در این مقاله یک مدل غیر قطعی زنجیره تامین حلقه بسته، توسعه داده شده است. هدف اول این مدل، حداکثر سازی سود کل زنجیره می باشد. تابع هدف دوم، حداقل سازی استفاده از مواد خام است. به عبارت دیگر هدف دوم حداکثر کردن میزان بازیافت می باشد؛ که یکی از دلایل پیدایش سیستم های حلقه بسته نیز همین امر بود. بهینه سازی در مدل مذکور توسط الگوریتم ژنتیک صورت گرفته و توسط روش e-CONSTRAINT به یافتن خط بهینه پارتو پرداخته شده است. در انتها نیز یک مثال عددی با این رویکرد حل شده و نتیجه آن با روش های قبل مقایسه شده است. همچنین عملکرد مدل در ایعاد مختلف مورد بررسی قرار گرفته است. نتایج نشان می دهند که رویکرد مذکور از کارایی خوبی برخوردار می باشد؛ و قادر است اطلاعات خوبی جهت تصمیمات استراتژیک، در اختیار تصمیم گیرنده قرار دهد.

عموما حضور نوفه در تحقیقات و اندازه گیری های ژئوفیزیکی امری اجتناب ناپذیر است و بسته به نوع و میزان آن، نتایج به دست آمده تحت تاثیر قرار می گیرند. از این رو مساله تفکیک نوفه از سیگنال، بخشی مهم در پردازش داده های ژئوفیزیکی است. از طرف دیگر، محققان در ژئوفیزیک به دنبال به دست آوردن مشخصات فیزیکی درون زمین با استفاده از اندازه گیری (داده های) غیر مستقیم هستند که در سطح یا نزدیک به سطح زمین صورت می گیرد. بنابراین برای برآوردکردن مشخصات فیزیکی درون زمین باید یک مساله معکوس حل شود. متاسفانه، اکثر مسایل معکوسی که در ژئوفیزیک ظاهر می شوند بدشرط (ill-condition) هستند و یا به عبارت دیگر جواب غیریکتا و ناپایدار دارند. برای پایدار و یکتا کردن جواب این گونه مسایل از ابزارهای تنظیم (regularization) استفاده می شود. این به آن معنا است که با استفاده از اطلاعات از قبل موجود در مورد جواب مجهول، بتوان مساله را پایدار کرد و نوسان های بسامد زیاد ناشی از نوفه را در جواب مساله از بین برد. یکی از روش های مرسوم برای حل این مسایل، بسط مدل (جواب) مجهول در یک پایه متعامد، جدا کردن ضرایب مدل از ضرایب مربوط به نوفه و در نهایت به دست آوردن مدل است. پایه به دست آمده از تجزیه مقادیر تکین (Singular Value Decomposition, SVD) مثالی مرسوم در این باب است که به فراوانی مورد استفاده قرار می گیرد. از مشکلات اصلی پایه SVD متمرکز نبودن در مکان (زمان) است که باعث ایجاد پدیده گیبس در ناپیوستگی ها می شود. این امر جدا کردن ضرایب مدل از ضرایب نوفه را دچار مشکل می کند. موجک ها برخلاف SVD، پایه متعامدی را تشکیل می دهند که بردارهای آن در حوزه های مکان (زمان) و بسامد تمرکز یافته اند، بنابراین در ناپیوستگی ها پدیده گیبس بسیار کمتری ایجاد می کنند. خصوصیت دیگر آنها موجود بودن الگوریتم سریع برای محاسبه است. این خصوصیات باعث می شود که آنها گزینه های مناسبی برای حل مسایل معکوس باشند. موضوعاتی که در این مقاله بررسی شده اند عبارت اند از: -1 عملکرد تبدیلات تنک کننده (مانند تبدیل موجک ) در حذف نوفه و کاربرد آنها در حل دیگر مسایل معکوس خطی. -2 مقایسه عملکرد سه فیلتر غیرخطی انقباض سخت (hard shrinkage)، انقباض نرم (soft shrinkage) و (Amplitude-Scale-invariavt Bayes Estimator, ABE) به منظور برآورد ضرایب سیگنال در حوزه تنک (sparse) برای سطوح متفاوت نوفه. 3- عرضه روشی کارآمد برای برآوردکردن انحراف معیار نوفه (این مساله در تحقیقاتی که داده برداری در آنها تکرار نمی شود حایز اهمیت است). انحراف معیار به دست آمده برای یافتن پارامتر تنظیم در روش های مبتنی بر موجک معرفی شده به کار برده می شود. در نهایت عملکرد الگوریتم های تدوین شده در مقایسه با روش SVD برای وارون کردن عملگر انتگرال گیری به منظور یافتن نرخ تغییرات یک تابع نشان داده می شود.

اضطرار، احتیاج و ناگزیر بودن از چیزی است. قاعده اضطرار، وظیفه عملی مضطر را تبیین می کند و در فقه از طهارت تا دیات کادبرد دارد، ولی فقها عمده بحث را در کتاب اطعمه و اشربه آورده و از آن سه تفسیر ارائه داده اند: الف) ترس از تلف جان خود ب) ترس، اعم از ترس جان، عضو و ... ج) ترسی که فقط جنبه فردی ندارد، بلکه به خاطر دیگران است.ریشه های اضطرار، اکراه، تقیّه، ضرر و ضرورت است در مقاله حاضر، موضوع بحث اضطراری است که منشأ آن ضرورت است. قرآن صریحاً تکلیف را مضطر برداشته است، به شرط آن که ستمگر، متجاوز و متمایل به گناه نباشد. در روایتهای کبری کلی ای آمده است که " هیچ حرامی نیست مگر آن که خدواند آن را در حال اضطرار حلال کرده است" . عقلاً ترک واجب و انجام حرام، بر اساس باب تزاحم، جایز است. اجرای قاعده اضطرار شرایطی دارد: الف) امتنانی بودن ب) رافعیت به اندازه رفع ضرورت ج) غیراختیاری بودن د) رعایت تدریج و ترتیب در انجام محرمات. بعضی مدلول قاعده را رخصت و بعضی عزیمت می دانند.