمده است. عملکرد مدل ارزیابی شده است تا تحلیل مقایسه‌ای کلی سیستم انجام شود. تفاصيل المقالة

حرية الوصول المقاله

47 - Reliability-Based Robust Multi-Objective Optimization of Friction Stir Welding Lap Joint AA1100 Plates
E Sarikhani A Khalkhali

10.22034/jsm.2019.1877986.1493

The current paper presents a robust optimum design of friction stir welding (FSW) lap joint AA1100 aluminum alloy sheets using Monte Carlo simulation, NSGA-II and neural network. First, to find the relation between the inputs and outputs a perceptron neural network mode أکثر

The current paper presents a robust optimum design of friction stir welding (FSW) lap joint AA1100 aluminum alloy sheets using Monte Carlo simulation, NSGA-II and neural network. First, to find the relation between the inputs and outputs a perceptron neural network model was obtained. In this way, results of thirty friction stir welding tests are used for training and testing the neural network. Using such obtained neural network model, for the reliability robust design of the FSW, a multi-objective genetic algorithm is employed. In this way, the statistical moments of the forces, temperature, strength, elongation, micro-hardness of welded zone, grain size and welded zone thickness are considered as the conflicting objectives. The optimization process was followed by multi criteria decision making process, NIP and TOPSIS, to propose optimum points for each of the pin profiles. It is represented that some beneficial design principles are involved in FSW which were discovered by the proposed optimization process. تفاصيل المقالة

حرية الوصول المقاله

48 - Constrained Multi-Objective Optimization Problems in Mechanical Engineering Design Using Bees Algorithm
A Mirzakhani Nafchi A Moradi

Many real-world search and optimization problems involve inequality and/or equality constraints and are thus posed as constrained optimization problems. In trying to solve constrained optimization problems using classical optimization methods, this paper presents a Mult أکثر

Many real-world search and optimization problems involve inequality and/or equality constraints and are thus posed as constrained optimization problems. In trying to solve constrained optimization problems using classical optimization methods, this paper presents a Multi-Objective Bees Algorithm (MOBA) for solving the multi-objective optimal of mechanical engineering problems design. In the present study, a satellite heat pipe design, a space truss design and pressure vessel problems are considered. Multi-objective optimization using the bees algorithm which is a new multi-object obtain a set of geometric design parameters, leads to optimum solve. This method is developed in order to obtain a set of geometric design parameters leading to minimum heat pipe mass and the maximum thermal conductance. Hence, a set of geometric design parameters, lead to minimum pressure total cost and maximum pressure vessel volume. Numerical results reveal that the proposed algorithm can find better solutions when compared to other heuristic or deterministic methods and is a powerful search algorithm for various engineering optimization problems. تفاصيل المقالة

حرية الوصول المقاله

49 - Optimal Locations on Timoshenko Beam with PZT S/A for Suppressing 2Dof Vibration Based on LQR-MOPSO
M Hasanlu A Bagheri

Neutralization of external stimuli in dynamic systems has the major role in health, life, and function of the system. Today, dynamic systems are exposed to unpredicted factors. If the factors are not considered, it will lead to irreparable damages in energy consumption أکثر

Neutralization of external stimuli in dynamic systems has the major role in health, life, and function of the system. Today, dynamic systems are exposed to unpredicted factors. If the factors are not considered, it will lead to irreparable damages in energy consumption and manufacturing systems. Continuous systems such as beams, plates, shells, and panels that have many applications in different industries as the main body of a dynamic system are no exceptions for the damages, but paying attention to the primary design of model the automatic control against disturbances has highly met the objectives of designers and also has saved much of current costs. Beam structure has many applications in constructing blades of gas and wind turbines and robots. When it is exposed to external loads, it will have displacements in different directions. Now, it is the control approach that prevents from many vibrations by designing an automated system. In this study, a cantilever beam has been modeled by finite element and Timoshenko Theory. Using piezoelectric as sensor and actuator, it controls the beam under vibration by LQR controller. Now, in order to increase controllability of the system and reduce the costs, there are only spots of the beam where most displacement occurs. By controlling the spots and applying force on them, it has the most effect on the beam. By multi-objective particle swarm optimization or MOPSO algorithm, the best weighting matrices coefficients of LQR controller are determined due to sensor and actuator displacement or the beam vibration is controlled by doing a control loop. تفاصيل المقالة

حرية الوصول المقاله

50 - Using MODEA and MODM with Different Risk Measures for Portfolio Optimization
Sarah Navidi Mohsen Rostamy-Malkhalifeh Shokoofeh Banihashemi

10.22034/amfa.2019.1864620.1200

The purpose of this study is to develop portfolio optimization and assets allocation using our proposed models. The study is based on a non-parametric efficiency analysis tool, namely Data Envelopment Analysis (DEA). Conventional DEA models assume non-negative data for أکثر

The purpose of this study is to develop portfolio optimization and assets allocation using our proposed models. The study is based on a non-parametric efficiency analysis tool, namely Data Envelopment Analysis (DEA). Conventional DEA models assume non-negative data for inputs and outputs. However, many of these data take the negative value, therefore we propose the MeanSharp-βRisk (MShβR) model and the Multi-Objective MeanSharp-βRisk (MOMShβR) model base on Range Directional Measure (RDM) that can take positive and negative values. We utilize different risk measures in these models consist of variance, semivariance, Value at Risk (VaR) and Conditional Value at Risk (CVaR) to find the best one as input. After using our proposed models, the efficient stock companies will be selected for making the portfolio. Then, by using Multi-Objective Decision Making (MODM) model we specified the capital allocation to the stock companies that selected for the portfolio. Finally, a numerical example of the Iranian stock companies is presented to demonstrate the usefulness and effectiveness of our models, and compare different risk measures together in our models and allocate assets. تفاصيل المقالة

حرية الوصول المقاله

51 - Uncertain Entropy as a Risk Measure in Multi-Objective Portfolio Optimization
Mahsa mahmoodvandgharahshiran Gholamhossein Yari Mohammad Hassan Behzadi

10.22034/amfa.2023.1971454.1815

As we are looking for knowledge of stock future returns in portfolio optimization, we are practically faced with two principal concepts: Uncertainty and Information about variables. This paper attempts to introduce a pragmatic bi-objective investment model based on unce أکثر

As we are looking for knowledge of stock future returns in portfolio optimization, we are practically faced with two principal concepts: Uncertainty and Information about variables. This paper attempts to introduce a pragmatic bi-objective investment model based on uncertainty, instead of probability space and information theory, instead of variance and other moments as a risk measure for portfolio optimization. Not only is uncertainty space expected to be more in line with investment theory, but also, applying and learning this approach seems more straightforward and practical for novice investors. The proposed model simultaneously maximizes the uncertain mean of stock returns and minimizes uncertain entropy as a measure of portfolio risk. The uncertain zigzag distribution has been used for variables to avoid the complexity of fitting distributions for data. This uncertain mean-entropy portfolio optimization (UMEPO) has been solved by three meta-heuristic methods of multi-objective optimization: NSGA-II, MOPS, and MOICA. Finally, it was observed that the optimal portfolio obtained from the proposed model has a higher return and a lower entropy as a risk measure compared to the same model in the probability space. تفاصيل المقالة

حرية الوصول المقاله

52 - Optimization Bi Objective for Designing Sustainable Supply Chain Network Economic based Competition by Cost Management Approach
Reza Ehtesham Rasi

10.22034/amfa.2020.1881758.1326

This paper presents an integrated mathematical model for cost – environmental based competition between sustainable supply chains (SCCs) with heterogeneous customers in four echelon supply with multi product. The main objective of this paper is to provide bi objec أکثر

This paper presents an integrated mathematical model for cost – environmental based competition between sustainable supply chains (SCCs) with heterogeneous customers in four echelon supply with multi product. The main objective of this paper is to provide bi objective mathematical model for designing SSC network economic based competition and optimize by using meta-heuristic algorithms. Assuming the customers are heterogeneous in the above criteria i.e. cost and pol-lution decision making, we integrated mathematical model and formulated objectives and constraints based multi-echelon supply chain network. The main contribution of this research is to a discrete choice model is integrated into the supply chain network economic model and extends the inter supply chain competition to a new dimensions of cost and environmental. The model in this problem is solved using two metaheuristic algorithms NSGAII and MOPSP. Examples of real case study related to Emersan company is presented for model illustration and managerial insights such as profit maximization and minimize cost for Emersan company that participates in this supply chain network. Finally, NSGA-II performs better and has shorter time in terms of computational time, but MOPSO algorithm is more efficient in MID, SM, QM and DM indices. In comparison of these two algorithms, the performance of MOPSO algorithm is generally better than NSGAII by in indices. تفاصيل المقالة

حرية الوصول المقاله

53 - Application of the two-stage DEA model for evaluating the efficiency and investigating the relationship between managerial ability and firm performance
Mohammad Reza Ravanshad Ali Amiri Hojjatallah Salari Davood Khodadadi

10.22034/amfa.2019.582206.1160

The aim of this study is to investigate the relationship between managerial ability and firm performance. First, we introduce a new two-stage DEA model with a fuzzy multi-objective programming approach for evaluating the performance of companies listed on the Tehran Sto أکثر

The aim of this study is to investigate the relationship between managerial ability and firm performance. First, we introduce a new two-stage DEA model with a fuzzy multi-objective programming approach for evaluating the performance of companies listed on the Tehran Stock Exchange. In this regard, the stable operation of companies, into two sub-process, have divided, which includes the profitability (first phase) and the value, creativity (the second phase), that is, the outputs of the first stage are inputs for the second stage, which can be used to identify the status of the company's operations and potential for future growth. Second, In order to measure the ability of managers, we use the model provided by Demerging. Finally, the relationship between managerial ability and firm performance are also investigated by means of the truncated-regression model. The results show that there is a positive relationship between the ability of management and firm performance. It means that managerial ability to be significantly related to the performance of the company. In this sense, the performance of the company improves by increasing managerial ability to better use resources and consequently increase overall efficiency. تفاصيل المقالة

حرية الوصول المقاله

54 - Development of closed-loop supply chain mathematical model (cost-benefit-environmental effects) under uncertainty conditions by approach of genetic algorithm
Sadegh Feizollahi Heresh Soltanpanah Ayub Rahimzadeh

10.22034/amfa.2019.1864186.1198

In the current world, the debate on the reinstatement and reuse of consumer prod-ucts has become particularly important. Since the supply chain of the closed loop is not only a forward flow but also a reverse one; therefore, companies creating integ-rity between direct أکثر

In the current world, the debate on the reinstatement and reuse of consumer prod-ucts has become particularly important. Since the supply chain of the closed loop is not only a forward flow but also a reverse one; therefore, companies creating integ-rity between direct and reverse supply chain are successful. The purpose of this study is to develop a new mathematical model for closed loop supply chain net-work. In the real world the demand and the maximum capacity offered by the sup-plier are uncertain which in this model; the fuzzy theory discussion was used to cover the uncertainty of the mentioned variables. The objective functions of the model include minimizing costs, increasing revenues of recycling products, increas-ing cost saving from recycling and environmental impacts. According to the NP-hard, an efficient algorithm was suggested based on the genetic Meta heuristic algo-rithm to solve it. Twelve numerical problems were defined and solved using the NSGA-II algorithm to validate the model تفاصيل المقالة

حرية الوصول المقاله

55 - Making Decision on Selection of Optimal Stock Portfolio Employing Meta Heuristic Algorithms for Multi-Objective Functions Subject to Real-Life Constraints
Ali Sepehri Hassan Ghodrati Ghazaani Hossein Jabbari Hossein Panahian

10.22034/amfa.2021.1915292.1525

The purpose of this study is to make investment decisions with the approach of data envelopment analysis and making decision on selection of optimal stock portfolio employing meta heuristic algorithms for multi-objective functions subject to real-life constraints. The s أکثر

The purpose of this study is to make investment decisions with the approach of data envelopment analysis and making decision on selection of optimal stock portfolio employing meta heuristic algorithms for multi-objective functions subject to real-life constraints. The statistical population of this research in capital decision-making and selection of the optimal capital composition is 183 of the selected companies of Tehran Stock Exchange, which were finally 42 companies as justified investment options. After measuring the risk and return of efficient companies, the real limitations of the budget, requirements and expectations of the investor, determination and composition of the investment were formulated as a multi-objective model. For optimal decision, the modified genetic meta heuristic algorithm and MATLAB software with dual operators were used. Elimination of the risk minimization function in sensitivity analysis improved the level of decision return but also led to more risk. Eliminating the maximizing return function improved decision-making risk but also reduced investment return. Elimination of investment requirements and expectations improved returns and increased investment risk, but more companies became involved in optimal investment. تفاصيل المقالة

حرية الوصول المقاله

56 - A new two-phase approach to the portfolio optimization problem based on the prediction of stock price trends
Hamid Reza Yousefzade Amin Karrabi Aghileh Heydari

10.22034/amfa.2021.1937022.1622

Forming a portfolio of different stocks instead of buying a particular type of stock can reduce the potential loss of investing in the stock market. Although forming a portfolio based solely on past data is the main theme of various researches in this field, considering أکثر

Forming a portfolio of different stocks instead of buying a particular type of stock can reduce the potential loss of investing in the stock market. Although forming a portfolio based solely on past data is the main theme of various researches in this field, considering a portfolio of different stocks regardless of their future return can reduce the profits of investment. The aim of this paper is to introduce a new two-phase approach to forming an optimal portfolio using the predicted stock trend pat-tern. In the first phase, we use the Hurst exponent as a filter to identify stable stocks and then, we use a meta-heuristic algorithm such as the support vector regression algorithm to predict stable stock price trends. In the next phase, according to the predicted price trend of each stock having a positive return, we start arranging the portfolio based on the type of stock and the percentage of allocated capacity of the total portfolio to that stock. To this end, we use the multi-objective particle swarm optimization algorithm to determine the optimal portfolios as well as the optimal weights corresponding to each stock. The sample, which was selected using the systematic removal method, consists of active firms listed on the Tehran Stock Ex-change from 2018 to 2020. Experimental results, obtained from a portfolio based on the prediction of stock price trends, indicate that our suggested approach outperforms the retrospective approaches in approximating the actual efficient frontier of the problem, in terms of both diversity and convergence. تفاصيل المقالة

حرية الوصول المقاله

57 - Fuzzy Compromise Approach for Solving Interval-Valued Fractional Multi-Objective Multi-Product Solid Transportation Problems
Hamiden Khalifa

In this paper, a fractional multi- objective multi- product solid transportation problem with interval costs, supply, demand, and conveyances is investigated based on fuzzy programming approach. To minimize the problem, the order relations that represent the decision ma أکثر

In this paper, a fractional multi- objective multi- product solid transportation problem with interval costs, supply, demand, and conveyances is investigated based on fuzzy programming approach. To minimize the problem, the order relations that represent the decision maker's (DM) performance between interval costs, supply, demand and conveyances are defined by the right limit, and the left limit. Through the deterministic problem is obtained, a fuzzy programming approach is applied by defining membership functions. A linear membership function is being used for obtaining optimal compromise solution. Finally, a numerical example is given to the utility of the approach. تفاصيل المقالة

حرية الوصول المقاله

58 - The Improvement of System Reliability Optimization Model and Finding an Optimal Solution
Seyed-Jafar Sadjadi Saeed Jafari

When a production facility is designed, there are various parameters affecting the number machines such as production capacity and reliability. It is often a tedious task to optimize different objectives simultaneously. The other issue is the uncertainty in many design أکثر

When a production facility is designed, there are various parameters affecting the number machines such as production capacity and reliability. It is often a tedious task to optimize different objectives simultaneously. The other issue is the uncertainty in many design parameters which makes it difficult to reach a desirable solution. In this paper, we present a new mathematical model with two objectives. The primary objective function is considered to be the production capacity and the secondary objective function is total reliability. The proposed model is formulated on different units of production which are connected together in serial form and for each unit, we may have various machines. The resulted model is formulated using recent advances of robust optimization and solution procedure is analyzed with some numerical examples. تفاصيل المقالة

حرية الوصول المقاله

59 - بکارگیری الگوریتم ژنتیک برای بهینه سازی میزان انتشار گازهای گلخانه ای حاصل از حمل و نقل و هزینه های زنجیره تامین سرد
rasoul rezaei Davood Gharakhani Reza Ehtesham Rasi

زنجیره تامین سرد با توجه به مصرف انرژی بالا و نشت گازهای مبرد، سطوح بالایی از انتشار گازهای گلخانه ای را به همراه دارد و یکی از بزرگترین انتشار دهنده های کربن است. در زنجیره تامین سرد محصولات باید در دمای پایین و نزدیک یا زیر نقطه انجماد ذخیره شوند؛ برای این منظور از ان أکثر

زنجیره تامین سرد با توجه به مصرف انرژی بالا و نشت گازهای مبرد، سطوح بالایی از انتشار گازهای گلخانه ای را به همراه دارد و یکی از بزرگترین انتشار دهنده های کربن است. در زنجیره تامین سرد محصولات باید در دمای پایین و نزدیک یا زیر نقطه انجماد ذخیره شوند؛ برای این منظور از انبارهای سردخانه ای و کامیون های یخچال دار ضروری است، بنابراین این پژوهش به طراحی یک مدل تصمیم‌گیری چند هدفه خطی مدیریت زنجیره تامین سرد می پردازد که هدف آن کاهش هزینه کلی زنجیره تامین، شامل هزینه های ظرفیت، حمل و نقل، موجودی و نیز هزینه های مربوط به تاثیر گرم شدن کره زمین به دلیل انتشار گازهای گلخانه ای است . جهت تحلیل مسئله تحقیق، یک مدل ریاضی در زمینه بهینه سازی زنجیره تامین سرد طراحی شده و برای حل این مسئله از الگوریتم ژنتیک استفاده شده است. نتایج تابع اول تحقیق نشان می‌دهد که مدل در حالت ‌تعداد مشتری بالا ‌و هنگامی که تعداد توزیع کننده با تعداد تولید کننده برابر می باشد، بهترین حالت ممکن است. از تحلیل تابع دوم نتیجه گرفته می شود که کاهش زمان ترمیم تسهیلاتی در حداقل نمودن تابع نخست، کاهش هزینه ها و کاهش انتشار گازهای گلخانه ای موثر است. بنابراین با توجه به مطالب بیان شده و نیز نتایج بدست آمده در این تحقیق، می‌توان عنوان نمود که با بهینه سازی وسایل نقیله و نیز استفاده مناسب از تعداد بهینه‌ای از وسایل حمل و نقل می توان انتظار داشت که آلودگی و تکثیر گازهای گلخانه ای به حداقل ممکن برسد. تفاصيل المقالة

حرية الوصول المقاله

60 - طراحی شبکه زنجیره تامین حلقه بسته در فضای عدم قطعیت
Reza Yousefi Zenouz Farzad Haghighi rad sajad zakeritabar

تغییرات آب و هوا و اثرات مخرب زیست محیطی فعالیتهای اقصادی، زنجیره های تامین را بر آن داشته است که در بازارهای رقابتی جهت کسب مزیت رقابتی در کنار عملکرد مالی، به دنبال اجرای سیاستهای سبز و کاهش آسیب به محیط زیست باشند. یکی از روشهای دستیابی همزمان به اهداف اقتصادی و زیست أکثر

تغییرات آب و هوا و اثرات مخرب زیست محیطی فعالیتهای اقصادی، زنجیره های تامین را بر آن داشته است که در بازارهای رقابتی جهت کسب مزیت رقابتی در کنار عملکرد مالی، به دنبال اجرای سیاستهای سبز و کاهش آسیب به محیط زیست باشند. یکی از روشهای دستیابی همزمان به اهداف اقتصادی و زیست محیطی، داشتن شبکه های زنجیره تامین حلقه بسته است که در آنها علاوه از جریان رو به جلو، لجستیک معکوس نیز در شبکه ادغام شده است. در این مقاله یک مدل برنامه ریزی عدد صحیح مختلط دو هدفه به منظور طراحی یک شبکه زنجیره تأمین حلقه بسته توسعه داده شده است. تابع هدف اول کمینه کردن هزینه‌های اقتصادی و تابع هدف دوم شامل حداقل کردن زمان تاخیر ارسال محصولات از تولیدکنندگان به توزیع کنندگان است. برای حل مدل از روش های ال پی-متریک و اپسیلون-محدودیت استفاده شده است. در نهایت مثال عددی برای ارزیابی و آنالیز حساسیت مدل ارائه شده است. در این مدل هزینه‌ها و تقاضا بعنوان پارامترهای غیر قطعی در نظرگرفته می‌شود. در راستای مواجهه با پارامترهای غیر قطعی و کاهش تاثیر آن بر روی جواب بهینه، یک مدل بهینه سازی استوار مطرح شده است. به منظور حل مدل ارائه شده در مقیاس بزرگ از الگوریتم بهینه سازی ازدحام ذرات چند هدفه (MOPSO) بهره‌گرفته شد. برای نشان دادن کارایی الگوریتم فراابتکاری پیشنهادی MOPSO، جواب های به دست آمده با جواب های روش حل دقیق مقایسه شده است. یافته های این تحقیق می تواند تصمیم گیرندگان را در طراحی زنجیره های تامین حلقه بسته یاری رساند. تفاصيل المقالة

حرية الوصول المقاله

61 - طراحی مدل ریاضی چند هدفه برای مکانیابی زنجیره تامین چهار سطحی با استفاده از الگوریتم های فرا ابتکاری
hamid Reza Mohammadi Reza Ehtesham Rasi Ali Mohtashami

هدف این پژوهش ، طراحی یک مدل ریاضی چند هدفه به در راستای بهینه سازی زنجیره تامین چهار سطحی کالاهای فاسد شدنی با استفاده از الگوریتم فرا ابتکاری هیبرید با عنایت به زمان تدارک، هزینه و رضایت مشتری است. زنجیره‌های تامین چهار سطحی مواد غذایی فاسدشدنی به دلیل تغییرات مداوم و أکثر

هدف این پژوهش ، طراحی یک مدل ریاضی چند هدفه به در راستای بهینه سازی زنجیره تامین چهار سطحی کالاهای فاسد شدنی با استفاده از الگوریتم فرا ابتکاری هیبرید با عنایت به زمان تدارک، هزینه و رضایت مشتری است. زنجیره‌های تامین چهار سطحی مواد غذایی فاسدشدنی به دلیل تغییرات مداوم و قابل توجه در کیفیت محصولات غذایی در سراسر زنجیره تا زمان مصرف نهایی جزو زنجیره‌های تامین محصولات متفاوت محسوب می‌گردد. در این تحقیق، مدل ریاضی برای مسئله مکانیابی- مسیریابی تسهیلات در یک زنجیره تامین چهار سطحی برای محصولات فاسد شدنی با رویکرد بهینه سازی همزمان هزینه‌های کل زنجیره تامین، زمان تحویل سفارشات، انتشار آلاینده‌ها و سطح رضایت مشتریان ارائه می‌گردد. برای سنجش اعتبار تحقیق، مدل ریاضی در صنایع غذایی بهشهر مورد مطالعه قرار گرفته و مسئله پژوهش در قالب یک مدل چندهدفه برنامه‌ریزی غیرخطی عدد صحیح مختلط ارائه و برای حل آن، از ترکیب دو الگوریتم تبرید و گوزن قرمز استفاده شده است. نتایج الگوریتم پیشنهادی در یک مطالعه موردی حل و نتایج حاصل از عملکرد الگوریتم بر اساس شاخص‌های استاندارد بررسی شده و در نهایت نتایج محاسباتی، نشانگر کارایی الگوریتم برای طیف وسیعی از مسائل با اندازه‌های متفاوت است. تفاصيل المقالة

حرية الوصول المقاله

62 - ارائه مدل ریاضی چند هدفه برنامه‌ریزی تولید فازی چند محصولی و چند مرحله‌ای برای چند دوره در نرم افزار گمز
Aslan Doosti saeid Rezaie Moghadam saeid Rezaie Moghadam

10.30495/imj.2022.691476

در فرایندهای تولیدی و خدماتی مواجهه با شرایط عدم قطعیت و تغییر در مقدار داده‌های مورداستفاده در مدل باعث ایجاد پارامترهای متغیر می‌شود و بنابراین انتظار وجود چنین شرایطی در تصمیم‌گیری غیرعادی نیست. لذا عدم توجه به این‌گونه تغییرات، موجب انحراف در برنامه‌ریزی و دور شدن ا أکثر

