فهرس المقالات Objective functions

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - Multi-objective possibility model for selecting the optimal stock portfolio
  Abdolmajid Abdolbaghi Ataabadi Alireza Nazemi Masoumeh Saki
  10.22034/amfa.2022.1952682.1705
  In this paper, we use fuzzy numbers and possibility theory to model possibility. The purpose of this work is to determine the optimal investment model based on the neural network method for fuzzy LR, trapezoidal and triangular numbers in an optimal portfolio. It is list أکثر

  In this paper, we use fuzzy numbers and possibility theory to model possibility. The purpose of this work is to determine the optimal investment model based on the neural network method for fuzzy LR, trapezoidal and triangular numbers in an optimal portfolio. It is listed on the Tehran Stock Exchange to maximize "returns" and reduce "risk" to find the optimal portfolio. Therefore, to achieve this goal, the problem of multi-objective nonlinear programming is addressed. Also, by substituting the mean-variance model and the standard mean deviation instead of the Markowitz mean-variance model, the selection of the optimal portfolio in the possible space is examined. Finally, after calculating the model of the possibility of fuzzy numbers, we reach the optimal stock portfolio, which can be used to set the stock portfolio that has the highest returns and the lowest risk. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  2 - حداقلسازی توابع هدف غیرنزولی برای مسئله زمان‌بندی واحد زمان کارگاه باز با الگوریتم ژنتیک
  Ghorbanali Mohammadi Taher Daali Matoorian
  در عصر حاضر، برنامه ریزی فعالیتی ضروری و اجتناب ناپذیر در تمام امور فردی، اجتماعی و سازمانی محسوب میشود. به نحوی که بدون توجه به آن هیچ فعالیتی به صورت کارآمد و موثر تحقق نخواهد گرفت. یکی از مسائل مهم مورد بحث در علم تحقیق در عملیات راجع به موضوع زمان‌بندی است. این مطال أکثر

  در عصر حاضر، برنامه ریزی فعالیتی ضروری و اجتناب ناپذیر در تمام امور فردی، اجتماعی و سازمانی محسوب میشود. به نحوی که بدون توجه به آن هیچ فعالیتی به صورت کارآمد و موثر تحقق نخواهد گرفت. یکی از مسائل مهم مورد بحث در علم تحقیق در عملیات راجع به موضوع زمان‌بندی است. این مطالعه به مسئله کارگاه باز میپردازد، زیرا در سالهای اخیر، کاربرد مدل‌های ریاضیاتی برای حل بهینه ای مسائل زمانبندی توجه بسیاری از محققین را به خود جلب کرده است. در این راستا، بسیاری از تحقیقات درباره مدلسازی کار کارگاهی و جریان کارگاهی بوده و روی فرمول‌بندی مسئله زمان‌بندی کارگاه باز انجام شده است. هدف این تحقیق یافتن راه حلی ساده و بهینه برای مسئله زمان‌بندی کارگاه باز با تابع هدف تفکیکپذیر با استفاده از روش فراابتکاری الگوریتم ژنتیک می باشد. در الگوریتم این مسئله، عملگر تقاطع PMX و عملگر جهش جابهجایی استفاده شد. در ادامه نیز مقایسهای میان جوابهای به دست آمده به سه روش انتخاب متفاوت در کدبندی الگوریتم ژنتیک شامل روشهای انتخاب برتر، انتخاب تورنمنتی و انتخاب چرخ رولت صورت می گیرد. اطلاعات مورد نیاز برای این پژوهش بهصورت کتابخانهای و مراجعه به اسناد، مدارک و سایتهای معتبر جمع آوری شد. نتایج پژوهش حاضر حاکی از آن بود که مسئله زمانبندی کارگاه باز با استفاده از الگوریتم فراابتکاری ژنتیک راحت تر و سریعتر به جواب می رسد و روش انتخاب برتر جواب بهتری را نسبت به دو روش دیگر نشان میدهد. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  3 - Scheduling on flexible flow shop with cost-related objective function considering outsourcing options
  Mojtaba Enayati Ebrahim Asadi-Gangraj Mohammad Mahdi Paydar
  10.22094/joie.2020.1873983.1674
  This study considers outsourcing decisions in a flexible flow shop scheduling problem, in which each job can be processed by either an in-house production line or outsourced. The selected objective function aims to minimize the weighted sum of tardiness costs, in-house أکثر

  This study considers outsourcing decisions in a flexible flow shop scheduling problem, in which each job can be processed by either an in-house production line or outsourced. The selected objective function aims to minimize the weighted sum of tardiness costs, in-house production costs, and outsourcing costs with respect to the jobs due date. The purpose of the problem is to select the jobs that must be processed in-house, schedule processing of the jobs in-house, and finally select and assign other jobs to the subcontractors. We develop a mixed-integer linear programming (MILP) model for the research problem. Regarding the complexity of the research problem, the MILP model cannot be used for large-scale problems. Therefore, four metaheuristic algorithms, including SA, GA, PSO, hybrid PSO-SA, are proposed to solve the problem. Furthermore, some random test problems with different sizes are generated to evaluate the effectiveness of the proposed MILP model and solution approaches. The obtained results demonstrate that the GA can obtain better solutions in comparison to the other algorithms. تفاصيل المقالة