تحقیق در عملیات در کاربردهای آن
سال:1398 | دوره:16 | شماره:3 (پیاپی 62) |تعداد مقالات:9

یک مدل شبکه عصبی کارا برای حل یک مساله بهینه سازی غیرخطی با محدودیت های هیبریدی ارایه می شود. بر مبنای شرایط بهینگی کاروش-کان-تاکر و مفاهیمی از آنالیز محدب و بهینه سازی، ابتدا یک مدل شبکه ارایه می شود. ثابت می شود که مدل شبکه عصبی ارایه شده پایدار لیاپانف بوده و همگرای سراسری به جواب مساله بهینه سازی اصلی می باشد. با ارایه چندین مثال عددی، کارایی مدل ارایه شده برای حل مساله بهینه سازی با محدودیت های هیبریدی نشان داده می شود.

مساله انتخاب سبد سهام یکی از مهم ترین مسایل در حوزه مدیریت مالی است که در آن به تخصیص سرمایه به دارایی های مختلف با کنترل همزمان بازده و ریسک پرداخته می شود. در مقاله حاضر، موضوع انتخاب سبد سهام بهینه با درنظرگرفتن محدودیت های تعداد سهام و نسبت هر سهم در سبد سرمایه گذاری مورد بررسی قرار گرفته است. برای کنترل بازده فازی سبد، یک مدل برنامه ریزی امکانی چند هدفه جدید برای حداکثرسازی ممکن ترین مقدار بازدهی، حداقل سازی ریسک نامطلوب و حداکثر سازی ریسک مطلوب توسعه داده شده و از دو رویکرد متفاوت برای تبدیل آن به مدل تک هدفه استفاده شده است. نتایج حاصل از بررسی عملکرد مدل پیشنهادی با استفاده از داده های مارکویتز و بورس اوراق بهادار تهران نشان می دهد که این مدل قادر است با بهینه سازی همزمان بازده و ریسک، سبد سهام مناسب را با توجه به گرایش ها و استراتژی های مختلف سرمایه گذاران ارایه دهد.

هدف از مقاله حاضر ارایه یک مدل بهینه سازی سه هدفه استوار برای زنجیره ی تأمین شرکت چینی تقدیس می باشد. مدل با استفاده از روش تکنیک AHP وزن دهی و به مساله تک هدفه تبدیل و با استفاده از رویکرد برتسیمس و سیم استوار شده است. با در نظر گرفتن داده های شرکت چینی تقدیس شامل دو محصول سرویس 30 پارچه پرنسس و سرویس 30 پارچه فلت در یک دوره معین، سه پارامتر تقاضا، کیفیت و ظرفیت تأمین کننده به عنوان منابع استوار شناخته شدند. زنجیره ی تأمین شرکت چینی تقدیس سه سطحی در نظر گرفته شد و شامل 8 تأمین کننده، 6 ماده اولیه (چهار ماده اولیه تک تأمین کننده-ای، یک ماده اولیه دو تأمین کننده ای و یک ماده اولیه سه تأمین کننده ای)، یک کارخانه و 13 مشتری می گردد. روابط بین متغیرهای مدل، خطی و ماهیت پارامتر های نامطمئن تصادفی بوده و سیاست تولید شرکت مبتنی بر استراتژی ساخت برای سفارش (MTO) می باشد. مدل با استفاده از نرم افزار LINGO16 حل گردید. نتایج نشان می دهد که با افزایش سطح حفاظت از مقدار 1 به 5، مقدار تابع هدف بدتر شده؛ ولی مقدار تولید از هر محصول افزایش می یابد؛ بنابراین هر چه عدم اطمینان بیش تر شود محصول بیش تری برای مواجه با این عدم اطمینان باید تولید گردد.

برای مواجهه با عدم قطعیت داده ها و توصیف مناسب پارامترها و ضرایب نادقیق در مدل های برنامه ریزی خطی رویکردهای مختلفی ارایه شده است. یکی از آن ها استفاده از نظریه سیستم های خاکستری در مدل سازی این گونه مسایل است. به ویژه، اخیراً برنامه ریزی خطی خاکستری محققان زیادی را به خود جلب کرده است. در این مقاله، نوعی از برنامه ریزی خطی با ضرایب خاکستری موردبحث قرار می گیرد. ضمن معرفی دوگان مساله برنامه ریزی خاکستری، با استفاده از مفهوم کاربردی سفیدسازی اعداد خاکستری، برخی روابط بین مساله اولیه و دوگان این مسایل ارایه می شود. همچنین مدل پارامتری و مساله سفید شده برنامه ریزی خطی خاکستری بررسی و مقایسه شدند. روابط میان جواب های برنامه ریزی خطی اولیه و دوگان در محیط خاکستری بررسی شده و برخی نتایج به دست آمده با ارایه مثالی گزارش می شود.