در فرایندهای تولیدی و خدماتی مواجهه با شرایط عدم قطعیت و تغییر در مقدار داده‌های مورداستفاده در مدل باعث ایجاد پارامترهای متغیر می‌شود و بنابراین انتظار وجود چنین شرایطی در تصمیم‌گیری غیرعادی نیست. لذا عدم توجه به این‌گونه تغییرات، موجب انحراف در برنامه‌ریزی و دور شدن از شرایط واقعی شده و ضررهای فراوانی را در محیط‌های مذکور ایجاد می‌نماید. با توجه به اهمیت موضوع، در این مقاله از رویکرد بهینه‌سازی فازی جهت مقابله با عدم قطعیت در پارامترهای عدم اطمینان مراحل تولید و کیفیت محصول تولیدی در مرکز تولیدکننده و مرکز بازسازی مدل استفاده می‌شود. پژوهش حاضر درصدد است با طراحی مدل ریاضی برنامه تولید چندهدفه و بهینه‌سازی آن به‌گونه‌ای عمل نماید که هزینه موجودی، تولید و نیروی انسانی حداقل شود و میزان حداکثر کیفیت محصول تولیدی و حداکثر سازی بیشترین وقوع عدم اطمینان در هر مرحله از تولید که سبب تشخیص گلوگاه کاری می‌شود، موجب افزایش سودآوری شرکت قطعات بتنی بروجن استحکام شود. نتایج حاصل از حل مدل با کد نویسی در نرم‌افزار گمز و با استفاده از روش معیار جامع شامل مقادیر توابع هدف و متغیرهای تصمیم می‌باشدکه نتایج مورد تائید مسئولین شرکت قطعات بتنی بروجن استحکام واقع شدند. تفاصيل المقالة

حرية الوصول المقاله

63 - حل مساله تبادل زمان ـ هزینه ـ کیفیت پروژه‌ها در حالت احتمالی با در نظرگرفتن راه حل های ممکن
S. Farid Mousavi Kaveh Khalili-Damghani Farnaz Rezapour Arezoo Gazori-Nishabori

10.30495/imj.2022.1943331.1702

مدیران پروژه همواره به دنبال اتخاذ تصمیماتی هستند که بتوانند پروژه‌های خود را در کوتاه‌ترین زمان ممکن، با کمترین هزینه و با کیفیتی بالا به انجام برسانند. لیکن باید توجه داشت که در مسائل واقعی با شرایطی مواجه می‌شویم که پیش‌بینی‌های ما تحت تاثیر سایر عوامل از آنچه در عمل أکثر

مدیران پروژه همواره به دنبال اتخاذ تصمیماتی هستند که بتوانند پروژه‌های خود را در کوتاه‌ترین زمان ممکن، با کمترین هزینه و با کیفیتی بالا به انجام برسانند. لیکن باید توجه داشت که در مسائل واقعی با شرایطی مواجه می‌شویم که پیش‌بینی‌های ما تحت تاثیر سایر عوامل از آنچه در عمل اتفاق می‌افتد فاصله می‌گیرد در چنین شرایطی عملاً برخی یا تمامی پارامترهای مرتبط با یک مساله مورد بررسی به وسیله متغیرهایی بیان می‌شوند که به صورت قطعی تعریف نشده‌اند. از این رو در نظر گرفتن اثر پارامترهای تصادفی در حل مساله تبادل زمان ـ هزینه ـ کیفیت دارای اهمیت بسیار زیادی می‌باشد. در این مقاله سعی داریم تا مدل مساله تبادل زمان ـ هزینه ـ کیفیت ارائه شده را در حالت تصادفی مورد توجه قرار دهیم. به این منظور برخی از پارامترهای مدل مورد اشاره را به صورت تصادفی فرض می‌کنیم. سپس به منظور حل مدل تصادفی از رویکرد برنامه‌ریزی مقید شده تصادفی استفاده خواهیم کرد. به هنگام مواجهه با توابع هدف چندگانه از میان روش‌های بهینه‌سازی مسائل چندهدفه به روش برنامه‌ریزی آرمانی خواهیم پرداخت و در نهایت مدل برنامه‌ریزی آرمانی مقید شده تصادفی را ارائه خواهیم نمود. معدل برنامه ریزی قطعی مدل ارائه شده ارائه می‌شود و در نهایت با استفاده از نرم افزار گمز و با یک مثال عددی، مدل ارائه شده حل و نتایج حاصل از آن مورد بررسی قرار خواهد گرفت. تفاصيل المقالة

حرية الوصول المقاله

64 - طراحی مدل بهینه بازیافت در زنجیره تأمین چهار سطحی حلقه بسته به وسیله تئوری صف و برنامه ریزی استوار (مطالعه موردی صنعت کاغذ)
Mahdi Alizadeh Beromi Mohammad Ali Afshar Kazemi Mohammadali Keramati Abbass Toloie Ashlaghi

10.30495/imj.2023.1993565.1867

در سال‌های اخیر رقابت‌های صنعتی و اقتصادی، مباحث زیست محیطی و فشار دولت‌ها بر تولیدکنندگان برای مدیریت پسماند محصولات و از طرفی سود ناشی از بازیافت محصولات، اهمیت طراحی شبکه زنجیره تأمین معکوس و حلقه بسته را دوچندان کرده است. تحقیق موردنظر در زمینه طراحی شبکه زنجیره تأم أکثر

در سال‌های اخیر رقابت‌های صنعتی و اقتصادی، مباحث زیست محیطی و فشار دولت‌ها بر تولیدکنندگان برای مدیریت پسماند محصولات و از طرفی سود ناشی از بازیافت محصولات، اهمیت طراحی شبکه زنجیره تأمین معکوس و حلقه بسته را دوچندان کرده است. تحقیق موردنظر در زمینه طراحی شبکه زنجیره تأمین حلقه بسته چهار سطحی در شرایط عدم قطعیت درصد بازیافت محصولات انجام می‌شود. هدف اصلی این تحقیق، ارائه یک مدل برنامه‌ریزی خطی عدد صحیح است که به منظور حداقل سازی هزینه‌های زنجیره تأمین و زمان خدمت دهی به مشتریان تحت شرایط عدم قطعیت ایجاد می‌شود. این مدل شبکه تأمین با در نظر گرفتن تئوری صف و بهینه‌سازی سیستم بازیافت محصولات طراحی می‌شود.یکی از نکات مهم تحقیق، مدل‌سازی عدم قطعیت در میزان بازگشت محصولات مصرفی به چرخه زنجیره تأمین حلقه بسته است. این تحلیل به منظور ایجاد یک رهیافت استوار برای مدل‌سازی مساله مورد استفاده قرار می‌گیرد.در انتها، عملکرد مدل پیشنهادی در صنعت تولید کاغذ ارزیابی می‌شود و یک تحلیل حساسیت با توجه به متغیرهای تصمیم بین دو الگوریتم فراابتکاری جستجوی هارمونی چندهدفه و الگوریتم ژنتیک مرتب‌سازی مغلوب ارائه می‌شود. تفاصيل المقالة

حرية الوصول المقاله

65 - حل مسئله زمانبندی پروژه با محدودیت منابع چندهدفه در حالت چند مد با الگوریتم زنبورهای عسل چندهدفه
Amir Sadeghi Sina Namazi Zahra Ghorajehlo Behnam Rezvanpour

مساله زمان‌بندی پروژه با منابع محدود، در واقع کلی ترین مساله زمان‌بندی است. مسائل زمان‌بندی کارگاهی ، جریان کارگاهی ، زمان‌بندی و سایر مسائل زمان‌بندی همگی زیر مجموعه ای از این مسئله به حساب می آیند. در این مقاله مسئله زمانبندی پروژه با محدودیت منابع در حالت چند مد و رو أکثر

مساله زمان‌بندی پروژه با منابع محدود، در واقع کلی ترین مساله زمان‌بندی است. مسائل زمان‌بندی کارگاهی ، جریان کارگاهی ، زمان‌بندی و سایر مسائل زمان‌بندی همگی زیر مجموعه ای از این مسئله به حساب می آیند. در این مقاله مسئله زمانبندی پروژه با محدودیت منابع در حالت چند مد و روابط پیش نیازی جزئی در حالت مدل چندهدفه پیشنهاد شده است. در جهت کاربردی تر کردن بیش از پیش این مسئله مشهور اهداف مهم و کاربردی از قبیل کمینه کردن زمان اتمام پروژه و بیشینه کردن کیفیت انجام فعالیت های پروژه و کمینه کردن هزینه کل پروژه در نظر گرفته شده است. پس از اعتبار دهی مدل با استفاده از الگوریتم زنبورهای عسل به حل این مدل چند هدفه پیشنهادی، پرداخته شده است و نتایج عملکرد، با الگوریتم NSGA-II مقایسه شده است. نتایج نشان دهنده این است که الگوریتم پیشنهادی عملکرد مناسبی در حل این گونه مسائل داشته است. تفاصيل المقالة

حرية الوصول المقاله

66 - زمانبندی دو هدفه جریان کارگاهی مختلط با تقریب پارتو در یک منطقه مشخص
Seyed Mostafa Mousavi

این تحقیق، مساله زمانبندی تولید در محیط جریان کارگاهی مختلط با زمان های آماده سازی وابسته به توالی و با هدف مینیمم کردن ماکزیمم زمان تکمیل کارها و جمع زمان های تاخیر را مورد بررسی قرار می دهد. در گذشته مسائل دو هدفه با یافتن تقریب پارتو از کل فضای مساله (بدون هیچ محدودی أکثر

این تحقیق، مساله زمانبندی تولید در محیط جریان کارگاهی مختلط با زمان های آماده سازی وابسته به توالی و با هدف مینیمم کردن ماکزیمم زمان تکمیل کارها و جمع زمان های تاخیر را مورد بررسی قرار می دهد. در گذشته مسائل دو هدفه با یافتن تقریب پارتو از کل فضای مساله (بدون هیچ محدودیتی) حل شده است. محدودیت در این تحقیق یافتن تقریب پارتو در یک منطقه مشخص شده است. به منظور حل مساله، الگوریتم ژنتیک چند هدفه مبتنی بر رتبه بندی پارتو مورد استفاده قرار گرفته است. در ساختار الگوریتم، دو استراتژی انتخاب جواب برای آرشیو جهت تولید پارتو در یک منطقه مشخص پیشنهاد شده است. پس از تولید مسائل نمونه، الگوریتم ژنتیک با سه استراتژی (دو استراتژی پیشنهادی و استراتژی عمومی در ادبیات) اجرا شده است. استراتژی مناسب براساس جواب-های موثر در آرشیو تعیین شده است. نتایج نشان دهنده این واقعیت است که استراتژی های پیشنهاد شده عملکرد بهتری نسبت به استراتژی در ادبیات نشان داده اند. تفاصيل المقالة

حرية الوصول المقاله

67 - استفاده از روش تصمیم گیری چند هدفه فازی برای ارائه مدل ارزیابی ریسک پروژه (حفاری چاه نفت آذر)
Mohammad Reza Imani Moghadam Mohammad Khalil Zadeh

مدیریت ریسک پروژه در پروژه ها، نشان دهنده اهمیت رتبه بندی و اولویت بندی ریسک برای تمرکز بیشتر بر مدیریت فعالیت هایی که ریسک بالاتری دارند، است؛ به عبارت دیگر، فعالیت ها براساس ریسک انجام آن ها اولویت بندی و ارزیابی می گردند. در این پژوهش، سعی برآن شده است که برای ارزیاب أکثر

مدیریت ریسک پروژه در پروژه ها، نشان دهنده اهمیت رتبه بندی و اولویت بندی ریسک برای تمرکز بیشتر بر مدیریت فعالیت هایی که ریسک بالاتری دارند، است؛ به عبارت دیگر، فعالیت ها براساس ریسک انجام آن ها اولویت بندی و ارزیابی می گردند. در این پژوهش، سعی برآن شده است که برای ارزیابی ریسک احتمالی پروژه، از یک مدل برنامه ریزی فازی با اهداف چندگانه استفاده شود. در این گونه مدل ها جهت بهینه شدن، چند هدف به طور همزمان مورد توجه قرار می گیرند. امکان دارد مقیاس سنجش برای هر هدف با مقیاس سنجش برای اهداف دیگر تفاوت داشته باشد. در مدل مورد مطالعه دو هدف دنبال می شود اولی مینمم کردن هزینه مورد انتظار حاصل از ریسک های مختلف و دومی مینمم کردن زمان مورد انتظار از ریسک های احتمالی است. روش پیشنهادی برای یک مطالعه موردی در پروژه حفاری چاه نفت آذر در منطقه ایلام به کارگرفته شده است که در آن با استفاده از تصمیم گیری چندهدفه و روشL-P متریک به حل مدل مربوطه پرداختیم. در روش L-P متریک با استفاده از توابع سازگار انحرافات موجود در جواب ها را نسبت به جواب ایده آل به حداقل رسانده و مدل دوهدفه موجود به یک مدل تک هدفه تبدیل کرده و حل نمودیم. تفاصيل المقالة

حرية الوصول المقاله

68 - بهینه‌سازی سبدسهام چندهدفه با استفاده از رویکرد جدید بهینه‌سازی کرم میوه
Amir Amini alireza alinezhad

یکی از معروفترین مسائل بهینه سازی در حوزه مهندسی مالی مسأله بهینه سازی سبد سهام می باشد. این مسأله در ساده ترین شکل خود به انتخاب سبدی از دارایی های مختلف می پردازد در حالیکه سعی در کمینه نمودن ریسک سبد انتخابی با توجه به محدودیت های تعریف شده نظیر محدودیت بودجه و عدد ص أکثر

یکی از معروفترین مسائل بهینه سازی در حوزه مهندسی مالی مسأله بهینه سازی سبد سهام می باشد. این مسأله در ساده ترین شکل خود به انتخاب سبدی از دارایی های مختلف می پردازد در حالیکه سعی در کمینه نمودن ریسک سبد انتخابی با توجه به محدودیت های تعریف شده نظیر محدودیت بودجه و عدد صحیح دارد. بطور کلی سرمایه گذاران ترجیح می دهند به جای سرمایه گذاری در یک دارایی، در چند دارایی سرمایه گذاری نموده تا به این وسیله با تنوع بخشی به سرمایه گذاری خود ریسک غیر سیستماتیک را کاهش دهند. مدل های محاسباتی پیچیده ای برای حل این مسأله توسعه یافته اند که برای بسیاری از آن ها حل بهینه ای وجود ندارد. در این مقاله، از یک رویکرد ابتکاری و فرا ابتکاری جدید بنام الگوریتم کرم میوه برای حل مسأله‌ای چند هدفه بر مبنای مدل میانگین- واریانس مارکوییتز با محدودیت های دسته‌بندی و عدد صحیح استفاده شده است. الگوریتم بهینه‌سازی حشره میوه (FOA) یک روش جدید برای یافتن جواب بهینه سراسری بر مبنای رفتار حشره میوه در پیدا کردن غذا می‌باشد. تا کنون مطالعات اندکی روی این الگوریتم صورت گرفته است و تقریباً هیچ یک از کارهای انجام شده از این الگوریتم برای حل مسأله بهینه سازی سبد سهام استفاده ننموده اند. نتایج بدست آمده نشان دهنده عملکرد نسبی بهتر این الگوریتم نسبت به الگوریتم ژنتیک برای مجموعه داده‌های بورس تهران می‌باشد.طبقه بندی JEL: G1, P5, O3 تفاصيل المقالة

حرية الوصول المقاله

69 - رویکردی نوین در حل مدل های مکانیابی چند لایه ای تسهیلات در شرایط عدم قطعیت با استفاده از شبیه سازی فازی
Mahdi Yousefi Nejad Attari Saeed Kolahi-Randji Ensiyeh Neyshabouri Jami

سیستمهای مختلف دارای رفتارهای پیچیده همراه با مباحث عدم قطعیت میباشند. تلفیق سیستمهای شبیهسازی گسسته پیشامد با تئوری مجموعههای فازی به منظور گنجاندن عدم قطعیت ارائه شده است.از جمله سیستمهای دارای رفتار پیچیده، مدلهای مکانیابی تسهیلات چند لایهای میباشد. در این مدل مشتریا أکثر

سیستمهای مختلف دارای رفتارهای پیچیده همراه با مباحث عدم قطعیت میباشند. تلفیق سیستمهای شبیهسازی گسسته پیشامد با تئوری مجموعههای فازی به منظور گنجاندن عدم قطعیت ارائه شده است.از جمله سیستمهای دارای رفتار پیچیده، مدلهای مکانیابی تسهیلات چند لایهای میباشد. در این مدل مشتریان در لایههای مختلف نوع خدمات مختلفی را دریافت میکنند. در این تحقیق یک مدل مکان یابی تسهیلات چند لایه خدمت دهی با توجه به تراکم سیستم ارائه شده است. مدل ارایه شده به صورت یک مدل برنامه ریزی غیرخطی فازی بوده و در دسته مسائل با پیچیدگی بالا قرار داد. جهت حل مدل ریاضی ارائه شده، از رویکردهای شبیه سازی فازی استفاده گردیده است. در این راستا، توابع هدف شامل کمینهسازی مدت زمان سفر متقاضی به تسهیل مورد نظر و مدت زمان انتظار متقاضی درون صف میباشد. لازم به ذکر است پس از اجرای مدل پایه و سناریوهای ایجاد شده در نرم افزار Arena نتایج بدست آمده در حالت فازی رتبه بندی گردیده است. تفاصيل المقالة

حرية الوصول المقاله

70 - بهینه‌سازی مبدل حرارتی پوسته-لوله با بافل منفذدار کواترفویل با استفاده از الگوریتم‌های فراابتکاری
سید ایمان هاشمی مرغملکی هادی اسکندری

در این پژوهش، مشخصه های حرارتی و هیدرولیکی سمت پوسته مبدل حرارتی پوسته-لوله با بافل منفذدار کواترفویل به وسیله الگوریتم های فراابتکاری گرگ خاکستری و ژنتیک به صورت تک هدفه و چند هدفه بهینه سازی می شود. تابع های هدف، ظرفیت انتقال حرارت برای مقدار بیشینه و اتلاف فشار أکثر

در این پژوهش، مشخصه های حرارتی و هیدرولیکی سمت پوسته مبدل حرارتی پوسته-لوله با بافل منفذدار کواترفویل به وسیله الگوریتم های فراابتکاری گرگ خاکستری و ژنتیک به صورت تک هدفه و چند هدفه بهینه سازی می شود. تابع های هدف، ظرفیت انتقال حرارت برای مقدار بیشینه و اتلاف فشار برای مقدار کمینه می باشد. متغیرهای مبدل حرارتی پوسته-لوله برای بهینه سازی عبارتند از: قطر و تعداد لوله ها، عدد رینولدز، فاصله بین بافل ها و ارتفاع منفذ کواترفویل. مقادیر بهینه شده برای آرایش مربع و مثلث دسته لوله ها به دست آمده است. نتایج نشان داده است که برای بیشترین انتقال حرارت بافل کواترفویل مقادیر قطر لوله 03/0 متر، تعداد لوله ها 30 عدد، مقدار عدد رینولدز 20000، ارتفاع منفذ 0018/0 متر و فاصله بین بافل ها 15/0 متر است. برای کمترین مقدار افت فشار قطر لوله ها 03/0 متر برای آرایش مربع و 01/0 متر برای آرایش مثلث، عدد رینولدز 5000، ارتفاع منفذ 003/0 متر و فاصله بین بافل ها 25/0 متر است. در بهینه سازی چند هدفه قطر لوله ها 03/0 متر و تعداد لوله ها 30 عدد حاصل شده است. بهینه سازی به وسیله الگوریتم گرگ خاکستری والگوریتم ژنتیک نتایج یکسانی برای مبدل حرارتی پوسته-لوله با بافل کواتر فویل در بر داشته است. تفاصيل المقالة

حرية الوصول المقاله

71 - بررسی اثر نوع تابع هدف جهت تشخیص آسیب در تیر یکسر گیردار به کمک روش بهینه سازی چند هدفه
جواد خیرالدین احسان جمشیدی علیرضا ارغوان

یکی از مهمترین مسایلی که در صنعت بسیار مورد توجه است، پایش وضعیت است. به عبارتی با این کار عیوب سیستم، قبل از آنکه بتواند مشکل جدی ایجاد کند شناخته شده و به رفع آن پرداخته می شود. در شناسایی آسیب دو روش موجود است، روش مخرب و غیرمخرب و از آن جایی که روش غیرمخرب با هزینه أکثر

یکی از مهمترین مسایلی که در صنعت بسیار مورد توجه است، پایش وضعیت است. به عبارتی با این کار عیوب سیستم، قبل از آنکه بتواند مشکل جدی ایجاد کند شناخته شده و به رفع آن پرداخته می شود. در شناسایی آسیب دو روش موجود است، روش مخرب و غیرمخرب و از آن جایی که روش غیرمخرب با هزینه کمتری همراه است، لذا توجه به این روش بیشتر است. یکی از روشهای شناسایی آسیب غیرمخرب، روش بررسی پارامترهای مودال سازه است. در این روش، با بررسی تغییرات پارامترهای مودال مانند فرکانس های طبیعی و شکل مودها قبل و بعد از آسیب به دنبال محل و میزان تشخیص آسیب در سازه می باشند و از آنجایی که جهت پیدا کردن آسیب با دامنه ی وسیعی از پاسخ برخورد می شود لذا تحقیقات زیادی از روش های بهینه سازی در حل مسئله استفاده کرده اند به همین خاطر با در نظر گرفتن پارامترهای دینامیکی سازه و تغییرات آن که در توابع هدف لحاظ می شود به دنبال بهینه یابی آنها بوده تا بتوانند محل و میزان آسیب را بطور مطلوبی تشخیص دهند. در این تحقیق با استفاده از روش الگوریتم ژنتیک به بررسی آسیب سازه ای پرداخته و با توجه به حضور توابع هدف مختلف، آسیب بررسی شده و دقت پاسخ به ازای تغییر پارامترهای موجود در الگوریتم به آنالیز حساسیت پرداخته و سپس با استفاده از توابع هدف مختلف و بهینه یابی الگوریتم ژنتیک چند هدفه پاسخ مناسب بدست آمده است. تفاصيل المقالة

حرية الوصول المقاله

72 - An efficient algorithm for Volt/VAr control in distribution systems with distributed generation using binary ant colony optimization
reza azimi

This paper presents a multi-objective daily voltage and reactive (Volt/VAr) control in radial distribution systems including distributed generation (DG) units. The main purpose is to determine optimum dispatch schedules for on-load tap changer (OLTC) settings at substat أکثر

This paper presents a multi-objective daily voltage and reactive (Volt/VAr) control in radial distribution systems including distributed generation (DG) units. The main purpose is to determine optimum dispatch schedules for on-load tap changer (OLTC) settings at substations, substation switched capacitors and feeder-switched capacitors based on the day-ahead load forecast. The objectives are selected to minimize the voltage deviation on the secondary bus of the main transformer, total electrical energy losses, the reactive power flow through the OLTC and voltage fluctuations in distribution systems, for the next day. Since the objectives are not the same, a fuzzy system is used to calculate the best solution. In order to simplify the control actions for OLTC at substations, a time-interval based control strategy is used for decomposition a daily load forecast into several sequential load levels. A binary ant colony optimization (BACO) method is used to solve the daily voltage and reactive control which is a non-linear mixed-integer problem. To illustrate the effectiveness of the proposed method, the Volt/VAr control is performed in IEEE 33-bus and 69-bus distribution systems and its performance is compared with genetic algorithm and hybrid binary genetic algorithm and particle swarm optimization algorithms. Simulation results show the BACO algorithm has better outperforms than other algorithms. تفاصيل المقالة

حرية الوصول المقاله

73 - Presenting a Multi-Objective Mathematical Model for Designing a Logistics Network with Transfer Pricing and Transportation Cost Allocation: A Robust Optimization Approach
Sepideh Rahimi Behnam Vahdani

Today, to satisfy the needs of customers in the supply chain, there have been considered the design and optimization of the logistic networks. The transfer pricing is one of the most important and the most complex issues that multinational companies faced to it. This ar أکثر

Today, to satisfy the needs of customers in the supply chain, there have been considered the design and optimization of the logistic networks. The transfer pricing is one of the most important and the most complex issues that multinational companies faced to it. This article provides a multi-objective mathematical model in order to design a logistic network by considering the transfer pricing and the transportation cost allocation. There has been used the mixed integer nonlinear programming to model the problem. This network has three levels: the supplier, distribution center and the retailer. To deal with the uncertainty in the parameters of the model, there has been used the robust optimization approach and eventually phased solution approach by TH method. Today, to satisfy the needs of customers in the supply chain, there have been considered the design and optimization of the logistic networks. The transfer pricing is one of the most important and the most complex issues that multinational companies faced to it. This article provides a multi-objective mathematical model in order to design a logistic network by considering the transfer pricing and the transportation cost allocation. There has been used the mixed integer nonlinear programming to model the problem. تفاصيل المقالة

حرية الوصول المقاله

74 - An Approach to Reducing Overfitting in FCM with Evolutionary Optimization
Seyed Mahmood Hashemi

Fuzzy clustering methods are conveniently employed in constructing a fuzzy model of a system, but they need to tune some parameters. In this research, FCM is chosen for fuzzy clustering. Parameters such as the number of clusters and the value of fuzzifier significantly أکثر

Fuzzy clustering methods are conveniently employed in constructing a fuzzy model of a system, but they need to tune some parameters. In this research, FCM is chosen for fuzzy clustering. Parameters such as the number of clusters and the value of fuzzifier significantly influence the extent of generalization of the fuzzy model. These two parameters require tuning to reduce the overfitting in the fuzzy model. Two new cost functions are developed to set the parameters of FCM algorithm properly and the two evolutionary optimization algorithms, i.e. the multi-objective simulated annealing and the multi-objective imperialist competitive algorithm, are employed to optimize the parameters of FCM according to the proposed cost functions. The multi-objective imperialist competitive algorithm is the proposed algorithm. تفاصيل المقالة

حرية الوصول المقاله

75 - یک رویکرد ترکیبی فازی برای انتخاب تامین‏ کنندگان و تخصیص مقدار سفارش
ریحانه حاجتی مجید نوجوان داود محمدی تبار

ارزیابی و انتخاب تامین کنندگان و تعیین میزان خرید اقلام یکی از تصمیمات راهبردی و از اجزای مهم در مدیریت زنجیره تامین است. در این مقاله برای این منظور یک رویکرد ترکیبی جدید پیشنهاد شده که شامل شش مرحله است. ابتدا در مرحله اول شاخصها و زیرشاخصهای ارزیابی تامین کنندگان ب أکثر

ارزیابی و انتخاب تامین کنندگان و تعیین میزان خرید اقلام یکی از تصمیمات راهبردی و از اجزای مهم در مدیریت زنجیره تامین است. در این مقاله برای این منظور یک رویکرد ترکیبی جدید پیشنهاد شده که شامل شش مرحله است. ابتدا در مرحله اول شاخصها و زیرشاخصهای ارزیابی تامین کنندگان با استفاده از نظرات خبرگان تعیین و در مرحله دوم روابط و درجه اهمیت آنها با استفاده از روش DEMATEL-ANP فازی، مشخص می شود. سپس در مرحله سوم با در نظرگرفتن چهار گروه برای اقلام، تامین کنندگان در هر گروه با استفاده از روش WASPAS فازی رتبه بندی می شوند. آنگاه در مرحله چهارم یک سیستم استنتاج فازی طراحی و با استفاده از آن همه اقلام خریدنی به یکی از چهار گروه تخصیص داده می شود. در مرحله پنجم، برای تعیین مقدار سفارش یک مدل برنامه ریزی عدد صحیح مختلط با سه هدف: کمینه سازی هزینه ، بیشینه سازی مطلوبیت خرید و تابع هدف جدید کمینه سازی تغییرات در تامین کنندگان انتخابی، طراحی می شود. نهایتا در مرحله آخر برای حل مدل پیشنهادی، از روشLP متریک استفاده و با تغییر ضرایب این روش، جوابهای پارتوی مسئله تعیین می شود. از رویکرد پیشنهادی برای ارزیابی تامین کنندگان و تخصیص مقدار سفارش در یک شرکت بزرگ تولیدکننده محصولات شیمیایی با تعداد زیادی از اقلام خریدنی و تامین کننده استفاده و با بررسی خبرگان صحت نتایج بدست آمده تایید شده است. تفاصيل المقالة

حرية الوصول المقاله

76 - ارائه یک مدل برنامه ریزی آرمانی در مسئله موازنه زمان - هزینه - کیفیت در مدیریت پروژه
نیما همتا محمد احسانی فر جواد ساریخانی

زمان، هزینه و کیفیت اهداف مهم و اصلی هر پروژه ای می باشد که مدیران پروژه ها، برای کسب موفقیت در آنها، همواره به دنبال اتمام آن در کمترین زمان ممکن، با صرف کمترین هزینه و با بالاترین کیفیت می باشد. یکی از چالشهای اصلی در این مورد انتخاب رویکردی مناسب به منظور رسیدن به اه أکثر

زمان، هزینه و کیفیت اهداف مهم و اصلی هر پروژه ای می باشد که مدیران پروژه ها، برای کسب موفقیت در آنها، همواره به دنبال اتمام آن در کمترین زمان ممکن، با صرف کمترین هزینه و با بالاترین کیفیت می باشد. یکی از چالشهای اصلی در این مورد انتخاب رویکردی مناسب به منظور رسیدن به اهداف مذکور می باشد. از رایج ترین رویکردها در این مورد، استفاده از تکنیک موازنه است. در واقع با استفاده از این تکنیک، می توان بهینه ترین حالت اجرای فعالیت های پروژه را که کمترین زمان اجرا، کمترین هزینه و بیشترین کیفیت را به دنبال دارد بدست آورد. در این تحقیق سعی گردیده است با ارائه مفهوم کامل تری از کیفیت، با استفاده از یک مدل برنامه ریزی آرمانی راه تصمیم گیران را برای انتخاب بهتر گزبنه هموار می کند و می توان با توجه به محدودیتهای اجرائی که به طور معمول در پروژه ها وجود دارد به بهترین ترکیب سه فاکتور (هزینه، زمان و کیفیت) دست یافت. در نهایت، عملکرد مدل ارائه شده با یک مطالعه موردی در پروژه انجام گرفته در شرکت ماشین سازی اراک مورد ارزیابی قرار گرفته و نتایج، حاصل از حل مدل در اولویتهای متفاوت سه فاکتور در این پروژه نشان می دهد در کمترین مقدار اولویت زمان، هر چه مقدار اولویت کیفیت کاهش و اولویت هزینه افزایش می یابد مقدار انحرافات سه فاکتور نسبت به هدفهای هر کدام، به حداقل مقدار خود می رسد. تفاصيل المقالة

حرية الوصول المقاله

77 - حل مدل ریاضی چندهدفه تعادل بار آنلاین در خط تولید با روش ترکیبی الگوریتم ژنتیک و شیر مورچه
نیما رحمانی علیرضا ایرج پور ناصر حمیدی اکبر عالم تبریز رضا احتشام راثی

تولید به موقع سفارشات و تحویل آن به مشتری،مزیت رقابتی سیستم های تولیدی است و موجب رضایت مشتری می شود.تخصیص متوازن سفارشات به ایستگاه های کاری، عامل تاثیر گذار در تولید به موقع و حداقل نمودن هزینه ی از دست رفته است. ایجاد توازن بار سفارشات روی ایستگا های کاری ،کاهش زمان أکثر

تولید به موقع سفارشات و تحویل آن به مشتری،مزیت رقابتی سیستم های تولیدی است و موجب رضایت مشتری می شود.تخصیص متوازن سفارشات به ایستگاه های کاری، عامل تاثیر گذار در تولید به موقع و حداقل نمودن هزینه ی از دست رفته است. ایجاد توازن بار سفارشات روی ایستگا های کاری ،کاهش زمان دوره ی تولید و کمینه کردن هزینه های مهارت نیروی انسانی و دسترسی به ماشین آلات مولفه های موثر در مسئله بالانس خطوط تولید می باشد. در این مقاله با پرداختن به مولفه های فوق مدل ریاضی چند هدفه برای مسئله بالانس آنلاین بار تولید ارائه شده است. حل مدل ریاضی با معرفی الگوریتم ترکیبی فراابتکاری ژنتیک چند هدفه و شیر مورچه انجام می شود ، این روش حل با داشتن حافظه جستجو جواب های با کیفیت را در زمان مناسب تولید می نماید. نتایج حاصل از رویکرد ارائه شده نسبت به روش های پیشین بالانس آنلاین بار نشان می دهد که زمان دوره تولید و توازن بار روی ایستگاه های کار بهبود یافته اند. تفاصيل المقالة

حرية الوصول المقاله

78 - کاهش ریسک درماندگی و هزینه ها در حوزه بانکداری با رویکرد انتخاب شرکا
موسی آذرباد امیرعباس شجاعی فرشید عبدی وحیدرضا قضاوتی کاوه خلیلی دامغانی

بانکداری یکی از مولفه های اصلی هر نظام و حکومت محسوب می شود و مدیریت صحیح و ارتقای درست آن یکی از عوامل اساسی در رشد اقتصادی کشور می باشد. بانک ها در معرض قرارگیری ریسک های متعدد و همچنین عدم کنترل هزینه های بانکی می باشند؛ در همین راستا می بایست راهکارهای مناسبی جهت به أکثر

بانکداری یکی از مولفه های اصلی هر نظام و حکومت محسوب می شود و مدیریت صحیح و ارتقای درست آن یکی از عوامل اساسی در رشد اقتصادی کشور می باشد. بانک ها در معرض قرارگیری ریسک های متعدد و همچنین عدم کنترل هزینه های بانکی می باشند؛ در همین راستا می بایست راهکارهای مناسبی جهت بهبود عملکرد بانکها در این راستا اتخاذ نمود. یکی از این روشها، انتخاب شرکا جهت تقسیم و کاهش ریسک و به اشتراک گذاری هزینه ها می باشد؛ به طوری که بتواند ریسک درماندگی بانک را کاهش داده و میزان تسهیم بانک در کنترل هزینه ها را کاهش و منجر به رشد بانک در جهت تامین مالی و انجام امور بانکداری و در نهایت رشد اقتصادی کشور شود. در این پژوهش یک مدل چندهدفه برای انتخاب شرکا در حوزه بانکداری ارایه و در ادامه بهینه سازی آن با استفاده از الگوریتم ژنتیک چندهدفه انجام شده است. تفاصيل المقالة

حرية الوصول المقاله

79 - ارائه مدل ترکیبی چند هدفه دوسطحی برای مساله مدیریت موجودی یک فروشنده و چند خرده فروش با استفاده از دو الگوریتم فرا ابتکاری چندهدفه مبتنی بر پارتو
مصطفی حسین نژادی علیرضا ایرج پور

در این پژوهش یک مدل ریاضیVMI ارائه خواهد شد. یک هدف مبنی بر کاهش هزینه های موجودی کالاها در زنجیره تامین دوسطحی است و هدف‌های دیگر به دنبال توانمندسازی سیستم و کمک به تصمیم گیری در شرایط تقاضای احتمالی و زمان های تحویل احتمالی و همچنین افزایش سطح خدمت و کیفیت و نیز کاهش أکثر

در این پژوهش یک مدل ریاضیVMI ارائه خواهد شد. یک هدف مبنی بر کاهش هزینه های موجودی کالاها در زنجیره تامین دوسطحی است و هدف‌های دیگر به دنبال توانمندسازی سیستم و کمک به تصمیم گیری در شرایط تقاضای احتمالی و زمان های تحویل احتمالی و همچنین افزایش سطح خدمت و کیفیت و نیز کاهش هزینه های افزایش سطح خدمت خواهد بود. همچنین، برای کارایی بیشتر در مسائل دنیای واقعی محدودیت هایی مانند وجود کمبود و سطح خدمت، فضای انبار، بودجه، ظرفیت انتقال، و نیز تخفیف کلی خواهیم داشت. محموله ها غیرهمسان فرض شده و کمبودها به دو صورت پس افت و فروش از دست رفته در نظر گرفته می شوند. ازآنجا که مدل به دست آمده از نوع برنامه ریزی عدد صحیح غیرخطی و اینکه مساله Np-Hard است، لذا باید از روش‌های حل فرا ابتکاری استفاده نمود. در آخر هدف این پژوهش ارایه مدل ریاضی مدیریت موجودی توسط فروشنده در زنجیره تامین در حالت هایی همچون یک خرده فروش - یک فروشنده، یک فروشنده – چند خرده فروش همراه با ارائه راه حل در شرایط عدم قطعیت و غیر همسان بودن محموله‌ها با مجاز بودن کمبود پس افت و فروش از دست رفته با تخفیف کلی است. تفاصيل المقالة

حرية الوصول المقاله

80 - EMCSO: An Elitist Multi-Objective Cat Swarm Optimization
Maysam Orouskhani Mohammad Teshnehlab Mohammad Ali Nekoui

10.22094/joie.2017.500.12

This paper introduces a novel multi-objective evolutionary algorithm based on cat swarm optimizationalgorithm (EMCSO) and its application to solve a multi-objective knapsack problem. The multi-objective optimizers try to find the closest solutions to true Pareto front ( أکثر

This paper introduces a novel multi-objective evolutionary algorithm based on cat swarm optimizationalgorithm (EMCSO) and its application to solve a multi-objective knapsack problem. The multi-objective optimizers try to find the closest solutions to true Pareto front (POF) where it will be achieved by finding the less-crowded non-dominated solutions. The proposed method applies cat swarm optimization (CSO), a swarm-based algorithm with ability of exploration and exploitation, to produce offspring solutions and uses thenon-dominated sorting method to findthe solutionsas close as to POFand crowding distance technique toobtain a uniform distribution among thenon-dominated solutions. Also, the algorithm is allowedto keep the elites of population in reproduction processand use an opposition-based learning method for population initialization to enhance the convergence speed.The proposed algorithm is tested on standard test functions (zitzler’ functions: ZDT) and its performance is compared with traditional algorithms and is analyzed based onperformance measures of generational distance (GD), inverted GD, spread,and spacing. The simulation results indicate that the proposed method gets the quite satisfactory results in comparison with other optimization algorithms for functions of ZDT1 and ZDT2. Moreover, the proposed algorithm is applied to solve multi-objective knapsack problem. تفاصيل المقالة

حرية الوصول المقاله

81 - Meta-heuristic Algorithms for an Integrated Production-Distribution Planning Problem in a Multi-Objective Supply Chain
Abolfazl Kazemi Fatemeh Kangi Maghsoud Amiri

In today's globalization, an effective integration of production and distribution plans into a unified framework is crucial for attaining competitive advantage. This paper addresses an integrated multi-product and multi-time period production/distribution planning probl أکثر

In today's globalization, an effective integration of production and distribution plans into a unified framework is crucial for attaining competitive advantage. This paper addresses an integrated multi-product and multi-time period production/distribution planning problem for a two-echelon supply chain subject to the real-world variables and constraints. It is assumed that all transportations are outsourced to third-party logistics providers and all-unit quantity discounts in transportation costs are taken into consideration. The problem has been formulated as a multi-objective mixed-integer linear programming model which attempts to simultaneously minimize total delivery time and total transportation costs. Due to the complexity of the considered problem, genetic algorithm (GA) and particle swarm optimization (PSO) algorithm are developed within the LP-metric method and desirability function framework for solving the real-sized problems in reasonable computational time. As the performance of meta-heuristic algorithms is significantly influenced by calibrating their parameters, Taguchi methodology has been used to tune the parameters of the developed algorithms. Finally, the efficiency and applicability of the proposed model and solution methodologies are demonstrated through several problems in different sizes تفاصيل المقالة

حرية الوصول المقاله

82 - Fuzzy Multi-Objective Linear Programming for Project Management Decision under Uncertain Environment with AHP Based Weighted Average Method
Md. Sanowar Hossain Shahed Mahmud Md. Mosharraf Hossain

10.22094/joie.2016.250

Smooth implementation and controlling conflicting goals of a project with the usage of all related resources through organization is inherently a complex task to management. At the same time deterministic models are never efficient in practical project management (PM) d أکثر

Smooth implementation and controlling conflicting goals of a project with the usage of all related resources through organization is inherently a complex task to management. At the same time deterministic models are never efficient in practical project management (PM) decision problems because the related parameters are frequently fuzzy in nature. The project execution time is a major concern of the involved stakeholders (client, contractors and consultants). For optimization of total project cost through time control, here crashing cost is considered as a critical factor in project management. The proposed approach aims to formulate a multi objective linear programming model to simultaneously minimize total project cost, completion time and crashing cost with reference to direct, indirect cost in the framework of the satisfaction level of decision maker with fuzzy goal and fuzzy cost coefficients.. To make such problems realistic, triangular fuzzy numbers and the concept of minimum accepted level method are employed to formulate the problem. The proposed model leads decision makers to choose the desired compromise solution under different risk levels and the project optimization problems have been solved under multiple uncertainty conditions. The Analytical Hierarchy Process is used to rank multiple objectives to make the problem realistic for the respective case. Here minimum operator and AHP based weighted average operator method is used to solved the model and the solution is obtained by using LINGO software تفاصيل المقالة

حرية الوصول المقاله

83 - Using NSGA II Algorithm for a Three Objectives Redundancy Allocation Problem with k-out-of-n Sub-Systems
mani sharifi Pedram Pourkarim Guilani mohammadreza shahriari

10.22094/joie.2016.224

in the new production systems, finding a way to improving the product and system reliability in design is a very important. The reliability of the products and systems may improve using different methods. One of this methods is redundancy allocation problem. In this pro أکثر

in the new production systems, finding a way to improving the product and system reliability in design is a very important. The reliability of the products and systems may improve using different methods. One of this methods is redundancy allocation problem. In this problem by adding redundant component to sub-systems under some constraints, the reliability improved. In this paper we worked on a three objectives redundancy allocation problem. The objectives are maximizing system reliability and minimizing the system cost and weight. The structure of sub-systems are k-out-of-n and the components have constant failure rate. Because this problem belongs to Np. Hard problems, we used NSGA II multi-objective Meta-heuristic algorithm to solving the presented problem. تفاصيل المقالة

حرية الوصول المقاله

84 - Designing an integrated production/distribution and inventory planning model of fixed-life perishable products
Javad Rezaeian keyvan Shokoufi Sepide Haghayegh Iraj Mahdavi

10.22094/joie.2016.229

This paper aims to investigate the integrated production/distribution and inventory planning for perishable products with fixed life time in the constant condition of storage throughout a two-echelon supply chain by integrating producers and distributors. This problem a أکثر

This paper aims to investigate the integrated production/distribution and inventory planning for perishable products with fixed life time in the constant condition of storage throughout a two-echelon supply chain by integrating producers and distributors. This problem arises from real environment in which multi-plant with multi-function lines produce multi-perishable products with fixed life time into a lot sizing to be shipped with multi-vehicle to multi-distribution-center to minimize multi-objective such as setup costs between products, holding costs, shortage costs, spoilage costs, transportation costs and production costs. There are many investigations which have been devoted on production/distribution planning area with different assumption. However, this research aims to extend this planning by integrating an inventory system with it in which for each distribution center, net inventory, shortage, FIFO system and spoilage of items are calculated. A mixed integer non-linear programming model (MINLP) is developed for the considered problem. Furthermore, a genetic algorithm (GA) and a simulated annealing (SA) algorithm are proposed to solve the model for real size applications. Also, Taguchi method is applied to optimize parameters of the algorithms. Computational characteristics of the proposed algorithms are examined and tested using t-tests at the 95% confidence level to identify the most effective meta-heuristic algorithm in term of relative percentage deviation (RPD). Finally, Computational results show that the GA outperforms SA although the computation time of SA is smaller than the GA. تفاصيل المقالة

حرية الوصول المقاله

85 - َA Multi-objective simulated annealing algorithm to solving flexible no-wait flowshop scheduling problems with transportation times
Bahman Naderi Hassan Sadeghi

This paper deals with a bi-objective hybrid no-wait flowshop scheduling problem minimizing the makespan and total weighted tardiness, in which we consider transportation times between stages. Obtaining an optimal solution for this type of complex, large-sized problem in أکثر

This paper deals with a bi-objective hybrid no-wait flowshop scheduling problem minimizing the makespan and total weighted tardiness, in which we consider transportation times between stages. Obtaining an optimal solution for this type of complex, large-sized problem in reasonable computational time by using traditional approaches and optimization tools is extremely difficult. This paper presents a new multi-objective simulated annealing algorithm (MOSA). A set of experimental instances are carried out to evaluate the algorithm by advanced multi-objective performance measures. The algorithm is carefully evaluated for its performance against available algorithm by means of multi-objective performance measures and statistical tools. The related results show that a variant of our proposed MOSA provides sound performance comparing with other algorithms. تفاصيل المقالة

حرية الوصول المقاله

86 - A Fuzzy Goal Programming Model for Efficient Portfolio Selection.
Abolfazl Kazemi Ali Shakourloo Alireza Alinezhad

10.22094/joie.2017.277

This paper considers a multi-objective portfolio selection problem imposed by gaining of portfolio, divided yield and risk control in an ambiguous investment environment, in which the return and risk are characterized by probabilistic numbers. Based on the theory of pos أکثر

This paper considers a multi-objective portfolio selection problem imposed by gaining of portfolio, divided yield and risk control in an ambiguous investment environment, in which the return and risk are characterized by probabilistic numbers. Based on the theory of possibility, a new multi-objective portfolio optimization model with gaining of portfolio, divided yield and risk control is proposed and then the proposed model is solved as a fuzzy goal programming model to fulfill aspiration level of each objective. Furthermore, numerical example of efficient portfolio selection is provided to illustrate that proposed model is versatile enough to be applicable to various unexpected conditions. This paper considers a multi-objective portfolio selection problem imposed by gaining of portfolio, divided yield and risk control in an ambiguous investment environment, in which the return and risk are characterized by probabilistic numbers. Based on the theory of possibility, a new multi-objective portfolio optimization model with gaining of portfolio, divided yield and risk control is proposed and then the proposed model is solved as a fuzzy goal programming model to fulfill aspiration level of each objective. Furthermore, numerical example of efficient portfolio selection is provided to illustrate that proposed model is versatile enough to be applicable to various unexpected conditions. تفاصيل المقالة

حرية الوصول المقاله

87 - A Multi-Objective Particle Swarm Optimization for Mixed-Model Assembly Line Balancing with Different Skilled Workers
Parviz Fattahi Parvaneh Samouei

10.22094/joie.2016.246

This paper presents a multi-objective Particle Swarm Optimization (PSO) algorithm for worker assignment and mixed-model assembly line balancing problem when task times depend on the worker’s skill level. The objectives of this model are minimization of the number أکثر

This paper presents a multi-objective Particle Swarm Optimization (PSO) algorithm for worker assignment and mixed-model assembly line balancing problem when task times depend on the worker’s skill level. The objectives of this model are minimization of the number of stations (equivalent to the maximization of the weighted line efficiency), minimization of the weighted smoothness index and minimization of the total human cost for a given cycle time. In addition, the performance of proposed algorithm is evaluated against a set of test problems with different sizes. Also, its efficiency is compared with a Simulated Annealing algorithm (SA) in terms of the quality of objective functions. Results show the proposed algorithm performs well, and it can be used as an efficient algorithm. This paper presents a multi-objective Particle Swarm Optimization (PSO) algorithm for worker assignment and mixed-model assembly line balancing problem when task times depend on the worker’s skill level. The objectives of this model are minimization of the number of stations (equivalent to the maximization of the weighted line efficiency), minimization of the weighted smoothness index and minimization of the total human cost for a given cycle time. In addition, the performance of proposed algorithm is evaluated against a set of test problems with different sizes. Also, its efficiency is compared with a Simulated Annealing algorithm (SA) in terms of the quality of objective functions. Results show the proposed algorithm performs well, and it can be used as an efficient algorithm تفاصيل المقالة

حرية الوصول المقاله

88 - A Bi-Objective Airport Gate Scheduling with Controllable Processing Times Using Harmony Search and NSGA-II Algorithms
Morteza khakzar Bafruei Sananz khatibi Morteza Rahmani

10.22094/joie.2018.234

Optimizing gate scheduling at airports is an old, but also a broad problem. The main purpose of this problem is to find an assignment for the flights arriving at and departing from an airport, while satisfying a set of constraints.A closer look at the literature in this أکثر