یکی از مشکلات سیستم های بانکی، پیش بینی تقاضای وجه نقد خودپردازها است. پیش بینی صحیح می تواند به دلایل زیر باعث سودآوری سیستم بانکی و رضایت مندی مشتریان این سیستم بانکی گردد. دقت در پیش بینی، هدف اصلی این پژوهش است. اگر خودپردازها با کمبود وجه نقد مواجه شوند محبوبیت بانک ارایه دهنده این سرویس کاهش خواهد یافت و بانک با کاهش استفاده مشتریان از این سیستم مواجه خواهد شد. از طرفی دیگر اگر بانک دچار محبوس شدن وجه نقد در خودپرداز شود، با توجه به تورم در ایران، این وضعیت روی سودآوری بانک تاثیر منفی خواهد گذاشت؛ بنابراین هدف از این پژوهش، پیش بینی دقیق برای رفع هزینه های دوگانه است؛ چون اطلاعات میزان وجه نقد به صورت روزانه است، بنابراین هر خودپرداز، رفتاری به صورت سری زمانی خواهد داشت و از طرفی چون هدف ما از این پژوهش، پیش بینی میزان تقاضای وجه نقد همه خودپردازهاست، در نتیجه ما با داده هایی از نوع پنل مواجه هستیم. روش هایی که در این تحقیق برای پیش بینی مورد استفاده قرار گرفته است، عبارتند از: روش آماری، روش شبکه عصبی MLPو شبکه عصبی بازگشتی عمیق LSTM. نتایج حاصل از این سه روش را سپس مورد مقایسه قرار می دهیم و نشان می دهیم روش شبکه عصبی بازگشتی عمیق LSTM دارای بالاترین دقت است.

اثر شلاق چرمی که در زنجیره اتفاق می افتد، باعث ناکارآمدی هایی همچون موجودی اضافی و سفارشات عقب افتاده در طول زنجیره می گردد. انجام پیش بینی مناسب می تواند تا حدود زیادی این مشکلات را مرتفع سازد. با توجه به اینکه زنجیره تأمین دارای سطوح مختلفی می باشد، لازم است پیش بینی در هر سطحی از زنجیره انجام شود. این پژوهش به بررسی مسأله ی ترکیب بهینه پیش بینی برای کاهش اثر شلاق چرمی در زنجیره ی تأمین چهار سطحی در شرایط تقاضای متغیر می پردازد. برای این منظور یک زنجیره ی تأمین چهار سطحی در نظر گرفته شده است که در هر یک از سطوح آن، یکی از روش های میانگین متحرک، هموارسازی نمایی، رگرسیون خطی و شبکه ی عصبی مصنوعی پرسپترون چند لایه را برای پیش بینی مورد استفاده قرار می دهد. برای نیل به این امر نخست نسبت به شبیه سازی زنجیره ی تأمین مورد نظر اقدام صورت پذیرفت و سپس نتایج با استفاده از روش تحلیل واریانس مورد آزمون قرار گرفت. از بین ترکیبات مختلف، ترکیب روش های پیش بینی با کم ترین اثر شلاق چرمی به دست آمده است که عبارتند از: میانگین متحرک، شبکه عصبی، هموارسازی نمایی و رگرسیون خطی به ترتیب برای سطح های خرده فروش، عمده فروش، تولیدکننده و تامین کننده و ترکیبات دیگر مطلوبیت کمتری دارند.

در مدل های حمل و نقل کلاسیک همواره فرض می شود که پارامترهایی مانند مسافت از هر گره عرضه به هر گره تقاضا یا هزینه انتقال کالا از یک گره به گره دیگر و همچنین مواردی مانند میزان عرضه و تقاضا مقادیری قطعی و معین هستند؛ اما در مسایل واقعی، درنظر گرفتن این فرض ها واقع بینانه نیست. از سوی دیگر، ممکن است در مدل سازی ریاضی یک مساله واقعی با انواع ابهام در داده ها به طور هم زمان مواجه باشیم که؛ حتی از یک جنس نباشند. در این مقاله یک مساله حمل و نقل را در نظر می گیریم که در آن دو نوع ابهام از جنس فازی و خاکستری به طور همزمان ظاهر می شود. در مدل مورد مطالعه، ضرایب تابع هدف خاکستری و مقادیر عرضه و تقاضا فازی در نظر گرفته شده است. در این مقاله ثابت می کنیم که با سفیدسازی اعداد خاکستری و غیرفازی سازی اعداد فازی، می توان جواب مساله مورد مطالعه را با حل یک مساله حمل و نقل قطعی وابسته به دست آورد. برای تشریح فرایند حل یک مثال عددی، ارایه شده است.

یکی از مهم ترین مباحث مطرح شده در زنجیره تامین، برنامه ریزی یکپارچه تولید-توزیع است. تولید و توزیع یکپارچه محصولات در یک زنجیره تامین نقش مهمی را در کاهش هزینه های زنجیره بر عهده دارد. در این مقاله، یک مدل ریاضی برای مساله تولید-توزیع یکپارچه در یک زنجیره تامین سه سطحی شامل کارخانه های تولیدی، مراکز توزیع و مشتریان برای چند نوع محصول و در طی چندین دوره زمانی ارایه شده است. هدف مدل شامل کمینه کردن کل هزینه های زنجیره تامین با توجه به ظرفیت های موجود، در نظر گرفته شده است. برای در نظر گرفتن عدم قطعیت های موجود در مسایل واقعی، در مساله مورد بررسی در این تحقیق نیز برخی پارامترها را، از جمله هزینه های موجود در مدل با استفاده از مدل مارکویتز به صورت غیرقطعی تبدیل خواهیم کرد و در انتها مدل با پارامترهای احتمالی با استفاده از الگوریتم ژنتیک حل خواهد شد. مدل اولیه به صورت خطی است؛ ولی پس از تبدیل شدن پارامترهای قطعی به پارامترهای احتمالی مدل به صورت غیرخطی در می آید. دراین تحقیق برای احتمالی کردن پارامترهای مدل، ابتدا با در نظر گرفتن یک توزیع نرمال با میانگین و واریانس معلوم، هر یک از هزینه های موجود به صورت یک تابع تصادفی در آمدند و در انتها با استفاده از مدل مارکویتز، مدل قطعی با پارامترهای قطعی به مدل با رویکرد احتمالی تبدیل خواهد شد.