Optimizing gate scheduling at airports is an old, but also a broad problem. The main purpose of this problem is to find an assignment for the flights arriving at and departing from an airport, while satisfying a set of constraints.A closer look at the literature in this research line shows thatin almost all studies airport gate processing time has been considered as a fix parameter. In this research, however, we investigate a more realistic situation in which airport gate processing time is a controllable. It is also assumed that the possible compression/expansion processing time of a flight can be continuously controlled, i.e. it can be any number in a given interval.Doing sohas some positive effectswhich lead to increasing the total performance at airports’ terminals. Depending on the situation, different objectives become important.. Therefore, a model which simultaneously (1) minimize the total cost of tardiness, earliness, delay andthe compression as well as the expansion costs of job processing time, and (2) minimize passengers overcrowding on gate is presented. In this study, we first propose a mixed-integer programming model for the formulated problem. Due to complexity of problem, two multi-objective meta-heuristic algorithms, i.e. multi-objective harmony search algorithm (MOHSA) and non-dominated sorting genetic algorithm II (NSGA-II) are applied in order to generate Pareto solutions. For calibrating the parameter of the algorithms, Taguchi method is used and three optimal levels of the algorithm’s performance are selected. The algorithms are tested with real-life data from Mehrabad International Airport for nine medium size test problems. The experimental results show that NSGA-II has better convergence near the true Pareto-optimal front as compared to MOHSA; however, MOHSA finds a better spread in the entire Pareto-optimal region.Finally, it is possible to apply some practical constraints into the model and also test them with even large real-life problems instances. تفاصيل المقالة

حرية الوصول المقاله

89 - Multi-Objective Optimization for Multi-Product Multi-Period Four Echelon Supply Chain Problems Under Uncertainty
Md Mashum Billal Md. Mosharraf Hossain

10.22094/joie.2018.555578.1529

The multi-objective optimization for a multi-product multi-period four-echelon supply chain network consisting of manufacturing plants, distribution centers (DCs) and retailers each with uncertain services and uncertain customer nodes are aimed in this paper. The two ob أکثر

The multi-objective optimization for a multi-product multi-period four-echelon supply chain network consisting of manufacturing plants, distribution centers (DCs) and retailers each with uncertain services and uncertain customer nodes are aimed in this paper. The two objectives are minimization of the total supply chain cost and maximization of the average number of products dispatched to customers. The decision variables are the number and the locations of reliable DCs and retailers, the optimum number of items produced by plants, the optimum quantity of transported products, the optimum inventory of products at DCs, retailers and plants, and the optimum shortage quantity of the customer nodes. The problem is first formulated into the framework of a constrained multi-objective mixed integer linear programming model. After that, the problem is solved by using meta-heuristic algorithms that are Multi-objective Genetic Algorithm (MOGA), Fast Non-dominated Sorting Genetic Algorithms (NSGA-II) and Epsilon Constraint Methods via the MATLAB software to select the best in terms of the total supply chain cost and the total expected number of products dispatched to customers simultaneously. At the end, the performance of the proposed multi-objective optimization model of multi-product multi-period four-echelon supply chain network design is validated through three realizations and an innumerable of various analyses in a real world case study of Bangladesh. The obtained outcomes and their analyses recognize the efficiency and applicability of the proposed model under uncertainty. تفاصيل المقالة

حرية الوصول المقاله

90 - Optimization of Multi-period Three-echelon Citrus Supply Chain Problem
Navid Sahebjamnia Fariba Goodarzian Mostafa Hajiaghaei-Keshteli

10.22094/joie.2017.728.1463

In this paper, a new multi-objective integer non-linear programming model is developed for designing citrus three-echelon supply chain network. Short harvest period, product specifications, high perished rate, and special storing and distributing conditions make the mod أکثر

In this paper, a new multi-objective integer non-linear programming model is developed for designing citrus three-echelon supply chain network. Short harvest period, product specifications, high perished rate, and special storing and distributing conditions make the modeling of citrus supply chain more complicated than other ones. The proposed model aims to minimize network costs including waste cost, transportation cost, and inventory holding cost, and to maximize network’s profits. To solve the model, firstly the model is converted to a linear programming model. Then three multi-objective meta-heuristic algorithms are used including MOPSO, MOICA, and NSGA-II for finding efficient solutions. The strengths and weaknesses of MOPSO, MOICA, and NSGA-II for solving the proposed model are discussed. The results of the algorithms have been compared by several criteria consisting of number of Pareto solution, maximum spread, mean ideal distance, and diversification metric.Computational results show that MOPSO algorithm finds competitive solutions in compare with NSGA-II and MOICA. تفاصيل المقالة

حرية الوصول المقاله

91 - An Integrated Approach of Fuzzy Quality Function Deployment and Fuzzy Multi-Objective Programming Tosustainable Supplier Selection and Order Allocation
Amir Hossein Azadnia Pezhman Ghadimi

10.22094/joie.2017.629.1405

The emergence of sustainability paradigm has influenced many research disciplines including supply chain management. It has drawn the attention of manufacturing companies’ CEOs to incorporate sustainability in their supply chain and manufacturing activities. Suppl أکثر

The emergence of sustainability paradigm has influenced many research disciplines including supply chain management. It has drawn the attention of manufacturing companies’ CEOs to incorporate sustainability in their supply chain and manufacturing activities. Supplier selection problem, as one of the main problems in supply chain activities, is also combined with sustainable development where traditional procedures are now transformed to sustainable initiatives. Moreover, allocating optimal order quantities to sustainable suppliers has also attracted attention of many scholars and industrial practitioners, which has not been comprehensively addressed. Therefore, a practical model of supplier selection and order allocation based on the sustainability Triple Bottom Line (TBL) approach is presented in this research article. The proposed approach utilizes Fuzzy Analytical Hierarchy Process combined with Quality Function Deployment (FAHP-QFD) for reflecting buyer’s sustainability requirements into the preference weights that are then exerted by an efficient Fuzzy Assessment Method (FAM) to assess the suppliers to obtain their sustainability scores. Thereupon, these scores are utilized in a fuzzy multi-objective mix-integer non-linear programming model (MINLP) for allocating orders to suppliers based on the manufacturer’s sustainability preference. A real-world application of food industry is presented to show the practicality of the proposed approach. تفاصيل المقالة

حرية الوصول المقاله

92 - Bi-objective Optimization of a Multi-product multi-period Fuzzy Possibilistic Capacitated Hub Covering Problem: NSGA-II and NRGA Solutions
Zahra Rajabi Soroush Avakh Darestani

10.22094/joie.2018.590.1379

The hub location problem is employed for many real applications, including delivery, airline and telecommunication systems and so on. This work investigates on hierarchical hub network in which a three-level network is developed. The central hubs are considered at the f أکثر

The hub location problem is employed for many real applications, including delivery, airline and telecommunication systems and so on. This work investigates on hierarchical hub network in which a three-level network is developed. The central hubs are considered at the first level, at the second level, hubs are assumed which are allocated to central hubs and the remaining nodes are at the third level. In this research, a novel multi-product multi-objective model for capacitated hierarchical hub location problem with maximal covering under fuzzy condition first is suggested. Cost, time, hub and central hub capacities are considered as fuzzy parameters, whereas manyparameters are uncertainty and indeterministic in the real world. To solve the proposed fuzzy possibilistic multi-objective model, first, the model is converted to the equivalent auxiliary crisp model by hybrid method and then is solved by two meta-heuristic algorithms such as Non-Dominated Sorting Genetic Algorithm (NSGA-II) and Non-Dominated Ranked Genetic Algorithm (NRGA) using MATLAB software The statistical results report that there is no significant difference between means of two algorithms exception CPU time criteria. In general, in order to show efficiency of two algorithms, we used Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS), the resultsclearly show that the efficiency of NRGA is better than NSGA-II and finally, figures are achieved by MATLAB software that analyze the conflicting between two objectives. تفاصيل المقالة

حرية الوصول المقاله

93 - Developing a New Bi-Objective Functions Model for a Hierarchical Location-Allocation Problem Using the Queuing Theory and Mathematical Programming
Parham Azimi Abulfazl Asadollahi

10.22094/joie.2018.350.0

In this research, a hierarchical location-allocation problem is modeled in a queue framework. The queue model is considered as M/M/1/k, in which system capacity is finite, equals to k. This is the main contribution of the current research. Customer's enters to the syste أکثر

In this research, a hierarchical location-allocation problem is modeled in a queue framework. The queue model is considered as M/M/1/k, in which system capacity is finite, equals to k. This is the main contribution of the current research. Customer's enters to the system in order to find the service according to a Poisson. In this problem, the hierarchical location-allocation model is considered in two levels. Also, the model has two objective functions: maximizing the total number of demand coverage and minimizing the waiting time of customers in queues to receive services. After modeling and verifying the validity of the presented model, it is solved using NSGA II and MOPSO meta-heuristics. تفاصيل المقالة

حرية الوصول المقاله

94 - Optimizing a bi-objective preemptive multi-mode resource constrained project scheduling problem: NSGA-II and MOICA algorithms
Javad Hasanpour Mohammad Ghodoosi Zahra Sadat Hosseini

10.22094/joie.2016.263

The aim of a multi-mode resource-constrained project scheduling problem (MRCPSP) is to assign resource(s) with the restricted capacity to an execution mode of activities by considering relationship constraints, to achieve pre-determined objective(s). These goals vary wi أکثر

The aim of a multi-mode resource-constrained project scheduling problem (MRCPSP) is to assign resource(s) with the restricted capacity to an execution mode of activities by considering relationship constraints, to achieve pre-determined objective(s). These goals vary with managers or decision makers of any organization who should determine suitable objective(s) considering organization strategies. We also introduce the preemptive extension of the problem which allows activity splitting. In this paper the preemption multi-mode resource-constrained project scheduling problem (P-MMRCPSP) with Minimum makespan and the maximization of net present value (NPV) has been considered. Since the considered model is NP-Hard, The performance of our proposed model is evaluated by comparison with two well-known algorithms; non-dominated sorting genetic algorithm (NSGA II), multi-objective imperialist competitive algorithm (MOICA). These metaheuristics have been compared on the basis of a computational experiment performed on a set of instances obtained from standard test problems constructed by the ProGen project generator, where, additionally, cash flows were generated randomly with the uniform distribution. Since the effectiveness of most meta-heuristic algorithms significantly depends on choosing the proper parameters. A Taguchi experimental design method (DOE) was applied to set and estimate the proper values of GAs parameters for improving their performances. The computational results show that the proposed MOICA outperforms the NSGA-II. تفاصيل المقالة

حرية الوصول المقاله

95 - A New Bi-objective Mathematical Model to Optimize Reliability and Cost of Aggregate Production Planning System in a Paper and Wood Company
Mohammad Ramyar Esmaeil Mehdizadeh Seyyed Mohammad Hadji Molana

10.22094/joie.2018.558585.1539

In this research, a bi-objective model is developed to deal with a supply chain including multiple suppliers, multiple manufacturers, and multiple customers, addressing a multi-site, multi-period, multi-product aggregate production planning (APP) problem. This bi-object أکثر

In this research, a bi-objective model is developed to deal with a supply chain including multiple suppliers, multiple manufacturers, and multiple customers, addressing a multi-site, multi-period, multi-product aggregate production planning (APP) problem. This bi-objective model aims to minimize the total cost of supply chain including inventory costs, manufacturing costs, work force costs, hiring, and firing costs, and maximize the minimum of suppliers' and producers' reliability by the considering probabilistic lead times, to improve the performance of the system and achieve a more reliable production plan. To solve the model in small sizes, a ε-constraint method is used. A numerical example utilizing the real data from a paper and wood industry is designed and the model performance is assessed. With regard to the fact that the proposed bi-objective model is NP-Hard, for large-scale problems one multi-objective harmony search algorithm is used and its results are compared with the NSGA-II algorithm. The results demonstrate the capability and efficiency of the proposed algorithm in finding Pareto solutions. تفاصيل المقالة

حرية الوصول المقاله

96 - Modelling and optimization of a tri-objective Transportation-Location-Routing Problem considering route reliability: using MOGWO, MOPSO, MOWCA and NSGA-II
Fariba Maadanpour Safari Farhad Etebari Adel Pourghader Chobar

10.22094/joie.2020.1893849.1730

In this research, a tri-objective mathematical model is proposed for the Transportation-Location-Routing problem. The model considers a three-echelon supply chain and aims to minimize total costs, maximize the minimum reliability of the traveled routes and establish a w أکثر

In this research, a tri-objective mathematical model is proposed for the Transportation-Location-Routing problem. The model considers a three-echelon supply chain and aims to minimize total costs, maximize the minimum reliability of the traveled routes and establish a well-balanced set of routes. In order to solve the proposed model, four metaheuristic algorithms, including Multi-Objective Grey Wolf Optimizer (MOGWO), Multi-Objective Water Cycle Algorithm (MOWCA), Multi-objective Particle Swarm Optimization (MOPSO) and Non-Dominated Sorting Genetic Algorithm- II (NSGA-II) are developed. The performance of the algorithms is evaluated by solving various test problems in small, medium, and large scale. Four performance measures, including Diversity, Hypervolume, Number of Non-dominated Solutions, and CPU-Time, are considered to evaluate the effectiveness of the algorithms. In the end, the superior algorithm is determined by Technique for Order of Preference by Similarity to Ideal Solution method. تفاصيل المقالة

حرية الوصول المقاله

97 - Multiple Items Supplier Selection, Economic Lot-sizing, and Order Allocation Under Quantity Discount: A Genetic Algorithm Approach
Getachew Basa Bonsa Till Becker Abdelkader Kedir

10.22094/joie.2023.1901314.1751

The task at hand involves selecting the most suitable supplier(s), determining the optimal lot size, and allocating the total order quantities among the suppliers based on various selection criteria. However, this can become more complex when taking into account quantit أکثر

The task at hand involves selecting the most suitable supplier(s), determining the optimal lot size, and allocating the total order quantities among the suppliers based on various selection criteria. However, this can become more complex when taking into account quantity discount offers and transportation selection decisions in the selection and order allocation process. To address this challenge, this paper proposes an integrated approach that combines the Analytic Hierarchy Process (AHP) with a multi-objective mixed integer nonlinear program. The approach is designed for a multi-item, capacitated multi-supplier scenario, where the goal is to select suppliers, determine lot sizes, and allocate orders while taking into account unit quantity discounts and intermodal freight costs. The proposed approach aims to minimize costs and the percentage of rejected items, while maximizing the purchasing value. To solve this problem, an efficient genetic algorithm with problem-specific operators is utilized. تفاصيل المقالة

حرية الوصول المقاله

98 - Multi-objective optimization of production: A case study on simplex, goal programming, and pareto front models
Astrid Putri Mochamad Hariadi Reza Rachmadi

10.22094/joie.2023.1985816.2062

Farmers are the essential factor in the productivity chain. However, they can also be the weakest one since the distribution chain of sales transactions took a long way in Indonesia, involving farmers, collectors, wholesalers, retailers in traditional markets, and consu أکثر

Farmers are the essential factor in the productivity chain. However, they can also be the weakest one since the distribution chain of sales transactions took a long way in Indonesia, involving farmers, collectors, wholesalers, retailers in traditional markets, and consumers. It makes consumers buy an agricultural product at a high price from farmers' uncertain stock. A distribution chain needs an optimization model involving good decision-making from organizations or governments in planning, production, warehouse, and transportation. Simulation-based optimization aims to provide adequate stock for consumers' needs and farmers' profits to minimize production costs. The Proposed Framework Integrated Three Methods is Optimization Simplex using POM QM, Optimization Goal Programming Using POM QM, Pareto Front using Phyton based and publicly available via github.This research focuses on optimization using the simplex method to fulfil the objective function with a maximum limit of more than one variable as the parameters: market demand, stock, harvest season, and price. It is also necessary to do re-optimization using goal programming to minimize the achievement deviation of the goal function and Pareto front as a model of optimizing the solution of multiple problems or Multi-Objective Optimization using linear programming. It is the development of the previous research which aims at finding the answer to the product optimization problem by cutting the distribution channel into four; farmers sell products to KUD (Cooperatives Village Unit), and KUD holds buying and selling process between farmers. Consumers and distributors sell products to consumers, and consumers purchase the product from KUD. The research shows the optimization results of the average price are up to 8913060, and the middle market hole is up to 17741000. تفاصيل المقالة

حرية الوصول المقاله

99 - A new approach to solving multi-follower multi-objective linear bilevel programming problems
Habibe Sadeghi Farzaneh Anis Hosseini

10.22094/joie.2022.543647.1512

In this paper, we present a suitable extension of the approach described by Pieume et al. (2011) for solving multi-follower multi-objective linear bilevel programming problems. This problem is a special case of multi-follower bilevel linear programming problems, where e أکثر

In this paper, we present a suitable extension of the approach described by Pieume et al. (2011) for solving multi-follower multi-objective linear bilevel programming problems. This problem is a special case of multi-follower bilevel linear programming problems, where each decision maker possesses several objective functions that in some cases, conflict with one another. We construct a multi-objective linear programming problem. Furthermore, we show that the multi-follower multi-objective linear bilevel programming problem can be reduced to optimize the top-level multi-objective linear programming problem over an efficient set. The proposed approach uses a Pareto-filter scheme, and obtains an approximate discrete representation efficient set unlike the fuzzy approaches that only obtain one efficient solution. Ultimately, a numerical example is presented to illustrate the efficiency of the proposed approach. تفاصيل المقالة

حرية الوصول المقاله

100 - Building a Multi-Objective Model for Multi-Product Multi-Period Production Planning with Controllable Processing Times: A Real Case Problem
Mir Bahadorgholi Aryanezhad Mehdi Karimi-Nasab Seyed Mohammad Taghi Fatemi Ghomi

Model building is a fragile and complex process especially in the context of real cases. Each real case problem has its own characteristics with new concepts and conditions. A correct model should have some essential characteristics such as: being compatible with real c أکثر

Model building is a fragile and complex process especially in the context of real cases. Each real case problem has its own characteristics with new concepts and conditions. A correct model should have some essential characteristics such as: being compatible with real conditions, being of sufficient accuracy, being logically traceable and etc. This paper discusses how to build an efficient model for a real case production planning problem. This process is reinforced by providing the proofs confirming the special characteristics of the final model such as proving its NP-Completeness. Also, the extremes of both objective functions â€“ production smoothing versus cost minimizing â€“ are calculated analytically. Finally, the case study and its solution methods are discussed briefly. تفاصيل المقالة

حرية الوصول المقاله

101 - A Bi-objective Pre-emption Multi-mode Resource Constrained Project Scheduling Problem with due Dates in the Activities
zahra Sadat Hosseini Javad Hassan pour Emad Roghanian

In this paper, a novel mathematical model for a preemption multi-mode multi-objective resource-constrained project scheduling problem with distinct due dates and positive and negative cash flows is presented. Although optimization of bi-objective problems with due dates أکثر

In this paper, a novel mathematical model for a preemption multi-mode multi-objective resource-constrained project scheduling problem with distinct due dates and positive and negative cash flows is presented. Although optimization of bi-objective problems with due dates is an essential feature of real projects, little effort has been made in studying the P-MMRCPSP while due dates are included in the activities. This paper tries to bridge this gap by studying tardiness MMRCPSP, in which the objective is to minimize total weighted tardiness and to maximize the net present value (NPV). In order to solve the given problem, we introduced a Non-dominated Ranking Genetic Algorithm (NRGA) and Non-Dominated Sort Genetic Algorithm (NSGA-II). Since the effectiveness of most meta-heuristic algorithms significantly depends on choosing the proper parameters. A Taguchi experimental design method was applied to set and estimate the proper values of GAs parameters for improving their performances. To prove the efficiency of our proposed meta-heuristic algorithms, a number of test problems taken from the project scheduling problem library (PSPLIB) were solved. The computational results show that the proposed NSGA-II outperforms the NRGA. تفاصيل المقالة

حرية الوصول المقاله

102 - A Simulated Annealing Algorithm for Multi Objective Flexible Job Shop Scheduling with Overlapping in Operations
Mehrzad Abdi Khalife Babak Abbasi Amirhossein Kamali Dolat abadi

In this paper, we considered solving approaches to flexible job shop problems. Makespan is not a good evaluation criterion with overlapping in operations assumption. Accordingly, in addition to makespan, we used total machine work loading time and critical machine work أکثر

In this paper, we considered solving approaches to flexible job shop problems. Makespan is not a good evaluation criterion with overlapping in operations assumption. Accordingly, in addition to makespan, we used total machine work loading time and critical machine work loading time as evaluation criteria. As overlapping in operations is a practical assumption in chemical, petrochemical, and glass industries, we used simulated annealing algorithm for multi-objective flexible job shop scheduling problem with overlapping in operations to find a suitable solution. To evaluate performance of the algorithm, we developed a mixed integer linear programming model, and solved it with the classical method (branch and bound). The results showed that in small size problems, the solutions of the proposed algorithm and the mathematical model were so close, and in medium size problems, they only had lower and upper bounds of solution and our proposed algorithm had a suitable solution. We used an experimental design for improving the proposed algorithm. تفاصيل المقالة

حرية الوصول المقاله

103 - Multi-objective and Scalable Heuristic Algorithm for Workflow Task Scheduling in Utility Grids
Vahid Kahejvand Hossein Pedram Mostafa Zandieh

To use services transparently in a distributed environment, the Utility Grids develop a cyber-infrastructure. The parameters of the Quality of Service such as the allocation-cost and makespan have to be dealt with in order to schedule workflow application tasks in the U أکثر

To use services transparently in a distributed environment, the Utility Grids develop a cyber-infrastructure. The parameters of the Quality of Service such as the allocation-cost and makespan have to be dealt with in order to schedule workflow application tasks in the Utility Grids. Optimization of both target parameters above is a challenge in a distributed environment and may conflict one another. We, therefore, present a novel heuristic algorithm for scheduling a workflow application on Utility Grids. Our proposed algorithm optimizes the allocation-cost and makespan in a scalable and very low runtime. The results of the wide-spread simulation indicate that the proposed algorithm is scalable against an increase in the application size and task parallelism of the application. The proposed algorithm effectively outperforms the current algorithms in terms of the allocation-cost, makespan and runtime scalability. تفاصيل المقالة

حرية الوصول المقاله

104 - Fuzzy Programming for Parallel Machines Scheduling: Minimizing Weighted Tardiness/Earliness and Flow Time through Genetic Algorithm
Mohammad Asghari Samaneh Nezhadali

Appropriate scheduling and sequencing of tasks on machines is one of the basic and significant problems that a shop or a factory manager encounters; this is why in recent decades extensive studies have been done on scheduling issues. One type of scheduling problems is j أکثر

Appropriate scheduling and sequencing of tasks on machines is one of the basic and significant problems that a shop or a factory manager encounters; this is why in recent decades extensive studies have been done on scheduling issues. One type of scheduling problems is just-in-time (JIT) scheduling and in this area, motivated by JIT manufacturing, this study investigates a mathematical model for appraising a multi-objective programing that minimize total weighted tardiness, earliness and total flowtime with fuzzy parameters on parallel machines, simultaneously with respect to the impact of machine deterioration. Besides, in this paper attempted to present a defuzzification approach and a heuristic method based on genetic algorithm (GA) to solve the proposed model. Finally, several dominant properties of optimal solutions are demonstrated in comparison with the results of a state-of-the-art commercial solver and the simulated annealing method that is followed by illustrating some instances for indicating validity and efficiency of the method. تفاصيل المقالة

حرية الوصول المقاله

105 - A multi-objective evolutionary approach for integrated production-distribution planning problem in a supply chain network
Keyvan Sarrafha Abolfazl Kazemi Alireza Alinezhad

Integrated production-distribution planning (PDP) is one of the most important approaches in supply chain networks. We consider a supply chain network (SCN) to consist of multi suppliers, plants, distribution centers (DCs), and retailers. A bi-objective mixed integer li أکثر

Integrated production-distribution planning (PDP) is one of the most important approaches in supply chain networks. We consider a supply chain network (SCN) to consist of multi suppliers, plants, distribution centers (DCs), and retailers. A bi-objective mixed integer linear programming model for integrating production-distribution designed here aim to simultaneously minimize total net costs in supply chain and transfer time of products for retailers. From different terms of evolutionary computations, this paper proposes a Pareto-based meta-heuristic algorithm called multi-objective simulated annealing (MOSA) to solve the problem. To validate the results obtained, a popular algorithm namely non-dominated sorting genetic algorithm (NSGA-II) is utilized as well. Since the solution-quality of proposed meta-heuristic algorithm severely depends on their parameters, the Taguchi method is utilized to calibrate the parameters of the proposed algorithm. Finally, in order to prove the validity of the proposed model, a numerical example is solved and conclusions are discussed. تفاصيل المقالة

حرية الوصول المقاله

106 - A Compromise Decision-making Model for Multi-objective Large-scale Programming Problems with a Block Angular Structure under Uncertainty
behnam vahdani meghdad Salimi behrouz Afshar najafi

10.22094/joie.2016.253

This paper proposes a compromise model, based on the technique for order preference through similarity ideal solution (TOPSIS) methodology, to solve the multi-objective large-scale linear programming (MOLSLP) problems with block angular structure involving fuzzy paramet أکثر

This paper proposes a compromise model, based on the technique for order preference through similarity ideal solution (TOPSIS) methodology, to solve the multi-objective large-scale linear programming (MOLSLP) problems with block angular structure involving fuzzy parameters. The problem involves fuzzy parameters in the objective functions and constraints. This compromise programming method is based on the assumption that the optimal alternative is closer to fuzzy positive ideal solution (FPIS) and at the same time, farther from fuzzy negative ideal solution (FNIS).An aggregating function that is developed from LP- metric is based on the particular measure of ‘‘closeness” to the ‘‘ideal” solution.An efficient distance measurement is utilized to calculate positive and negative ideal solutions. The solution process is as follows: first, the decomposition algorithm is used to divide the large-dimensional objective space into a two-dimensional space. A multi-objective identical crisp linear programming is derived from the fuzzy linear model for solving the problem. Then, a single-objective large-scale linear programming problem is solved to find the optimal solution. Finally, to illustrate the proposed method, an illustrative example is provided. تفاصيل المقالة

حرية الوصول المقاله

107 - کاربرد برنامه ریزی چند هدفه فازی در توسعه یک مدل کنترل موجودی
محمد امین نایبی ناصر حمیدی عباس پناهی نیا حسام سعیدی

در این مقاله یک مدل کنترل موجودی چند کالایی با اهداف کمینه سازی هزینه کل و حداقل بکارگیری نیروی انسانی، تحت محدودیتهای حداکثر فضای انبار، حداکثر توان سرمایه گذاری، میزان کمبود مجاز در هر دوره و مقدار سفارش دوره ای ارائه می شود که دو محدودیت اخیر بصورت بازه ای در نظر گرف أکثر

در این مقاله یک مدل کنترل موجودی چند کالایی با اهداف کمینه سازی هزینه کل و حداقل بکارگیری نیروی انسانی، تحت محدودیتهای حداکثر فضای انبار، حداکثر توان سرمایه گذاری، میزان کمبود مجاز در هر دوره و مقدار سفارش دوره ای ارائه می شود که دو محدودیت اخیر بصورت بازه ای در نظر گرفته شده است. در مدل ارائه شده کمبود مجاز بوده، زمان تدارک صفر و پارامترهای تقاضا، هزینه(شامل: راه اندازی، نگهداری، کمبود) و منابع محدودیتها بصورت فازی است. اعداد فازی تقاضا و هزینه بصورت مثلثی و اعداد منابع محدودیتها از نوع ذوذنقه ای مثبت می باشند. در حل مدل ابتدا هر یک از توابع هدف مورد نظر به سه تابع هدف تبدیل و محدودیتها از طریق روش نافازی سازی به محدودیتهای قطعی تبدیل میگردند. سپس مدل چند هدفه قطعی حاصل، از طریق روش برنامه ریزی غیر خطی فازی (FNLP) حل شده است. در پایان یک مثال عددی برای تشریح مدل با استفاده از نرم افزار لینگو (Lingo) حل و ارائه می شود. تفاصيل المقالة

حرية الوصول المقاله

108 - Designing an Incorporated Multi-Objective Green Supply Chain- Work Cost Model under non- Definitive Conditions
Mohammad ali ma.heydarisd manouchehr omidvari Zahra Valizadeh Ghareaghaji

The globalization of the economy and the development of information technology have led to the supply-oriented market to change to the demand-driven market and organizations to understand the necessity of meeting customer requirements to meet their survival. As the subj أکثر

The globalization of the economy and the development of information technology have led to the supply-oriented market to change to the demand-driven market and organizations to understand the necessity of meeting customer requirements to meet their survival. As the subject of the environment was connected to the economy and countries concluded that environmental protection can increase productivity, different attitudes have been taken to obtain these ideals, one of them is the green supply approach. Greening the supply chain needs new inputs that create chances for companies to invest in the design and production of greener products and meet sustainability requirements, and this includes not only consumer products, but also contains the inputs from suppliers that involve them in creating green markets. Despite the scope of green supply chain management, designing a green network is necessary. So, in this research, environmental considerations have been integrated with economic considerations, in which non-definitive conditions have been considered. تفاصيل المقالة

حرية الوصول المقاله

109 - Using Multi-objective Algorithm (NSGA-II) in Selecting Optimal Portfolio in Tehran Stock Exchange
سید احمد شیبت الحمدی محمد همتی مهدی اسفندیار

In financial matters, portfolio can be interpreted as a combination or a series of investments hold by an institution or a person. Portfolio optimization is one of the most important concerns of investors for maximizing the portfolio in financial markets. The formation أکثر

In financial matters, portfolio can be interpreted as a combination or a series of investments hold by an institution or a person. Portfolio optimization is one of the most important concerns of investors for maximizing the portfolio in financial markets. The formation of portfolio is a vital and critical decision for the companies. In fact, the selection of portfolio is to specify the capital between different shares. So, selecting a portfolio by high returns rate and controlled risk is a matter noted by many researchers. The present ways of optimization the portfolio have not sufficient adequacy. Therefore, so many innovative algorithms are considered and used. Genetic algorithm can solve many optimization problems of portfolio efficiently. The aim of this research is to completely explain genetic algorithm when using it to optimize portfolio matters. The researcher tries to develop an approach based on a multi-objective algorithm known as NSGA-II to form a portfolio. 30 superior companies listed in Tehran stock Exchange are selected as the population and their data are used during 2007-2011. The results indicate that genetic algorithm designed is an efficient and appropriate means to help the investors to select a portfolio تفاصيل المقالة

حرية الوصول المقاله

110 - Optimal Location and Determination of Fault ‎Current Limiters in the Presence of Distributed ‎Generation Sources Using a Hybrid Genetic Algorithm
Salman Amirkhan Mostafa Rayatpanah Ghadikolaei Hassan Pourvali Souraki

Nowadays, the presence of distributed generation (DG) units in the distribution network is increasing due to their advantages. Due to the increasing need for electricity, the use of distributed generation sources in the power system is expanding rapidly. On the other ha أکثر

Nowadays, the presence of distributed generation (DG) units in the distribution network is increasing due to their advantages. Due to the increasing need for electricity, the use of distributed generation sources in the power system is expanding rapidly. On the other hand, in order to respond to the growth of load demand, the network becomes wider and more interconnected. These factors increase the level of fault current in the power system. Sometimes this increase causes the fault current level to exceed the ability to disconnect the protective devices, which can cause serious damage to the equipment in the power system. Using fault current limiters (FCLs) in power system is very promising solution in suppressing short circuit current and leads use of protective equipment with low capacities in the network. In this paper, in order to solve the problem of increasing the fault current, first using sensitivity analysis, network candidate lines are selected to install the fault current limiter, which helps to reduce the time and search space to solve the problem. Simultaneously finding the optimal number, location and amount of impedance for the installation of a resistive superconductor limiter is solved using the multi-objective Non-dominated genetic algorithm with non-dominated sorting (NSGA-II). The method presented in a 20 kV ring sample network, simulated in PSCAD software, is evaluated in the presence of distributed generation sources and its efficiency is shown. تفاصيل المقالة

حرية الوصول المقاله

111 - Multi-Objective Optimization for Coverage Aware Sensor Node Scheduling in Directional Sensor Networks
Nemat Mottaki Homayun Motameni Hosein Mohamadi

The directional sensor networks (DSNs) are mainly focused to prolong the network lifetime and to optimize the energy consumption of sensors. The number of sensors deployed in an environment is much higher than those required for providing the coverage; therefore, the en أکثر

The directional sensor networks (DSNs) are mainly focused to prolong the network lifetime and to optimize the energy consumption of sensors. The number of sensors deployed in an environment is much higher than those required for providing the coverage; therefore, the energy-aware methods are needed to select the sensors. Coverage is considered a major problem in DSNs and is a criterion for quality of service (QOS).In this regard, the sensor scheduling method has been discussed by researchers to prolong the sensor lifetime in a network. The present paper proposes an NSGAII-based algorithm to solve the sensors 'scheduling. This paper aimed at finding a practical solution in solving the multi-objective problems by using the multi-objective evolutionary algorithm method. There are two parameters presented for evaluating the solutions, including the number of sensors, the target coverage. To confirm the high performance of the proposed algorithm, it was compared with the recently presented algorithm. According to the simulation findings, the algorithm had better results in the comparison parameters. تفاصيل المقالة

حرية الوصول المقاله

112 - A Mixed Integer Nonlinear Programming for Facility Layout Problem with Maintenance Constraints
Mehdy Morady Gohareh Ehsan Mansouri

The facility layout problem (FLP) is a well-known optimization problem that seeks to arrange the layout of production units or facilities generally towards less cost and considering some adjacency factor between the facilities. The adjacency factor mainly represents the أکثر

The facility layout problem (FLP) is a well-known optimization problem that seeks to arrange the layout of production units or facilities generally towards less cost and considering some adjacency factor between the facilities. The adjacency factor mainly represents the material handling costs. In this research, a novel multi-objective mixed integer nonlinear programming (MINLP) model for the single-floor facility layout problem is developed. The model, unlike the current literature, considers some maintenance measures in addition to the classical adjacency factor. Firstly, some facilities need a certain amount of maintenance space around them. If this space is violated, some penalty would apply. Secondly, some facilities could have emergency maintenance requirements for which easy access from the entrance edges is necessary. This accessibility measure is optimized in the model. The validity of the proposed MINLP model is analyzed via simulation. The results show that if material handling costs are minimized, the maintenance measures will deviate approximately 100% of their optimal values. Moreover, if maintenance measures are optimized, the material handling cost will deviate around 50% of its optimal value. Both, classic and maintenance related measures show more sensitivity in dense and crowded production environments. تفاصيل المقالة

حرية الوصول المقاله

113 - بهبود بهره‌وری سیستم توزیع با استفاده از بهینه‌سازی چندهدفه انواع منابع تولید پراکنده و جبران ساز استاتیک توزیع
مسعود علیلو سجاد سعدی سعید زمانیان جواد غلامی شهاب مشاری

جایابی و ظرفیت یابی بهینه واحدهای تولید پراکنده و جبران سازهای مدرن تاثیر مستقیمی بر روی کارایی این ادوات در سیستم توزیع دارد. به همین دلیل، در این مقاله، بهینه سازی همزمان مکان و اندازه انواع منابع تولید پراکنده و جبران ساز استاتیک سنکرون در سیستم های توزیع مورد مطال أکثر

جایابی و ظرفیت یابی بهینه واحدهای تولید پراکنده و جبران سازهای مدرن تاثیر مستقیمی بر روی کارایی این ادوات در سیستم توزیع دارد. به همین دلیل، در این مقاله، بهینه سازی همزمان مکان و اندازه انواع منابع تولید پراکنده و جبران ساز استاتیک سنکرون در سیستم های توزیع مورد مطالعه قرار گرفته است. جهت نزدیک تر کردن نتایج به شرایط واقعی تر بهره برداری، از یک مدل بار غیرخطی که ترکیبی از الگوری مصرف روزانه و بار متغیر به ولتاژ و فرکانس است، استفاده می شود. میکروتوربین، توربین بادی، پنل فتوولتائیک و پیل سوختی به عنوان منابع تولید پراکنده در نظر گرفته می شوند. توابع هدف مسئله ترکیبی از شاخص های فنی و زیست محیطی هستند. از الگوریتم بهینه سازی چندهدفه وال برای بهینه سازی توابع هدف و تشکیل صفحه بهینه پارتو استفاده می شود. پس از اجرای الگوریتم چندهدفه، از روش تحلیل سلسله مراتبی برای انتخاب بهترین ذره از صفحه پارتو که معادل با بهینه ترین مکان و اندازه ادوات است، استفاده می شود. در نهایت، روش پیشنهادی در سیستم های توزیع استاندارد 69 شینه IEEE و واقعی 101 شینه خوی- ایران مورد ارزیابی قرار می گیرد. نتایج شبیه سازی نشان دهنده کارایی مناسب روش پیشنهادی در جایابی و ظرفیت یابی بهینه ادوات و بهبود شاخص های سیستم توزیع هستند. تفاصيل المقالة

حرية الوصول المقاله

114 - مسیریابی شبکه های حسگر بی سیم با استفاده از خوشه بندی مبتنی بر الگوریتم بهینه سازی ازدحام ذرات چندهدفه
سید رضا نبوی نفیسه اوسطی عراقی جواد اکبری ترکستانی

در سال های اخیر، با گسترش کاربردهای شبکه های حسگر بی سیم، بهره‌برداری از این نوع شبکه ها به منظور رسیدگی بر محیط و تحلیل داده های جمع آوری شده از محیط های خاص و متنوع بسیار رواج یافته است. شبکه های حسگر بی سیم با توجه به سهولت پیکربندی و عدم نیاز به تجهیزات گران أکثر

در سال های اخیر، با گسترش کاربردهای شبکه های حسگر بی سیم، بهره‌برداری از این نوع شبکه ها به منظور رسیدگی بر محیط و تحلیل داده های جمع آوری شده از محیط های خاص و متنوع بسیار رواج یافته است. شبکه های حسگر بی سیم با توجه به سهولت پیکربندی و عدم نیاز به تجهیزات گران قیمت، یکی از بهترین گزینه ها برای جمع آوری داده ها از محیط هستند. انرژی گره های حسگر در شبکه های حسگر بی سیم محدود است که با توجه به عدم وجود منبع شارژ ثابت یکی از چالش های اساسی است که با آن مواجه می‌شویم. از آن جایی که بیشترین مقدار انرژی گره ها در طی انتقال داده ها اتلاف می شود، گره ای که بیشتر از بقیه به انتقال داده ها بپردازد و یا بسته های داده ای را در فواصل طولانی انتقال دهد، انرژی آن زودتر از بقیه به اتمام می رسد. با اتمام انرژی یک حسگر در شبکه ممکن است در روند کار شبکه اختلال ایجاد شود. بنابراین، با توجه به توپولوژی پویا و طبیعت توزیع‌شده شبکه‌های حسگر بی‌سیم، طراحی پروتکل‌های انرژی کارآمد برای مسیریابی یکی از چالش‌های اصلی است. ازاین‌رو در این مقاله پروتکل مسیریابی آگاه از انرژی براساس الگوریتم بهینه سازی ازدحام ذرات چندهدفه ارائه شده است. در رویکرد پیشنهادی تابع شایستگی الگوریتم بهینه سازی ازدحام ذرات برای انتخاب گره سرخوشه بهینه براساس هدف های کیفیت خدمات شامل انرژی باقیمانده، کیفیت پیوند، تأخیر انتها به انتها و نرخ تحویل استفاده شده است. نتایج شبیه سازی نشان می دهد روش پیشنهادی با توجه به ایجاد توازن در اهداف معیارهای کیفیت خدمات، نسبت به سایر روش های موجود اتلاف انرژی کمتر و طول عمر بیشتری دارد. تفاصيل المقالة

حرية الوصول المقاله

115 - مدیریت بار و انرژی دوهدفه یک هاب انرژی با در نظرگیری برنامه ریزی های گوناگون و در حضور فناوری CCUS و برنامه TOU
فردین نیازوند سعید خراطی فرشاد خسروی عبداله راستگو

این مقاله یک مدیریت انرژی و بار با استفاده از یک استراتژی سناریو محور را برای ارزیابی عملکرد و برنامه‌ریزی هاب و با در نظرگیری عوامل نامعینی (قیمت الکتریسیته و توان توربین بادی) ارائه نموده است. سیستم جذب و ذخیره‌سازی کربن و نیز برنامه پاسخ گویی بار، به‌طور ویژه برنامه أکثر

این مقاله یک مدیریت انرژی و بار با استفاده از یک استراتژی سناریو محور را برای ارزیابی عملکرد و برنامه‌ریزی هاب و با در نظرگیری عوامل نامعینی (قیمت الکتریسیته و توان توربین بادی) ارائه نموده است. سیستم جذب و ذخیره‌سازی کربن و نیز برنامه پاسخ گویی بار، به‌طور ویژه برنامه زمان استفاده مورد بررسی قرار گرفته است. فناوری جذب کربن افزون بر حل مسئله آلودگی واحدهای تولیدی از یکسو، درآمد قابل ‌توجه را نیز برای سیستم‌های قدرت از سویی دیگر به ارمغان می‌آورد. همچنین برنامه‌های پاسخ گویی بار به بهبود پروفیل بار و کاهش هزینه‌ها و آلودگی هاب، افزایش قابلیت اطمینان و کیفیت توان کمک شایانی می‌نمایند. هاب پیشنهادی در برگیرنده ادوات تولیدی تجدیدپذیر و تجدیدناپذیر، تبدیلی و ذخیره کننده‌های گوناگون است، همچنین برنامه‌ریزی‌هایی مانند نوع قطعی و مقاوم در نظر گرفته ‌شده است. هاب مفروض در قسمت ورودی و خروجی از حامل‌های گوناگون انرژی شامل الکتریسیته، حرارت، سرما، گاز طبیعی و آب پشتیبانی می‌کند. مسئله به‌صورت یک برنامه‌ریزی خطی عدد صحیح مدل شده و به‌وسیله سالور سیپلکس در نرم‌افزار گمز حل گردیده است. در ادامه، از روش اپسیلون و تکنیک رضایت‌بخشی فازی جهت انتخاب راه‌حل بهینه استفاده ‌شده است. نتایج نهایی نشان می دهد که هزینه و آلودگی کلی در نمونه مقاوم به ترتیب به‌اندازه 9/1 درصد و 3/12 درصد بیشتر از نمونه قطعی است، همچنین برنامه پاسخ گویی بار و فناوری جذب کربن تأثیر چشم گیری بر روی تابع های هدف دارند. همچنین منحنی بار مسطح گردیده و سود خوبی با استفاده از فناوری جذب کربن برای هاب پیشنهادی به‌دست‌ آمده است. تفاصيل المقالة

حرية الوصول المقاله

116 - ارائه یک رویکرد ترکیبی جدید برای مسئله چندهدفه تجدید آرایش شبکه توزیع با در نظر گرفتن اهمیت قابلیت اطمینان
بنیامین کتانچی علی اصغر شجاعی مهدی یعقوبی

تجدید آرایش فیدرهای شبکه توزیع یک مسئله بهینه سازی در سیستم قدرت است که با تغییر وضعیت سوئیچینگ در شبکه توزیع برای برآورده کردن توابع هدف خاصی انجام می شود. بررسی مطالعات نشان می‌دهد که اغلب تلفات توان و انحراف ولتاژ باس ها به‌عنوان توابع هدف در حل مسئله تجدید آرایش فید أکثر

تجدید آرایش فیدرهای شبکه توزیع یک مسئله بهینه سازی در سیستم قدرت است که با تغییر وضعیت سوئیچینگ در شبکه توزیع برای برآورده کردن توابع هدف خاصی انجام می شود. بررسی مطالعات نشان می‌دهد که اغلب تلفات توان و انحراف ولتاژ باس ها به‌عنوان توابع هدف در حل مسئله تجدید آرایش فیدرهای شبکه توزیع در نظر گرفته ‌شده است. با این ‌حال توابع هدف جدیدتر نظیر قابلیت اطمینان کمتر مورد توجه قرار گرفته‌است. در این مقاله، برای حل مسئله چندهدفه تجدید آرایش شبکه توزیع، از شاخص انرژی توزیع نشده به‌عنوان تابع قابلیت اطمینان، همراه با تلفات توان و تعداد سوئیچینگ در حضور واحدهای تولید پراکنده استفاده ‌شده است. تجدید آرایش فیدر های توزیع به طور ذاتی مساله پیچیده ای است، در نظر گرفتن تاثیر منابع تولیدپراکنده در شبکه توزیع مساله را پیچیده تر از قبل می کند، به همین منظور از یک روش تکاملی مبتنی بر ترکیب روش‌های اجتماع ذرات و بهبود یافته جهش قورباغه برای حل مسئله بهینه‌سازی غیرخطی استفاده شده است. سیستم های 33 و 70 باسه نیز برای سنجش اثربخشی الگوریتم ترکیبی پیشنهادی مورد استفاده قرار گرفته‌اند و همچنین نتایج روش پیشنهادی با نتایج سایر روش های تکاملی مقایسه می شود. تفاصيل المقالة

حرية الوصول المقاله

117 - A Novel Approach for Solving Linear Programming Problems with Intuitionistic Fuzzy Numbers
Ali Mahmoodirad

10.30495/fomj.2023.1995970.1113

The literature of linear programming problem with trapezoidal intuitionistic parameters is full of solution approaches which are mainly ranking function based. Use of ranking function in the solution approaches could be a weakness as different ranking functions mag give أکثر

The literature of linear programming problem with trapezoidal intuitionistic parameters is full of solution approaches which are mainly ranking function based. Use of ranking function in the solution approaches could be a weakness as different ranking functions mag give different solutions. This paper, proposes a new solution approach without any ranking function for linear programming problem with trapezoidal intuitionistic parameters. For this aim, the trapezoidal intuitionistic fuzzy objective function is converted to a multi-objective function, and consequently, the problem is converted to a multi-objective crisp problem. As another contribution, in order to solve the obtained multi-objective problem for its efficient solutions, a new multi-objective optimization approach was developed and suited to the obtained multi-objective problem. The computational experiments of the study show the superiority of the proposed multi-objective optimization approach over the multi-objective optimization approaches of the literature. تفاصيل المقالة

حرية الوصول المقاله

118 - MOEICA: Enhanced multi-objective optimization based on imperialist competitive algorithm
امیرعلی نظری علی دیهیمی

In this paper, a multi-objective enhanced imperialist competitive algorithm (MOEICA) is presented. The main structures of the original ICA are employed while some novel approaches are also developed. Other than the non-dominated sorting and crowding distance methods whi أکثر

In this paper, a multi-objective enhanced imperialist competitive algorithm (MOEICA) is presented. The main structures of the original ICA are employed while some novel approaches are also developed. Other than the non-dominated sorting and crowding distance methods which are used as the main tools for comparing and ranking solutions, an auxiliary comparison approach called fuzzy possession is also incorporated. This new provision enables more countries to participate in guiding the population towards different searching routs. Moreover the computational burden of the algorithm is abated by carrying out the hefty sorting process not at each iteration but at some predefined intervals. The frequency of which is controlled by on optional parameter. Furthermore, the recreation of empires and imperialists several times during the optimization progress, encourages better exploration and less chance to get trapped in local optima. The eligibility of the algorithm is tested on fifteen benchmark functions in terms of different performance metrics. The results through the comparison with NSGA-II and MOPSO shows that the MOEICA is a more effective and reliable multi-objective solver with being able to largely cover the true Pareto fronts (PFs) for the test functions applied in this article تفاصيل المقالة

حرية الوصول المقاله

119 - A fuzzy multi-objective model for a project management problem
سید مائده میرمحسنی سید هادی ناصری

In this research, the multi-objective project management decision problem with fuzzy goals and fuzzy constraints are considered. We constitute α-cut approach and two various fuzzy goal programming solution methods for solving the Multi-Objective Project Management أکثر

In this research, the multi-objective project management decision problem with fuzzy goals and fuzzy constraints are considered. We constitute α-cut approach and two various fuzzy goal programming solution methods for solving the Multi-Objective Project Management (MOPM) decision problem under fuzzy environments. The Interactive fuzzy multi-objective linear programming (i-FMOLP) and Weighted Additive approaches are proposed for solving multi-objective PM decision problem where fuzzy information are demonstrated by using linear membership functions (LMF). The proposed approaches effort contemporarily to minimize the total project costs, total completion time and total crashing costs and the several constraints such as the time between events i and j, the crashing time for activity (i,j) and the total budget capital. The weight of criteria for each objective function base on project DM preference degree computed with Fuzzy AHP technique. The performance analysis calculated with a set of distance metric for i-FMOLP and Weighted Additive solution methods that represent uncertainty goals and constraints in PM decision problem with ideal solution in an industrial case study is compared. تفاصيل المقالة

حرية الوصول المقاله

120 - A Model for Allocating Orders to Suppliers in Case of Quantity Discounts
امیر امینی علیرضا علی نژاد بهزاد نوریزاد

One of the most important activities in the management of input items of a company is focusing on the process of purchasing, supplier selection and allocating order to suppliers. Decisions about supplier selection due to simultaneously taking inconsistent and diverse is أکثر

One of the most important activities in the management of input items of a company is focusing on the process of purchasing, supplier selection and allocating order to suppliers. Decisions about supplier selection due to simultaneously taking inconsistent and diverse issues into account in a wide range of strategic to operational factors, and from quantitative to qualitative criteria will be complex by nature. In order to select the best suppliers it is necessary to make a trade-off between these tangible and intangible factors some of which may conflict. When business volume discounts exist, this problem becomes more complicated. In this paper a multi-objective model for order allocation under volume discount conditions is presented. In this context, suppliers offer price discounts on total business volume. A solution methodology is presented to solve the multi-objective model, and the model is illustrated using a numerical example. Studying various combinations of constraints such as capacity, timely delivery, disadvantages and cost, taking into account quantity discounts, considering the weight of the suppliers in order allocation and integration of these cases with each other, have made the current research quite unique. تفاصيل المقالة

حرية الوصول المقاله

121 - On solving possibilistic multi- objective De Novo linear programming
Hamiden Khalifa

Multi-objective De Novo linear programming (MODNLP) is problem for designing optimal system by reshaping the feasible set (Fiala [3] ). This paper deals with MODNLP having possibilistic objective functions coefficients. The problem is considered by inserting possibilist أکثر

Multi-objective De Novo linear programming (MODNLP) is problem for designing optimal system by reshaping the feasible set (Fiala [3] ). This paper deals with MODNLP having possibilistic objective functions coefficients. The problem is considered by inserting possibilistic data in the objective functions coefficients. The solution of the problem is defined and established under the using of efficient and necessary condition. Also, the relation between possibilistic levels corresponding to the solution is constructed. A solution procedure for solving the problem is proposed. A numerical example is given for illustration. تفاصيل المقالة

حرية الوصول المقاله

122 - Non-dominated DEA cross efficiency scores; a secondary goal approach
سعید شاه قبادی عباس قماشی فرهاد مرادی

Data envelopment analysis (DEA) is a non-parametric programming method for evaluating the relative efficiency of a set of peer decision-making units (DMUs) with multiple inputs and multiple outputs. The DEA cross-efficiency method is a well-known method that use to eval أکثر

Data envelopment analysis (DEA) is a non-parametric programming method for evaluating the relative efficiency of a set of peer decision-making units (DMUs) with multiple inputs and multiple outputs. The DEA cross-efficiency method is a well-known method that use to evaluate and ranking a set of peer decision-making units. Whenever a DMU intends to evaluate other DMUs, it faces the problem of non-uniqueness optimal weights of DEA models. Because different weights give us different cross-scores and subsequently different cross-efficiencies scores and this will confuse the decision-maker to make an ultimate decision. The main drawback of this method is the alternate optimal solution set of the DEA model. The main purpose of this study is to propose an approach to this problem to generate non-dominated DEA cross-efficiency scores. We propose a linear programming secondary goal model to select a set of optimal weights for each DMU. Our proposed method is not only simpler than other methods presented with the same purpose, but also does not go beyond the main method. تفاصيل المقالة

حرية الوصول المقاله

123 - Multi-objective firefly optimization algorithm for construction site layout planning
Abolfazl Ghadiri داود صداقت شایگان علی اصغر امیرکاردوست

Safety importance on construction site layout plan is an essential requirement to improve construction project management. In previous studies the safety objective function is considered without risk factors analysis. Metaheuristics are widely used to solve construction أکثر

Safety importance on construction site layout plan is an essential requirement to improve construction project management. In previous studies the safety objective function is considered without risk factors analysis. Metaheuristics are widely used to solve construction site layout problems (CSLP). Firefly Algorithm (FA) is employed as multi-objective optimization method to design and optimize two safety objective functions and total cost. Safety objective functions (due to potential risks arising from hazardous sources and interaction flows) connecting temporary facilities by considering total cost reduction. A case study is presented to find out accuracy of the proposed model. Finally, the performance of two metaheuristic algorithms called Firefly Algorithm (FA) and Ant Colony Optimization (ACO) are compared in terms of their effectiveness in resolving a practical construction site layout problem. Results show that the FA performs better than the ACO Algorithm. تفاصيل المقالة

حرية الوصول المقاله

124 - Inverse DEA Model with Fuzzy Data for Output Estimation
A. محمودی راد ر. دهقان ف. حسین زاده لطفی

In this paper, we show that inverse Data Envelopment Analysis (DEA) modelscan be used to estimate output with fuzzy data for a Decision Making Unit (DMU)when some or all inputs are increased and deficiency level of the unit remainsunchanged.

In this paper, we show that inverse Data Envelopment Analysis (DEA) modelscan be used to estimate output with fuzzy data for a Decision Making Unit (DMU)when some or all inputs are increased and deficiency level of the unit remainsunchanged. تفاصيل المقالة

حرية الوصول المقاله

125 - Feature Selection And Clustering By Multi-objective Optimization
Seyedeh Mohtaram Daryabari Farhad Ramezani

In this paper, feature selection and clustering is formulated simultaneously by using evolutional multi-objective algorithm. Archived multi-objective NSGA-II is hybridized with k-medoids algorithm to use global searching capabilities of GA with local searching capabilit أکثر

In this paper, feature selection and clustering is formulated simultaneously by using evolutional multi-objective algorithm. Archived multi-objective NSGA-II is hybridized with k-medoids algorithm to use global searching capabilities of GA with local searching capabilities of k-medoids for suitable centers of clusters and selecting suitable subset of features identifying the correct partitioning. Number of clusters should be determined as an input parameter by user. After determining number of clusters, archive string be generate randomly. In every solution of archived, center of clusters and features is determined. Objective functions are inter-cluster distance, intra-cluster distance and number of feature selection. Three objective functions are optimized simultaneously for partitioning and feature selection. Crossover and mutation operators are modified to solve the problem. In order to selecting final solution from pareto front, are modified to solve the problem is calculated. The Proposed algorithm were compared with other three clustering algorithms on seven UCI standard datasets and could improve results averagely 0.09 percent compared to FeaClusMoo, 0.28 percent compared to VGAPS-Clustering and 0.49 percent compared to K-means. تفاصيل المقالة

حرية الوصول المقاله

126 - Devising a Profit-Aware Recommender System using Multi-Objective GA
Yaser Nemati Hossein Khademolhosseini

Recommender Systems are part of our life nowadays. In almost every big business, recommender systems are suggesting items to users automatically. The only factor that traditional recommender systems take into account is accuracy. They try to estimate user-item ratings a أکثر

Recommender Systems are part of our life nowadays. In almost every big business, recommender systems are suggesting items to users automatically. The only factor that traditional recommender systems take into account is accuracy. They try to estimate user-item ratings as accurate as possible to recommend the more preferable items to users. But from the supplier point of view, profit is the most desirable achievement. In this paper we have proposed a profit-aware recommender system based on the multi-objective genetic algorithm. Our proposed method consider two objectives at the same time: Profit and Accuracy. Profit is amount of profit that company will gain of selling items and accuracy measures how much recommendations are close to user preferences. the NSGA-II as the most successful MO-GA has been selected here and its Crossover and Mutation operations have been designed. Our method and traditional collaborative-filtering method have been implemented and tested on three different datasets: Movielens, Netflix and Yahoo. Results confirm that in both accuracy and net-profit our method prevail over CF method. تفاصيل المقالة

حرية الوصول المقاله

127 - An Improved Particle Swarm Optimization Algorithm for Energy Management in Distribution Grid Considering Distributed Generators
Hossein Lotfi Reza Ghazi Mohammad Bagher Naghibi Sistani

This study proposes, a novel approach for optimal energy management’s problem and capacitor switching in the distribution network at the presence of distributed generators, energy storage units and solar photovoltaic arrays. Modern distribution networks, in additi أکثر

This study proposes, a novel approach for optimal energy management’s problem and capacitor switching in the distribution network at the presence of distributed generators, energy storage units and solar photovoltaic arrays. Modern distribution networks, in addition to the importance of economic issues, must operate at an acceptable level of system reliability, Failure to pay attention to the reliability importance can lead to irreparable damages in the distribution network. Toward this end, energy not supplied as a reliability index along with operation cost are considered as objective functions. Also, the effect of uncertainty resources related to solar photovoltaic arrays power generation and electricity price are considered in the optimization problem evaluations. Considering the effects of distributed generators and energy storage units causes the proposed problem more be complicated, for this reason, an improved particle swarm optimization algorithm is provided to deal the complexity of the problem. The proposed algorithm is tested in the IEEE 33-node test system, and its superiorities are shown through comparison with other evolutionary algorithms. تفاصيل المقالة

حرية الوصول المقاله

128 - An Efficient Three-Stage Yield Optimization Technique for Analog Circuits Using Evolutionary Algorithms
Abbas Yaseri Mohammad Hossein Maghami Mehdi Radmehr

In addition to the improved calculation of the parameter values, a high yield estimation is necessary for designing analog integrated circuits. Although Monte-Carlo (MC) simulation is popular and precise for yield estimation; however, its efficiency is not high enough a أکثر

In addition to the improved calculation of the parameter values, a high yield estimation is necessary for designing analog integrated circuits. Although Monte-Carlo (MC) simulation is popular and precise for yield estimation; however, its efficiency is not high enough and it requires too many costly transistor-level simulations. Therefore, some accelerated methods are needed for MC simulations. This paper presents a novel approach for improving automated analog yield optimization using a three-stage strategy. Firstly, critical solutions are recognized using Critical Analysis (CA) and Multi-objective Optimal Computing Budget Allocation (MOCBA). Then they are separated from non-critical answers. It's so helpful to avoid repeating the Monte Carlo (MC) simulations of non-critical solutions. Due to the existence of several objective functions (typically more than one) in the yield optimization problem, by using the Multi-Objective Optimization (MOO) in the second stage, more precise answers can be found. Finally, MC simulations are performed to explore the proposed algorithm performance. Simulation results show that our approach locates higher quality in terms of yield rate within less run time and without affecting the accuracy. تفاصيل المقالة

حرية الوصول المقاله

129 - An Optimal Configuration of Neural Networks by Multi-Objective Genetic Algorithm and Ensemble-Classifier Approach for Evaluation Trust in the Single Web Service
baharak shakeri aski Abolfazl Haghighat mehran mohsenzadeh

Abstract. Web Services provides a solution to web application integration. Due to the significant of trust to choose the proper web service, a novel optimal configuration of neural networks by multi-objective genetic algorithm and ensemble-classifier approach is used to أکثر

Abstract. Web Services provides a solution to web application integration. Due to the significant of trust to choose the proper web service, a novel optimal configuration of neural networks by multi-objective genetic algorithm and ensemble-classifier approach is used to evaluate the trust of single web services. For evaluating trust in single web services, first, a set of neural networks were trained by the settings their parameters through the multi-objective genetic algorithm. Next, the best combination of neural networks was selected to make an ensemble classifier. This method was evaluated with single WS dataset considered eight criteria. Three measurements such as accuracy, time and ROC curve were considered to assess the efficiency. Ultimately, the obtained results show that the proposed approach can achieve a trade-off between time and accuracy by the multi-objective genetic algorithm. Also using ensemble-classifiers approach increases the reliability of the model. Consequently, the proposed method promote the detection accuracy. تفاصيل المقالة

حرية الوصول المقاله

130 - A Multi-Objective Decision-Based Solution for Facility Location-Allocation Problem Using Cuckoo Search And Genetic Algorithms
Amir Shimi Mohammad Reza Ebrahimi Dishabi Mohammad Abdollahi Azgomi

Considering the significant advancements in autonomous vehicle technology, research in this field is of interest to researchers. To automatic parking, controlling steer angle, gas hatch, and brakes need to be learned. Due to the increase in the number of cars and road t أکثر

Considering the significant advancements in autonomous vehicle technology, research in this field is of interest to researchers. To automatic parking, controlling steer angle, gas hatch, and brakes need to be learned. Due to the increase in the number of cars and road traffic, car parking space has decreased. Its main reason is information error. Because the driver does not receive the necessary information or receives it too late, he cannot take appropriate action against it. This paper uses two phases: the first phase, for goal coordination, was used genetic algorithms and the Cuckoo search algorithm was used to increase driver information from the surroundings. Using the Cuckoo search algorithm and considering the limitations, it increases the driver’s level of information from the environment. Also, by exchanging information through the application, it enables the information to reach the driver much more quickly and the driver reacts appropriately at the right time. The suggested protocol is called the multi-objective decision-based solution (MODM)-based solution. Here, the technique is assessed through extensive simulations performed in the NS-3 environment. Based on the simulation outcomes, it is indicated that the parking system performance metrics are enhanced based on the detection rate, false-negative rate, and false-positive rate. تفاصيل المقالة

حرية الوصول المقاله

131 - Task Scheduling Using Particle Swarm Optimization Algorithm with a Selection Guide and a Measure of Uniformity for Computational Grids
Mona Torabi

In this paper, we proposed an algorithm for solving the problem of task scheduling using particle swarm optimization algorithm, with changes in the Selection and removing the guide and also using the technique to get away from the bad, to move away from local extreme an أکثر

In this paper, we proposed an algorithm for solving the problem of task scheduling using particle swarm optimization algorithm, with changes in the Selection and removing the guide and also using the technique to get away from the bad, to move away from local extreme and diversity. Scheduling algorithms play an important role in grid computing, parallel tasks Scheduling and sending them to appropriate resources. The proposed method has less Makespan and price. In addition to implementing a grid computing system, the proposed method which is using three standard test functions in evolutionary multi-objective optimization is evaluated. In this paper, the number of elements in the assessment of the Pareto optimizes set, uniformity and error. The results show that this Search method has more optimization in particle number density and high accuracy with less error than the MOPSO and can be replaced as an effective solution for solving multi-objective optimization. تفاصيل المقالة

حرية الوصول المقاله

132 - Optimal Cropping Pattern Modifications with the Aim of Environmental-Economic Decision Making Under Uncertainty
Mostafa Mardani Saman Ziaei Alireza Nikouei

Sustainability in agricultural is determined by aspects like economy, society and environment. Multi-objective programming (MOP) model has been a widely used tool for studying and analyzing the sustainability of agricultural system. However, optimization models in most أکثر

Sustainability in agricultural is determined by aspects like economy, society and environment. Multi-objective programming (MOP) model has been a widely used tool for studying and analyzing the sustainability of agricultural system. However, optimization models in most applications are forced to use data which is uncertain. Recently, robust optimization has been used as an optimization model that incorporates uncertainty. This paper develops a framework for environmental-economic decision making that includes the environmental and economic sustainability criteria for determining an optimal allocation of agricultural areas that cover an irrigation network under uncertain data. The primary uncertain parameter of the robust model was quantity of available water for each season. Application of the proposed model to the case study of the right side of Nekooabad irrigation network in the province of Isfahan, Iran, demonstrates the reliability and flexibility of the model. The results show that that the optimal total gross margin decreases with higher robustness levels. To compensate loss of gross margin of farmers in the robust pattern, efficiency enhancement policies emphasized. تفاصيل المقالة

حرية الوصول المقاله

133 - The sustainable supply chain of CO2 emissions during the coronavirus disease (COVID-19) pandemic
sina abbasi Maryam Daneshmand-Mehr Armin Ghane Kanafi

10.30495/jiei.2022.1942784.1169

This investigation aims to demonstrate an application mathematical model of the sustainable closed-loop supply chain network (SCLSCN) during the COVID-19 pandemic. The suggested model can illustrate the trade-offs between environmental, economic, and social dimensions d أکثر

This investigation aims to demonstrate an application mathematical model of the sustainable closed-loop supply chain network (SCLSCN) during the COVID-19 pandemic. The suggested model can illustrate the trade-offs between environmental, economic, and social dimensions during the epidemic. The costs include the normal costs and the hygienic costs. The total cost was increased in the COVID-19 pandemic by 25.14 %. The novelty social aspects of this model include the average number of lost days caused by COVID-19 damage and the number of created new job opportunities related to COVID-19. The average number of lost days caused by damages increased by 51.64 % during COVID-19. The CO2 emissions were decreased by17.42 %. This paper presents a multi-objective mixed-integer programming (MOMIP) problem. We use the weighted sum method (WSM) approach for the scalarization approach. To optimize the process, Lingo software has been used. Our contributions to this research are i) Suggested an application model of SSC to show better the trade-offs between three aspects of sustainability in the COVID-19 pandemic and lockdown periods, ii) Designing the hygienic and safe SC for employees, iii) developing the social and economic indicators, iv) We have found the negative and positive impacts of COVID-19 and lockdowns on SC, v) Finally, we analyze the mathematical model and discuss managerial implications. Therefore, this investigation tries to fill this gap for COVID-19 condition disaster. This research's novelty is to simultaneously present a MOMIP model, COVID-19 issues, and hygienic rules, in a closed-loop supply chain (CLSC) framework. تفاصيل المقالة

حرية الوصول المقاله

134 - Multi-objective design of fuzzy logic controller in supply chain
Mahdi Ghane Mohammad Jafar Tarokh Jafar Tarokh

Unlike commonly used methods, in this paper, we have introduced a new approach for designing fuzzy controllers. In this approach, we have simultaneously optimized both objective functions of a supply chain over a two-dimensional space. Then, we have obtained a spectrum أکثر

Unlike commonly used methods, in this paper, we have introduced a new approach for designing fuzzy controllers. In this approach, we have simultaneously optimized both objective functions of a supply chain over a two-dimensional space. Then, we have obtained a spectrum of optimized points, each of which represents a set of optimal parameters which can be chosen by the manager according to the importance of objective functions. Our used supply chain model is a member of inventory and order-based production control system family, a generalization of the periodic review which is termed ‘Order-Up-To policy.’ An auto rule maker, based on non-dominated sorting genetic algorithm-II, has been applied to the experimental initial fuzzy rules. According to performance measurement, our results indicate the efficiency of the proposed approach. تفاصيل المقالة

حرية الوصول المقاله

135 - Combining data envelopment analysis and multi-objective model for the efficient facility location–allocation decision
Jae-Dong Hong Ki‑Young Jeong

This paper proposes an innovative procedure of finding efficient facility location–allocation (FLA) schemes, integrating data envelopment analysis (DEA) and a multi-objective programming (MOP) model methodology. FLA decisions provide a basic foundation for designi أکثر

This paper proposes an innovative procedure of finding efficient facility location–allocation (FLA) schemes, integrating data envelopment analysis (DEA) and a multi-objective programming (MOP) model methodology. FLA decisions provide a basic foundation for designing efficient supply chain network in many practical applications. The procedure proposed in this paper would be applied to the FLA problems where various conflicting performance measures are considered. The procedure requires that conflicting performance measures classified as inputs to be minimized, or outputs to be maximized. Solving an MOP problem generates diverse alternative FLA schemes along with multi-objective values. DEA evaluates these schemes to generate a relative efficiency score for each scheme. Then, using stratification DEA, all of these FLA schemes are stratified into several levels, from the most efficient to the most inefficient levels. A case study is presented to demonstrate the effectiveness and efficiency of the proposed integrating method. We observe that the combined approach in this paper performs well and would provide many insights to academians as well as practitioners and researchers. تفاصيل المقالة

حرية الوصول المقاله

136 - An L1-norm method for generating all of efficient solutions of multi-objective integer linear programming problem
Ghasem Tohidi Shabnam Razavyan

This paper extends the proposed method by Jahanshahloo et al. (2004) (a method for generating all the efficient solutions of a 0–1 multi-objective linear programming problem, Asia-Pacific Journal of Operational Research). This paper considers the recession directi أکثر

This paper extends the proposed method by Jahanshahloo et al. (2004) (a method for generating all the efficient solutions of a 0–1 multi-objective linear programming problem, Asia-Pacific Journal of Operational Research). This paper considers the recession direction for a multi-objective integer linear programming (MOILP) problem and presents necessary and sufficient conditions to have unbounded feasible region and infinite optimal values for objective functions of MOILP problems. If the number of efficient solution is finite, the proposed method finds all of them without generating all feasible solutions of MOILP or concluding that there is no efficient solution. In any iteration of the proposed algorithm, a single objective integer linear programming problem, constrained problem, is solved. We will show that the optimal solutions of these single objective integer linear programming problems are efficient solutions of an MOILP problem. The algorithm can also give subsets of efficient solutions that can be useful for designing interactive procedures for large, real-life problems. The applicability of the proposed method is illustrated by using some numerical examples. تفاصيل المقالة

حرية الوصول المقاله

137 - Threshold F-policy and N-policy for multi-component machining system with warm standbys
Kamlesh Kumar Madhu Jain

The integration of marketing and demand with logistics and inventories (supply side of companies) may cause multiple improvements; it can revolutionize the management of the revenue of rental companies, hotels, and airlines. In this paper, we develop a multi-objective أکثر

The integration of marketing and demand with logistics and inventories (supply side of companies) may cause multiple improvements; it can revolutionize the management of the revenue of rental companies, hotels, and airlines. In this paper, we develop a multi-objective pricing-inventory model for a retailer. Maximizing the retailer's profit and the service level are the objectives, and shortage is allowed. We present the model under stochastic lead time with uniform and exponential distributions. Since pricing is important and influences demand, the demand is considered as a general function of price. The multiple-objective optimization model is solved using the weighting method as well as the L-P metric method. Concerning the properties of a nonlinear model, a genetic algorithm is taken into account to find the optimal solutions for the selling price, lot size, and reorder point. Finally, numerical examples with sensitivity analysis regarding key parameters are provided. تفاصيل المقالة

حرية الوصول المقاله

138 - Constrained consumable resource allocation in alternative stochastic networks via multi-objective decision making
Seyed Saeid Hashemin Seyed Mohammad Taghi Fatemi Ghomi

Many real projects complete through the realization of one and only one path of various possible network paths. Here, these networks are called alternative stochastic networks (ASNs). It is supposed that the nodes of considered network are probabilistic with exclusive-o أکثر

Many real projects complete through the realization of one and only one path of various possible network paths. Here, these networks are called alternative stochastic networks (ASNs). It is supposed that the nodes of considered network are probabilistic with exclusive-or receiver and exclusive-or emitter. First, an analytical approach is proposed to simplify the structure of the network. This approach transforms the network into a simpler equivalent one. This paper discusses the constrained consumable resource allocation problem in an ASN. Many recent researchers apply heuristic and simulation methods to solve the constrained resource allocation in these problems. In this paper, we propose an analytical approach based on multi-objective modeling. The objective functions of this model are the cumulative distribution function of the completion time of ASN paths. These functions must be maximized within the desired network completion time. Lexicographic method is used to solve the proposed multi-objective model. The proposed method is illustrated by an example. تفاصيل المقالة

حرية الوصول المقاله

139 - A multi-objective model for designing a group layout of a dynamic cellular manufacturing system
Reza Kia Hossein Shirazi Nikbakhsh Javadian Reza Tavakkoli-Moghaddam

This paper presents a multi-objective mixed-integer nonlinear programming model to design a group layout of a cellular manufacturing system in a dynamic environment, in which the number of cells to be formed is variable. Cell formation (CF) and group layout (GL) are c أکثر

This paper presents a multi-objective mixed-integer nonlinear programming model to design a group layout of a cellular manufacturing system in a dynamic environment, in which the number of cells to be formed is variable. Cell formation (CF) and group layout (GL) are concurrently made in a dynamic environment by the integrated model, which incorporates with an extensive coverage of important manufacturing features used in the design of CMSs. Additionally, there are some features that make the presented model different from the previous studies. These features include the following: (1) the variable number of cells, (2) the integrated CF and GL decisions in a dynamic environment by a multi-objective mathematical model, and (3) two conflicting objectives that minimize the total costs (i.e., costs of intra and inter-cell material handling, machine relocation, purchasing new machines, machine overhead, machine processing, and forming cells) and minimize the imbalance of workload among cells. Furthermore, the presented model considers some limitations, such as machine capability, machine capacity, part demands satisfaction, cell size, material flow conservation, and location assignment. Four numerical examples are solved by the GAMS software to illustrate the promising results obtained by the incorporated features. تفاصيل المقالة

حرية الوصول المقاله

140 - Multi-objective optimization of discrete time–cost tradeoff problem in project networks using non-dominated sorting genetic algorithm
Mohammadreza Shahriari

The time–cost tradeoff problem is one of the most important and applicable problems in project scheduling area. There are many factors that force the mangers to crash the time. This factor could be early utilization, early commissioning and operation, improving th أکثر

The time–cost tradeoff problem is one of the most important and applicable problems in project scheduling area. There are many factors that force the mangers to crash the time. This factor could be early utilization, early commissioning and operation, improving the project cash flow, avoiding unfavorable weather conditions, compensating the delays, and so on. Since there is a need to allocate extra resources to short the finishing time of project and the project managers are intended to spend the lowest possible amount of money and achieve the maximum crashing time, as a result, both direct and indirect costs will be influenced in the project, and here, we are facing into the time value of money. It means that when we crash the starting activities in a project, the extra investment will be tied in until the end date of the project; however, when we crash the final activities, the extra investment will be tied in for a much shorter period. This study is presenting a two-objective mathematical model for balancing compressing the project time with activities delay to prepare a suitable tool for decision makers caught in available facilities and due to the time of projects. Also drawing the scheduling problem to real world conditions by considering nonlinear objective function and the time value of money are considered. The presented problem was solved using NSGA-II, and the effect of time compressing reports on the non-dominant set. تفاصيل المقالة

حرية الوصول المقاله

141 - A multiple objective approach for joint ordering and pricing planning problem with stochastic lead times
Zeinab Hosseini Reza Ghasemy Yaghin Maryam Esmaeili

The integration of marketing and demand with logistics and inventories (supply side of companies) may cause multiple improvements; it can revolutionize the management of the revenue of rental companies, hotels, and airlines. In this paper, we develop a multi-objective أکثر

The integration of marketing and demand with logistics and inventories (supply side of companies) may cause multiple improvements; it can revolutionize the management of the revenue of rental companies, hotels, and airlines. In this paper, we develop a multi-objective pricing-inventory model for a retailer. Maximizing the retailer's profit and the service level are the objectives, and shortage is allowed. We present the model under stochastic lead time with uniform and exponential distributions. Since pricing is important and influences demand, the demand is considered as a general function of price. The multiple-objective optimization model is solved using the weighting method as well as the L-P metric method. Concerning the properties of a nonlinear model, a genetic algorithm is taken into account to find the optimal solutions for the selling price, lot size, and reorder point. Finally, numerical examples with sensitivity analysis regarding key parameters are provided. تفاصيل المقالة

حرية الوصول المقاله

142 - An optimization technique for vendor selection with quantity discounts using Genetic Algorithm
N Arunkumar L Karunamoorthy N Uma Makeshwaraa

Vendor selection decisions are complicated by the fact that various conflicting multi-objective factors must be considered in the decision making process. The problem of vendor selection becomes still more compli-cated with the inclusion of incremental discount pricing أکثر

Vendor selection decisions are complicated by the fact that various conflicting multi-objective factors must be considered in the decision making process. The problem of vendor selection becomes still more compli-cated with the inclusion of incremental discount pricing schedule. Such hard combinatorial problems when solved using meta heuristics produce near optimal solutions. This paper proposes a multi-component multiple vendor selection model with vendors offering quantity discounts. This problem is then evaluated using Ge-netic Algorithm with a case study approach. Combinatorial approach is used to group the vendors for selec-tion and Genetic Algorithm to allocate the optimal order quantities for each vendor. تفاصيل المقالة

حرية الوصول المقاله

143 - A full ranking method using integrated DEA models and its application to modify GA for finding Pareto optimal solution of MOP problem
S Razavyan GH Tohidi

This paper uses integrated Data Envelopment Analysis (DEA) models to rank all extreme and non-extreme efficient Decision Making Units (DMUs) and then applies integrated DEA ranking method as a criterion to modify Genetic Algorithm (GA) for finding Pareto optimal solutio أکثر

This paper uses integrated Data Envelopment Analysis (DEA) models to rank all extreme and non-extreme efficient Decision Making Units (DMUs) and then applies integrated DEA ranking method as a criterion to modify Genetic Algorithm (GA) for finding Pareto optimal solutions of a Multi Objective Programming (MOP) problem. The researchers have used ranking method as a shortcut way to modify GA to decrease the iterations of GA. The modified algorithm reduces the computational efforts to find Pareto optimal solutions of MOP problem and can be used to find Pareto optimal solutions of MOP with convex and non-convex efficient frontiers. An example is given to illustrate the modified algorithm. تفاصيل المقالة

حرية الوصول المقاله

144 - A weighted metric method to optimize multi-response robust problems
R Noorossana M Kamali Ardakani

In a robust parameter design (RPD) problem, the experimenter is interested to determine the values of con-trol factors such that responses will be robust or insensitive to variability of the noise factors. Response sur-face methodology (RSM) is one of the effective meth أکثر

In a robust parameter design (RPD) problem, the experimenter is interested to determine the values of con-trol factors such that responses will be robust or insensitive to variability of the noise factors. Response sur-face methodology (RSM) is one of the effective methods that can be employed for this purpose. Since quality of products or processes is usually evaluated through several quality characteristics or responses, more atten-tion should be paid to multi-response parameter design to improve quality of several responses simultane-ously. There are many optimization methods in multi-objective decision-making (MODM) area which could be used for this purpose. In this article, some of these optimization techniques are reviewed and a criterion is considered to determine the optimum control setting factors for multi-response RPD problems. A sensitivity analysis is performed to investigate the effect of different scenarios on the solution. تفاصيل المقالة

حرية الوصول المقاله

145 - A fuzzy random multi-objective approach for portfolio selection
M.B Aryanezhad H Malekly M Karimi-Nasab

In this paper, the portfolio selection problem is considered, where fuzziness and randomness appear simultaneously in optimization process. Since return and dividend play an important role in such problems, a new model is developed in a mixed environment by incorporatin أکثر

In this paper, the portfolio selection problem is considered, where fuzziness and randomness appear simultaneously in optimization process. Since return and dividend play an important role in such problems, a new model is developed in a mixed environment by incorporating fuzzy random variable as multi-objective nonlinear model. Then a novel interactive approach is proposed to determine the preferred solution. Finally a numerical example is presented to illustrate the proposed model. تفاصيل المقالة

حرية الوصول المقاله

146 - Designing a multi-objective nonlinear cross-docking location allocation model using genetic algorithm
Ahmad Makui Laleh Haerian Mahyar Eftekhar

In this study, a cross-docking system is designed at strategic and tactical levels. For making the strategic decisions, a multi-objective nonlinear location allocation model for cross-docks is presented based on a distri-bution location allocation model by Andreas Klose أکثر

In this study, a cross-docking system is designed at strategic and tactical levels. For making the strategic decisions, a multi-objective nonlinear location allocation model for cross-docks is presented based on a distri-bution location allocation model by Andreas Klose and Andreas Drexl. The model is further developed to in-clude the whole supply chain members and the objective functions are weighted by implementing AHP. A ge-netic algorithm solution is designed for sample cross-dock location allocation problems. In the tactical stage, model was further simulated under two different distribution strategies to decide on the tactical parameters. As an example, the performance of the model is verified. تفاصيل المقالة

حرية الوصول المقاله

147 - An algorithm for multi-objective job shop scheduling problem
Parviz Fattahi Mohammad Saidi Mehrabad Mir B. Aryanezhad

Scheduling for job shop is very important in both fields of production management and combinatorial op-timization. However, it is quite difficult to achieve an optimal solution to this problem with traditional opti-mization approaches owing to the high computational com أکثر

Scheduling for job shop is very important in both fields of production management and combinatorial op-timization. However, it is quite difficult to achieve an optimal solution to this problem with traditional opti-mization approaches owing to the high computational complexity. The combination of several optimization criteria induces additional complexity and new problems. In this paper, we propose a Pareto approach to solve multi-objective job shop scheduling. The objective considered is to minimize the overall completion time (makespan) and total weighted tardiness (TWT). An effective simulated annealing algorithm based on proposed approach is presented to solve multi-objective job shop scheduling problems. An external memory of non-dominated solutions is considered to save and update the non-dominated solutions during the problem solving process. The parameters in the proposed algorithm are determined after conducting a pilot study. Numerical examples are used to evaluate and study the performance of the proposed algorithm. تفاصيل المقالة

حرية الوصول المقاله

148 - A fuzzy approach to solve a multi-objective linear fractional inventory model
S.J Sadjadi M.B Aryanezhad A Sarfaraz

In this paper, the researchers present a multi-objective linear fractional inventory model using fuzzy pro-gramming. The proposed method in this paper is applied to a problem with two objective functions. The re-sulted fuzzy model is transformed into an ordinary linear أکثر

In this paper, the researchers present a multi-objective linear fractional inventory model using fuzzy pro-gramming. The proposed method in this paper is applied to a problem with two objective functions. The re-sulted fuzzy model is transformed into an ordinary linear programming. The implementation of the develop-ing model presented in this paper is demonstrated through the use of some numerical examples. تفاصيل المقالة

حرية الوصول المقاله

149 - Lexicographic goal programming approach for portfolio optimization
H Babaei M Tootooni K Shahanaghi A Bakhsha

This paper will investigate the optimum portfolio for an investor, taking into account 5 criteria. The mean variance model of portfolio optimization that was introduced by Markowitz includes two objective functions; these two criteria, risk and return do not encompass a أکثر

This paper will investigate the optimum portfolio for an investor, taking into account 5 criteria. The mean variance model of portfolio optimization that was introduced by Markowitz includes two objective functions; these two criteria, risk and return do not encompass all of the information about investment; information like annual dividends, S&P star ranking and return in later years which is estimated by using data from a longer history. Thus portfolio selection is a typical multi-objective decision making (MODM) problem. It is well known that Goal Programming (GP), based on preemptive priorities and target values, has been successful in solving MODM problems. In this paper we rank objectives of the MODM model according to weights elicited from Decision Maker’s (DM) preferences. Then we obtain goals from DM’s opinion. As a guidance for DM, we revise these goals consistent with ranking of objectives by a Linear Programming model in a way that new goals remain as close as possible to DM’s goals. After obtaining the goals we solve our MODM problem by a Lexicographic Goal Programming (LGP) model which is constructed by prioritizing objectives. Finally we il-lustrate our proposed LGP model by a numerical example. تفاصيل المقالة

حرية الوصول المقاله

150 - Determining maintenance system requirements by viewpoint of availability and lean thinking: A MODM approach
S Ghayebloo H Babaei

Since lean concept has appeared many works have been done on decreasing or even eliminating of wastes such as extra inventory. Although these studies have not taken into account expected availability seriously. So in this paper, a Multiple Objective Decision Making (MOD أکثر

Since lean concept has appeared many works have been done on decreasing or even eliminating of wastes such as extra inventory. Although these studies have not taken into account expected availability seriously. So in this paper, a Multiple Objective Decision Making (MODM) model has been developed by viewpoint of these subjects. They are decreasing wastes and increasing system availability. Wastes that have been minimized are maintenance requirements (i.e. labor, spare parts, reserve system and productive maintenance activities) and maintenance system availability that has been maximized is a function of maintenance requirements. A set of Society Anonym Iranian Production Automobile (SAIPA) data has been used to run the case study and test the effectiveness and the efficiency of the proposed model. تفاصيل المقالة

حرية الوصول المقاله

151 - A multi-objective inventory model for deteriorating items with backorder and stock dependent demand
A.H Sarfaraz S Alizadeh Noghani S.J Sadjadi M.B Aryanezhad

Classical deterministic inventory models consider the demand rate to be either constant or time-dependent but independent from the stock status. However, for a certain type of inventory, the demand rate may be in-fluenced by the stock level. Also in many real-life probl أکثر

Classical deterministic inventory models consider the demand rate to be either constant or time-dependent but independent from the stock status. However, for a certain type of inventory, the demand rate may be in-fluenced by the stock level. Also in many real-life problems, some products such as fruits, vegetables, phar-maceuticals and volatile liquids continuously deteriorate to evaporation, obsolescence, spoilage, etc. In this paper, a multi-deteriorating inventory model with shortage in fuzzy form is formulated and solved where the demand’s pattern has a linear trend. In this paper, we present a multi-objective inventory model of deteriorat-ing items in fuzzy environment with the consideration of shortage in the problem formulation. The demand here is assumed with a linear trend and the shortage is allowed for all items. The objectives of maximizing net profit of the inventory system and minimizing the total annual cost of deteriorated items are considered subject to the total cost and the storage area. The vagueness in the objectives is expressed by fuzzy linear membership functions and the resulted fuzzy models are transferred into a non-linear programming and solved using Fuzzy Non-Linear Programming (FNLP) method. The implementation of the model is presented with some numerical examples and finally the results of two fuzzy models are compared. تفاصيل المقالة

حرية الوصول المقاله

152 - Multi-objective Dynamic Planning of Substations and Primary Feeders Considering Uncertainties and Reliability
Masoumeh Karimi Mahmoud Reza Haghifam

This research uses a comprehensive method to solve a combinatorial problem of distribution network expansion planning (DNEP) problem. The proposed multi-objective scheme aims to improve power system's accountability and system performance parameters, simultaneously, in أکثر

This research uses a comprehensive method to solve a combinatorial problem of distribution network expansion planning (DNEP) problem. The proposed multi-objective scheme aims to improve power system's accountability and system performance parameters, simultaneously, in the lowest possible costs. The dynamic programming approach is implemented in order to find the optimal sizing, siting and timing of HV/MV substations, feeders and distributed generations. Based on the input data, the results should be closer to the reality. So, the relevant uncertainties must well incorporate in DNEP modeling to achieve the best possible strategy. The most important uncertainties are the load forecasting, market price errors as well as the uncertainties related to the intermittent nature of the output power of renewable energy resources. Given that DNEP is a multi-objective optimization problem including several objective functions such as: cost based function, voltage deviation, voltage stability factor and measuring the amount of produced emission. NSGA-II as an appropriate alternative results several non-dominated solutions where finally fuzzy set theory is used to select the best compromise solution among them. The proposed scheme is applied to 54-bus system distribution network. The comparison study validates the efficiency of suggested method in the presence of distributed generations. تفاصيل المقالة

حرية الوصول المقاله

153 - Fuzzy PID Tuned by a Multi-Objective Algorithm to Solve Load Frequency Control Problem
Ehsan Tehrani Amir Reza Zare Bidaki Mohsen Farahani

Abstract In this paper, a fuzzy PID with new structure is proposed to solve the load frequency control in interconnected power systems. in this study, a new structure and effective of the fuzzy PID-type Load frequency control (LFC) is proposed to solve the load frequenc أکثر

Abstract In this paper, a fuzzy PID with new structure is proposed to solve the load frequency control in interconnected power systems. in this study, a new structure and effective of the fuzzy PID-type Load frequency control (LFC) is proposed to solve the load frequency control in interconnected power systems. The main objective is to eliminate the deviations in the frequency of different areas and tie-line power flow with the minimum settling time. In the structure of fuzzy PID, four gains are adjusted by a multi-objective algorithm. The genetic algorithm (GA) is used to generate the Pareto front. The best compromise solution from the obtained Pareto set is then chosen by a Fuzzy-based approach. In addition, we suggest a new control strategy based on the fuzzy PID for the LFC problem. The simulation results show that the frequency and tie-line power flow deviations are effectively damped and settling time in responses is considerably reduced. تفاصيل المقالة

حرية الوصول المقاله

154 - Two-stage Framework for Microgrids Energy Management Considering Demand Response Program and Compressed Air Energy Storages under Uncertainties
Alireza Azarhooshang Sasan Pirouzi Mojtaba Ghadamyari

10.30495/ijsee.2022.1950652.1168

This paper presents a two-stage stochastic model for the management of microgrids. In the proposed model, the uncertainties related to the generation output of wind turbines, the consumption load, and the electrical energy price have been taken into account. The present أکثر

This paper presents a two-stage stochastic model for the management of microgrids. In the proposed model, the uncertainties related to the generation output of wind turbines, the consumption load, and the electrical energy price have been taken into account. The presented two-stage problem is modeled as a mixed-integer linear programming (MILP) problem and solved by the CPLEX solver of the GAMS software. In the first stage, the operation areas of individual microgrids are determined. To this end, the considered model is implemented on the 118-bus IEEE distribution system and the security constraints of the distribution system are considered. In the second stage, the microgrid operation problem is solved considering the microgrids' operation area. The second stage is solved as single-objective and multi-objective problems separately. Objective functions in the multi-objective case include the operating costs and the amount of pollutant emissions. The results show that an increase in the operating costs due to the reduction in the amount of emissions in the bi-objective case. It is worth noting that the multi-objective model provided in this study is solved using the fuzzy and the ε-constraint methods separately. The comparison indicates a more reduction in the operating costs in the ε -constraint method than the fuzzy method. However, the reduction of emissions in the fuzzy method is higher than that of the ε-constraint method. Further, more investigations prove the effectiveness of the DRP on the correction of the demand curve and the reduction in the operating costs. تفاصيل المقالة

حرية الوصول المقاله

155 - A new hybrid algorithm for multi-objective distribution feeder reconfiguration considering reliability
hossein lotfi

Reducing electricity losses is the main objective in distribution feeder reconfiguration (DFR) problem. Distribution feeder reconfiguration is an optimization problem in power system which is performed through changing switching state. In this study, distribution feeder أکثر

Reducing electricity losses is the main objective in distribution feeder reconfiguration (DFR) problem. Distribution feeder reconfiguration is an optimization problem in power system which is performed through changing switching state. In this study, distribution feeder reconfiguration is optimized in the presence of distributed generators (DGs). In common DFR problems, reliability constraint is not satisfied and power losses or voltage deviation of buses is selected as the objective function. In this study, multi-objective problem is considered as a combination of reliability along with power losses. By adding reliability, the problem becomes more complex and requires an accurate method for solving multi-objective optimization problem. For this purpose, in this paper proposed a new hybrid evolutionary algorithm for solving the DFR problem. The proposed hybrid evolutionary algorithm is the combination of PSO (particle swarm optimization) and SFLA (shuffled frog leaping algorithm), called Improved particle swarm optimization (IPSO). In order to investigate efficiency of the proposed method, two 33-bus and 70-bus test systems are tested and the results are compared with GA and PSO algorithms تفاصيل المقالة

حرية الوصول المقاله

156 - Multi-Objective Distribution Network Analysis Reconfiguration Considering Reliability of Power Supply based on Particle Swarm Optimization
Mostafa Karimi

The distribution dispatcher can modify the overall distribution network configuration without additional investment and resource input by optimizing the switch combination, thus changing the distribution network operating structure. A multi-objective power distribution أکثر

The distribution dispatcher can modify the overall distribution network configuration without additional investment and resource input by optimizing the switch combination, thus changing the distribution network operating structure. A multi-objective power distribution network reconfiguration model optimization algorithm is suggested in this article. The objective function is chosen as the minimum loss and the optimum reliability index of load balance and power supply, which can meet the conditions of load rate and voltage offset while reducing network loss and improving the efficiency and reliability of power. The objective function is chosen as the minimum loss and the optimum reliability index of load balance and power supply, which can meet the conditions of load rate and voltage offset while reducing network loss and improving the efficiency and reliability of power. Finally, an instance is given to check the efficacy of the proposed The multi-objective reconfiguration system of the network and the optimal solution collection of both security and reliability multi-objective network reconfiguration scheme are obtained. تفاصيل المقالة

حرية الوصول المقاله

157 - An Optimal Routing Protocol Using Multi-Objective Whale Optimization Algorithm for Wireless Sensor Networks
Seyed Reza Nabavi

10.30495/ijsee.2021.683683

Recently, wireless sensor networks (WSNs) have been used increasingly in military and civilian fields, especially for target tracking and environmental monitoring purposes. The main obstacle in the way of broader use of WSNs is the limited charge of sensors used in thes أکثر

Recently, wireless sensor networks (WSNs) have been used increasingly in military and civilian fields, especially for target tracking and environmental monitoring purposes. The main obstacle in the way of broader use of WSNs is the limited charge of sensors used in these networks. Research has shown that the power consumption of these sensors can be reduced through the sensible use of routing protocols and multi-hop communications. While cluster-based multi-hop protocols have shown to be very effective in reducing power consumption of sensors, they tend to suffer from power balance and data conflict problems. This paper applied the multi-objective whale optimization algorithm to develop a cluster-based routing protocol for WSNs. For improving the time division multiple access cycle, a bottom-up continuous time slot allocation scheme was used with the purpose of preventing data collision in multi-hop communications, as well as maximizing the sleep period of all idle nodes, including the cluster heads. Simulations performed in MATLAB demonstrated the ability of the developed protocol in prolonging the network lifespan by almost 100% by balancing the power consumption of its sensors. تفاصيل المقالة

حرية الوصول المقاله

158 - Per Unit Coding for Combined Economic Emission Load Dispatch using Smart Algorithms
Naser Ghorbani Ebrahim Babaei Sara Laali Payam Farhadi

This paper proposes per unit coding for combined economic emission load dispatch problem. In the proposed coding, it is possible to apply the percent effects of elements in any number and with high accuracy in objective function. In the proposed per unit coding, each fu أکثر

This paper proposes per unit coding for combined economic emission load dispatch problem. In the proposed coding, it is possible to apply the percent effects of elements in any number and with high accuracy in objective function. In the proposed per unit coding, each function is transformed into per unit form based on its own maximum value and has a value from 0 to 1. In this paper, particle swarm optimization is used for solving economic emission load dispatch problem. In order to show the advantages of the proposed method, 25 independent case studies are conducted on systems holding three and six power units with different influence percentages of each function are investigated. The obtained results are compared with those of other methods such as Biogeography Based Optimization, Tabu Search, NSGA-II and etc. The obtained results properly show the superiority of the proposed method to combine economic emission dispatch problem over the penalty factor technique and other conventional combined approaches. تفاصيل المقالة

حرية الوصول المقاله

159 - Wind Turbine Transformer Optimum Design Assuming a 3D Wound Core
Pedram Elhaminia Ahmad Moradnouri Mehdi Vakilian

A wind turbine transformer (WTT) is designed using a 3D wound core while the transformer’s total owning cost (TOC) and its inrush current performance realized as the two objective functions in a multi-objective optimization process. Multi-objective genetic algorit أکثر

A wind turbine transformer (WTT) is designed using a 3D wound core while the transformer’s total owning cost (TOC) and its inrush current performance realized as the two objective functions in a multi-objective optimization process. Multi-objective genetic algorithm is utilized to derive Pareto optimal solutions. The effects of inrush current improvement on other operating and design parameters of the transformer such as: losses, dimensions, and weights are investigated. An approach is presented to select one design from optimal Pareto solutions based on relative improvement of the inrush current performance. Finally, this multi-objective optimum wind turbine transformer design is compared with an optimum transformer design obtained when just TOC is the objective function. تفاصيل المقالة

حرية الوصول المقاله

160 - A Novel Model for Bus Stop Location Appropriate for Public Transit Network Design: The Case of Central Business Districts (CBD) of Tehran
Majid Jahani S. Mehdi Hashemi Mehdi Ghatee Mohsen Jahanshahi

In this paper, a novel multi-objective bus stop location model is proposed, which considers not only the coverage of demand and minimization of access time but also the necessities of suitable stops for transit network design phase. Three objective functions are conside أکثر

In this paper, a novel multi-objective bus stop location model is proposed, which considers not only the coverage of demand and minimization of access time but also the necessities of suitable stops for transit network design phase. Three objective functions are considered including minimizing (I) sum of the total access distance (time), (II) the weighted combination of stops, and (III) the number of stops. A sum-weighted method is used to solve the proposed multi-objective model considering the different scenarios of weights. A detailed analysis is carried out Tehran CBD to generate sensible stops results. تفاصيل المقالة

حرية الوصول المقاله

161 - طراحی الگوی بهینه‌سازی چندهدفه فازی جهت یکپارچه‌سازی جریان مالی - عملیاتی در شبکه تأمین لارج
سینا ابویی مهریزی محمد مهدی موحدی علیرضا رشیدی کمیجان

هدف مقاله حاضر طراحی یک شبکه تأمین چهار سطحی با در نظر گرفتن همزمان جریان مالی و عملیاتی در چارچوب شبکه تأمین لارج در شرکت سایپا یدک است. نوآوری مقاله، ارائه یک رویکرد یکپارچه مالی – عملیاتی در شبکه تأمین لارج و جنبه جدید بودن تحقیق در نظر گرفتن چهار سطح تأمین‌کنن أکثر

هدف مقاله حاضر طراحی یک شبکه تأمین چهار سطحی با در نظر گرفتن همزمان جریان مالی و عملیاتی در چارچوب شبکه تأمین لارج در شرکت سایپا یدک است. نوآوری مقاله، ارائه یک رویکرد یکپارچه مالی – عملیاتی در شبکه تأمین لارج و جنبه جدید بودن تحقیق در نظر گرفتن چهار سطح تأمین‌کنندگان، کارخانه‌ها، مراکز توزیع و مشتریان به صورت بهینه‌سازی چندهدفه فازی در سطوح تصمیم‌گیری راهبردی و فنی مدل‌سازی است. از ویژگی‌های بارز مدل پیشنهادی استفاده از برنامه‌ریزی آرمانی برای مدل‌‌سازی جریان مالی و دستیابی به اهداف مالی تولید‌کننده است. از آن‌ جا که مدل ارائه شده یک مدل دو هدفه است، برای حل مدل از رویکردهای تعاملی چند هدفه فازی SO و TH که قادر به تنظیم درجه ارضاء توابع هدف می ‌باشند، استفاده شده است. بهره ‌گیری از رویکردهای مذکور در کنار برنامه‌‌ریزی آرمانی، تصمیم‌گیرنده را قادر می‌ سازد تا با انتخاب راه حل مناسب بر اساس درجه ارضاء و اولویت هر تابع هدف، تصمیم نهایی را اتخاذ نماید. مدل‌ ریاضی ارائه شده در نرم‌افزار بهینه‌سازی GAMS کدنویسی و با حل کننده CPLEX حل شد. سرانجام جهت نشان دادن کارایی و برازش مدل، رویکرد یکپارچه مالی مقاله حاضر با یک مدل غیرمالی مقایسه شد. تفاصيل المقالة

حرية الوصول المقاله

162 - بهینه‏ سازی چندهدفه سبدسهام با استفاده از برنامه‌ریزی تصادفی چندمرحله‌ای
حامد عسگری جواد بهنامیان

در این تحقیق به ارائه مدلی با توجه به ماهیت داده‌های ورودی مسئله و همچنین ماهیت تصادفی رخدادهای آتی سهم‌ها پرداخته‌ شده است. به ‌منظور پویاسازی سبد سهام، مدل برنامه‌ریزی استفاده‌ شده است که در آن هر یک از زمان‌های تصمیم‌گیری به عنوان یک مرحله در مدل برنامه‌ریزی تصادفی د أکثر

در این تحقیق به ارائه مدلی با توجه به ماهیت داده‌های ورودی مسئله و همچنین ماهیت تصادفی رخدادهای آتی سهم‌ها پرداخته‌ شده است. به ‌منظور پویاسازی سبد سهام، مدل برنامه‌ریزی استفاده‌ شده است که در آن هر یک از زمان‌های تصمیم‌گیری به عنوان یک مرحله در مدل برنامه‌ریزی تصادفی در نظر گرفته‌ شده است. به دلیل وابستگی جواب‌های حاصل از مدل برنامه‌ریزی تصادفی با بازخورد به روش تولید سناریو، به ارائه روش مناسب تولید سناریو با توجه به ماهیت ورودی داده‌های مسئله پرداخته‌ شده است. در نهایت اعتبار مدل ارائه شده پس از حل با نرم‌افزار گمز ارزیابی شده است. همان‌طور که نشان داده‌ شده است استفاده از برنامه‌ریزی تصادفی با بازخورد و ترکیب آن با روش تولید سناریوی معرفی شده، این امکان را به سرمایه‌گذاران می‌دهد که بتوانند برنامه‌ریزی‌های کوتاه‌مدت و بلندمدت برای خریدها و فروش‌های خود در بازارهای مالی را داشته و نتایج مدل تا حد خوبی نشان‌دهنده کارایی مدل حاضر در بازارهای مالی است. تفاصيل المقالة

حرية الوصول المقاله

163 - بهینه‌سازی سبد سهام با استفاده از الگوریتم ژنتیک چند هدفه (NSGA II) و ماکزیمم نسبت شارپ
آرزو کریمی

یکی از مسائل مهم حوزه مالی چگونگی انتخاب سبد سرمایه‌گذاری است. فعالان این حوزه در صدد انتخاب سبدی هستند که با میزان بازدهی بالا ، ریسک را تحت کنترل قرار دهد. با توجه به افزایش محدودیت‌های بازار سرمایه کارایی روش‌های کلاسیک مورد بحث قرار گرفته است. از این رو توجه محققین أکثر

یکی از مسائل مهم حوزه مالی چگونگی انتخاب سبد سرمایه‌گذاری است. فعالان این حوزه در صدد انتخاب سبدی هستند که با میزان بازدهی بالا ، ریسک را تحت کنترل قرار دهد. با توجه به افزایش محدودیت‌های بازار سرمایه کارایی روش‌های کلاسیک مورد بحث قرار گرفته است. از این رو توجه محققین به سمت الگوریتم‌های فرا‌ ابتکاری معطوف شده است. هدف این پژوهش تعیین سبد بهینه‌ی شرکت‌های دارویی پذیرفته شده در بازار بورس اوراق بهادار تهران به دو روش الگوریتم ژنتیک چندهدفه (NSGA-II) و ماکزیمم نسبت شارپ است. در این پژوهش الگوریتم ژنتیک چند هدفه (NSGA-II) تحت معیار ریسک ارزش در معرض خطر مشروط است. همچنین از داده‌های 13 شرکت در دوره زمانی97-90 برای تشکیل سبد استفاده شده است. نتایج حاکی از آن است که در روش الگوریتم ژنتیک چند هدفه (NSGA-II) سهامی که کمترین ارزش در معرض خطر را دارد، بیشترین وزن را در سبد بهینه بدست می‌آورد. همچنین سبد بهینه شده به روش الگوریتم ژنتیک چند هدفه (NSGA-II) بازده بیشتر و در عین حال ریسک کمتری دارد. تفاصيل المقالة

حرية الوصول المقاله

164 - ارائه یک مدل برنامه ریزی ریاضی چند هدفه –چند زمانه برای سرمایه گذاری در سبد سهام تحت یک سنجه ریسک ترکیبی
احمد داداش پور عمرانی سیدعلی نبوی چاشمی عرفان معماریان

آنچه تا به امروز در محاسبات مالی و در زمینه انتخاب سبد سهام عنوان شده به گونه ای است که سرمایه گذاری های موجود را از لحاظ درجه ریسک و بازده، به ترتیب اولویت بندی می نماید، تا سرمایه گذاران بتوانند با در نظر گرقتن امکانات مالی و میزان ریسک پذیریشان سبد سهام مطلوب خویش را أکثر

آنچه تا به امروز در محاسبات مالی و در زمینه انتخاب سبد سهام عنوان شده به گونه ای است که سرمایه گذاری های موجود را از لحاظ درجه ریسک و بازده، به ترتیب اولویت بندی می نماید، تا سرمایه گذاران بتوانند با در نظر گرقتن امکانات مالی و میزان ریسک پذیریشان سبد سهام مطلوب خویش را تشکیل دهند. لذا، در این تحقیق، به ارائه یک مدل ریاضی چند هدفه بصورت چند زمانه برای اندازه گیری ریسک سبد سهام با ترکیب سنجه بازده با دو سنجه ریسک یعنی نیم واریانس و ارزش در معرض ریسک شرطی بهمراه محدودیت هزینه معاملاتی برای پانزده سهم از پنجاه سهام برتر دوره دوازده ماه منتهی به سال 1398 در بستر بازار سرمایه ایران پرداخته شده است. با توجه به جداول و نمودارهای بدست آمده از حل این نوع مدل به کمک برنامه ریزی دینامیک در زمان های مختلف سرمایه گذاری، شاهد نتایج بهتر در کارایی تصمیمات سرمایه گذاران با صرف هزینه و زمان کمتر و به تبع آن سوددآوری بیشتر سبد سهام، خواهیم بود. تفاصيل المقالة

حرية الوصول المقاله

165 - بهینه‌سازی سبد سهام شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران بر اساس روش‌های ترکیبی یادگیری ماشین جمعی دوسطحی و الگوریتم‌های فرا ابتکاری چند هدفه مبتنی بر رویکرد زمان سنجی بازار
ساناز فریدی امیر دانشور مهدی معدن چی زاج شادی شاهوردیانی

در این مقاله با استفاده از رویکرد زمان سنجی بازار وروش‌های یادگیری جمعی همگن و غیر همگن به ارائه سیگنال خرید، نگهداری و فروش و پیش‌بینی بازار بر اساس ویژگی‌های بنیادی ویژگی‌های فنی و سری زمانی بازدهی هر شرکت در 100 روز منتهی به روز جاری پرداخته شده است. بر این اساس ، 20 أکثر

در این مقاله با استفاده از رویکرد زمان سنجی بازار وروش‌های یادگیری جمعی همگن و غیر همگن به ارائه سیگنال خرید، نگهداری و فروش و پیش‌بینی بازار بر اساس ویژگی‌های بنیادی ویژگی‌های فنی و سری زمانی بازدهی هر شرکت در 100 روز منتهی به روز جاری پرداخته شده است. بر این اساس ، 208 شرکت که به عنوان شرکت‌های فعال بین سال‌های 1390 تا 1399 بودند، انتخاب شدند. برای آموزش داده‌ها توسط ماشین یادگیری جمعی دوسطحی (HHEL) و پیش‌بینی روند بازار بر اساس استراتژی زمان سنجی بازار ، از داده‌های 5 سال 1390 تا 1394 استفاده و برای تست داده‌ها به منزله بهینه‌سازی سبد سهام بر اساس بیشینه سازی بازده سبد سهام و کمینه سازی ریسک سبد سهام سرمایه‌گذاری، از الگوریتم‌های MOPSO و NSGA II استفاده و با سبد سرمایه گذاری بدست آمده با استراتژی خرید و نگهداری مقایسه شده است. نتایج نشان داد الگوریتم MOPSO بالاترین بازده سبد سهام را با 96.437 % در مقابل الگوریتم NSGA II با بازدهی 91.157 % و روش سرمایه‌گذاری یکسان با بازدهی 13.058 % بدست آورده است. همچنین ریسک سبد سرمایه‌گذاری در الگوریتم NSGA II بسیار پایین تر از ریسک سبد سرمایه‌گذاری در الگوریتم MOPSO به ترتیب با 0.792% و 1.367% بوده است. تفاصيل المقالة

حرية الوصول المقاله

166 - بهینه‌یابی تکاملی چهارهدفه فازی و غیرفازی سبد سرمایه‌گذاری در بورس اوراق بهادار تهران
محمد جواد سلیمی محمد تقی تقوی فرد میرفیض فلاح شمس هادی خواجه زاده دزفولی

در انتخاب پرتفوی بهینه، باید معیارهای مختلفی را در نظر گرفت که قسمتی آنها بر اساس ماهیت بهینه‌سازی تعیین می‌شود و قسمتی نیز بر اساس خواست سرمایه‌گذار مشخص می‌گردد. لذا در این مقاله، مدل‌هایی مبتنی بر برنامه ریزی چندهدفه طراحی و در محیط نرم‌افزار متلب حل شده است. این مد أکثر

در انتخاب پرتفوی بهینه، باید معیارهای مختلفی را در نظر گرفت که قسمتی آنها بر اساس ماهیت بهینه‌سازی تعیین می‌شود و قسمتی نیز بر اساس خواست سرمایه‌گذار مشخص می‌گردد. لذا در این مقاله، مدل‌هایی مبتنی بر برنامه ریزی چندهدفه طراحی و در محیط نرم‌افزار متلب حل شده است. این مدل‌ها به گونه‌ای طراحی شده که هم طبیعت چندهدفة انتخاب پرتفو، هم ملاحظات مورد نظر سرمایه‌گذار و هم ماهیت غیرقطعی بازدهی آتی دارایی ها را نیز در نظر ‌بگیرد. پس از طراحی مدل‌ها در دو وضعیت فازی و غیرفازی، به دلیل ماهیت NP-HARD آنها، از الگوریتم اختصاصی طراحی شده NSGA-II برای حل استفاده شده است. پس از حل مدل‌ها، بهترین پرتفو از جبهة پارتوی تشکیل شده، بر اساس نسبت سورتینو، استخراج شده و پرتفوهایی که با این روش بدست آمده، بر اساس نسبت ترینر مقایسه گردیدند. نتایج آزمون‌های آماری به صراحت نشان می دهد که مدل های ارائه شده قدرت بالایی در انتخاب پرتفوی با بازدهی بالا و ریسک متعادل دارند. همچنین نتایج بیانگر آن است که در میان مدل های طراحی شده، استفاده از منطق فازی در مدلهای چهارهدفه، نسبت به وضعیتی که از منطق فازی در طراحی و استفاده از این مدلها استفاده نشود، نتایج مطلوب‌تری را ایجاد را می‌نماید. تفاصيل المقالة

حرية الوصول المقاله

167 - کاوش قوانین پیوستگی کمی در بازار سهام با استفاده از الگوریتم های فراابتکاری چندهدفه مبتنی بر الگوریتم ژنتیک
مصطفی زندیه سیما مردانلو

پیش بینی بازده سهام موضوعی مهم در حوزه مالی است که توجه محققان را برای سالهای بسیاری به خود جلب کرده است. سرمایه گذاران همواره در تلاش برای پیدا کردن راهی برای پیش بینی قیمت سهام و پیدا کردن سهام و زمان مناسب برای خرید و یا فروش هستند. اخیرا، از تکنیک های داده کاوی و تک أکثر

پیش بینی بازده سهام موضوعی مهم در حوزه مالی است که توجه محققان را برای سالهای بسیاری به خود جلب کرده است. سرمایه گذاران همواره در تلاش برای پیدا کردن راهی برای پیش بینی قیمت سهام و پیدا کردن سهام و زمان مناسب برای خرید و یا فروش هستند. اخیرا، از تکنیک های داده کاوی و تکنیک های هوش مصنوعی در این حوزه استفاده می شود. کشف قوانین پیوستگی یکی از رایج ترین روش های داده کاوی مورد استفاده جهت استخراج دانش از مجموعه داده های بزرگ است. برخی محققین کاوش قوانین پیوستگی را به عنوان یک مسئله چند هدفه بیان کرده اند، که به طور مشترک چند معیار را برای به دست آوردن یک مجموعه با قوانین جالب تر و دقیق تر بهینه سازی می کند. در این پژوهش، یک مدل تکاملی چند هدفه جدید ارائه می دهیم که قابلیت درک، جالب بودن و کارایی را به منظور کاوش مجموعه ای از قوانین پیوستگی کمی از داده های مالی، شامل 10 تا از رایج ترین نشانگرهای تحلیل تکنیکی، حداکثر می کند. برای این منظور، این مدل، دو الگوریتم تکاملی چندهدفه معروف الگوریتم ژنتیک مرتب سازی نامغلوب II و الگوریتم ژنتیک رتبه بندی شده نامغلوب را برای انجام فراگیری تکاملی فواصل ویژگی ها و انتخاب شرایط برای هر قانون گسترش می دهد. علاوه براین، مدل ارائه شده، یک جمعیت خارجی و یک فرایند شروع مجدد را برای مدل تکاملی به منظور ذخیره تمام قوانین نامغلوب یافته شده و بهبود تنوع مجموعه قوانین به دست آمده معرفی می کند. نتایج به دست آمده بر روی داده های سهام در دنیای واقعی، اثربخشی روش ارائه شده را نشان می دهد. تفاصيل المقالة

حرية الوصول المقاله

168 - ارائه مدل برنامه ریزی چندهدفه جهت انتخاب سهام با در نظرگرفتن ارزش در معرض خطر فازی: رویکرد تئوری اعتبار فازی
حسین دیده خانی سعید حجتی استانی

مسئله بهینه سازی پرتفوی و انتخاب سهام یکی از زمینه های پرتوجه توسط محققین مالی و سرمایه گذاران در بازارهای مالی می باشد. در این مقاله به برخی از چالش های بهینه سازی پرتفوی بطور همزمان پرداخته می شود. بطوریکه جهت در نظرگرفتن ماهیت چندمعیاره بودن انتخاب سهام و عدم قطعیت م أکثر

مسئله بهینه سازی پرتفوی و انتخاب سهام یکی از زمینه های پرتوجه توسط محققین مالی و سرمایه گذاران در بازارهای مالی می باشد. در این مقاله به برخی از چالش های بهینه سازی پرتفوی بطور همزمان پرداخته می شود. بطوریکه جهت در نظرگرفتن ماهیت چندمعیاره بودن انتخاب سهام و عدم قطعیت مرتبط با نرخ بازده دارایی ها از مدل برنامه ریزی چندهدفه فازی استفاده شد. همچنین با توجه نقاط ضعف معیارهای ریسک سنتی نظیر واریانس از ارزش درمعرض خطر و معیار عدم قطعیت با رویکرد تئوری اعتبار فازی جایگزین آن ها شدند. در پایان با توجه به ساختار غیرخطی و سخت مدل طراحی شده، از نسخه دوم الگوریتم ژنتیک چندهدفه با مرتب‌سازی نامغلوب "NSGA-II"، جهت حل مدل استفاده گردید. جهت نمایش قابلیت کاربرد مدل توسعه داده شده در بین 10 شرکت بین المللی بکارگرفته شد. پس از اجرای مدل و در راستای روایی سنجی، پرتفوی های پارتو بهینه بدست آمده با پرتفوهای تصادفی تولید شده مورد مقایسه قرار گرفتند. نتایج مقایسه نشان دهنده سطوح بالاتردستیابی به اهداف در پرتفوهای بهینه بود تفاصيل المقالة

حرية الوصول المقاله

169 - An algorithm for determining common weights by concept of membership function
S. Saati N. Nayebi

Data envelopment analysis (DEA) is a method to evaluate the relative efficiency of decision making units (DMUs). In this method, the issue has always been to determine a set of weights for each DMU which often caused many problems. Since the DEA models also have the mul أکثر

Data envelopment analysis (DEA) is a method to evaluate the relative efficiency of decision making units (DMUs). In this method, the issue has always been to determine a set of weights for each DMU which often caused many problems. Since the DEA models also have the multi-objective linear programming (MOLP) problems nature, a rational relationship can be established between MOLP and DEA problems to overcome the problem of determining weights. In this study, a membership function was defined base on the results of CCR model and cross efficiency, and by using this membership function in a proposed model, we obtained a common set of weights for all DMUs. Finally, by solving a sample problem, the proposed algorithm was explained. تفاصيل المقالة

حرية الوصول المقاله

170 - A Simple and Efficient Method for Solving Multi-Objective Programming Problems and Multi-Objective Optimal Controls
Hajar Alimorad

10.30495/ijm2c.2022.1933759.1218

In this paper, a new approach based on weighted sum algorithm is applied to solve multi-objective optimal programming problems (MOOPP) and multi-objective optimal control problems (MOOCP). In this approach, first, we change the problem into a new one whose optimal solut أکثر

In this paper, a new approach based on weighted sum algorithm is applied to solve multi-objective optimal programming problems (MOOPP) and multi-objective optimal control problems (MOOCP). In this approach, first, we change the problem into a new one whose optimal solution is obtained by solving some single-objective problems simply. Then, we prove that the optimal solutions of the two problems are equal. Numerical examples are presented to show the efficiency of the given approach. تفاصيل المقالة

حرية الوصول المقاله

171 - A MODIFIED METHOD TO DETERMINE A WELL-DISPERSED SUBSET OF NON-DOMINATED VECTORS OF AN MOMILP PROBLEM
Ghasem Tohidi Shabnam Razavyan

This paper uses the L1−norm and the concept of the non-dominated vector, topropose a method to find a well-dispersed subset of non-dominated (WDSND) vectorsof a multi-objective mixed integer linear programming (MOMILP) problem.The proposed method generalizes the p أکثر

This paper uses the L1−norm and the concept of the non-dominated vector, topropose a method to find a well-dispersed subset of non-dominated (WDSND) vectorsof a multi-objective mixed integer linear programming (MOMILP) problem.The proposed method generalizes the proposed approach by Tohidi and Razavyan[Tohidi G., S. Razavyan (2014), determining a well-dispersed subset of non-dominatedvectors of multi-objective integer linear programming problem, International Journalof Industrial Mathematics, (Accepted for publication)] to find a WDSND vectors of anMOMILP problem. تفاصيل المقالة

حرية الوصول المقاله

172 - UNBOUNDEDNESS IN MOILP AND ITS EFFICIENT SOLUTIONS
G. Tohidi S. Razavyan

In this paper we investigate Multi-Objective Integer Linear Programming (MOILP) problems with unbounded feasible region and introduce recession direction for MOILP problems. Then we present necessary and suﬃcient conditions to have unbounded feasible region and inﬁnite أکثر

In this paper we investigate Multi-Objective Integer Linear Programming (MOILP) problems with unbounded feasible region and introduce recession direction for MOILP problems. Then we present necessary and suﬃcient conditions to have unbounded feasible region and inﬁnite optimal values for objective functions of MOILP problems. Finally we present some examples with unbounded feasible region and ﬁnite and inﬁnite eﬃcient solution. تفاصيل المقالة

حرية الوصول المقاله

173 - طراحی زنجیره تأمین سبز حلقه بسته در شرایط رقابتی بودن تقاضا و قیمت گذاری محصولات به صورت همزمان با استفاده از الگوریتم جهش قورباغه
مجتبی رمضانی رسول نصرالهی سعیدلو

در این پژوهش پس از بررسی دقیق و تفصیلی تحقیقات گذشته در حوزه زنجیره تأمین، شکاف تحقیق و نوآوری آن مشخص شد. نوآوری تحقیق شامل در نظر گرفتن رفتار تقاضا به عنوان تابعی از قیمت محصولات در شرایط رقابتی بوده و بر اساس آن هدف توسعه یک مدل ریاضی جهت طراحی یک زنجیره تأمین حلقه ب أکثر

در این پژوهش پس از بررسی دقیق و تفصیلی تحقیقات گذشته در حوزه زنجیره تأمین، شکاف تحقیق و نوآوری آن مشخص شد. نوآوری تحقیق شامل در نظر گرفتن رفتار تقاضا به عنوان تابعی از قیمت محصولات در شرایط رقابتی بوده و بر اساس آن هدف توسعه یک مدل ریاضی جهت طراحی یک زنجیره تأمین حلقه بسته در شرایط رقابتی بوده است. در چنین زنجیره ای قیمت یک عامل اساسی است که می تواند مقدار تقاضا را تعیین کند و به تبع آن ساختار زنجیره را تغییر دهد. به همین منظور ابتدا یک تابع بین مقدار تقاضا و نیز قیمت محصولات ارائه شد. سپس با تکمیل مفروضات تحقیق، مدل ریاضی دوهدفه تحقیق ارائه شد. هدف اول کاهش هزینه ها و افزایش درآمد زنجیره است. به عبارت دیگر هدف اول به دنبال بیشینه سازی سود زنجیره تأمین است. در هدف دوم تمرکز بر روی سهم بازار است و با افزایش مطلوبیت مراکز فروش، به دنبال بیشینه سازی سهم بازار هستیم. با ارائه چنین مدلی لازم است تکنیک‌های دستیابی به چند هدف برای آن ارائه شود. در همین راستا الگوریتم SFLA جهت حل این مدل ریاضی تشریح گردید. این روش یک الگوریتم فراابتکاری جدید می‌باشد که بر اساس رفتار قورباغه‌ها عمل می‌کند. برای این منظور ابتدا با حل مدل به صورت تک هدفه، اعتبارسنجی مدل و اثبات درست و منطقی و قابل اعتماد بودن نتایج انجام گردید. سپس با توجه به نبود دیتای مقایسه‌ای که دقیقاً مطابق مدل این تحقیق باشد، مثال های نمونه از توزیع‌های آماری تولید گردیده است. تفاصيل المقالة

حرية الوصول المقاله

174 - Multi-Objective Optimization of the Depth and Cementation of Liquefiable Soil Surrounding Tunnels
Mohammad Shabani Soltan Moradi Mohammad Azadi Homayoun Jahanian

Designing tunnels in liquefiable sandy soils presents a significant challenge in determining the optimal depth and extent of soil cementation around them. Reducing the depth of the tunnel decreases both the bending anchor force and the axial load on the tunnel's shell, أکثر

Designing tunnels in liquefiable sandy soils presents a significant challenge in determining the optimal depth and extent of soil cementation around them. Reducing the depth of the tunnel decreases both the bending anchor force and the axial load on the tunnel's shell, yet it leads to an increase in ground surface settlement, and the opposite is true when depth is increased. Enhancing the cementation level at the tunnel's optimal depth reduces both structural uplift and shear forces exerted on the tunnel lining, but it also leads to an increase in axial loads and vice versa. Given the contradictory nature of these outcomes, the FLAC software was employed to simulate tunnels in liquefiable soils to address this dilemma. Subsequently, a neural network was utilized to identify correlations between the inputs and outputs of the simulation. This network was the objective function for identifying optimal values by applying a genetic algorithm. Optimal design parameters were derived using the NSGA-II modified algorithm, a multi-objective optimization technique based on the objective functions. Ultimately, Pareto charts generated from the multi-objective optimization process enabled designers to select the most suitable tunnel location according to their specific requirements concerning depth and soil cementation in liquefied soils. تفاصيل المقالة

فهرس المقالات Multi-objective

سند

الروابط

المراكز ذات الصلة

دعامة

الصفحات الرسمية