سابقه و هدف: با توجه به افزایش روزافزون محدودیت منابع آبی، نیاز به برنامه ریزی جهت استفاده بهینه و درست از منابع آبی به ویژه در بخش کشاورزی که بیشتر منابع آبی را مصرف می کند، احساس می شود. در راستای تدوین یک برنامه جهت مدیریت روند استفاده از منابع آبی در دسترس در شبکه آبیاری حمیدیه، پژوهشی به منظور تخصیص بهینه منابع آبی به الگوی کشت این شبکه آبیاری صورت گرفت. مواد و روش ها: در این راستا سال آبی 95-94 به 36 دوره ده روزه تقسیم شده و مدلی چند هدفه جهت تخصیص منابع آبی به هر یک از دوره های ده روزه با هدف بیشینه سازی میزان کارایی مصرف آب نسبی و نسبت درآمد به هزینه به کمک الگوریتم ژنتیک با رتبه بندی نامغلوب ایجاد شد. همچنین جهت کمینه سازی خطای برآورد کاهش محصول در شرایط اعمال کم آبیاری، یک مدل بهینه سازی تک هدفه با کمک الگوریتم ژنتیک ایجاد شد. یافته ها: نتایج مطالعه حاضر نشان داد که میزان برآورد شده کاهش محصول با استفاده از ضرایب حساسیت به تنش آبی ارایه شده در مطالعات پیشین در اثر اعمال کم آبیاری به تمامی مراحل رشد گیاه از 5/16 تا 5/195 درصد متغیر است که کاهش محصول بیش از صد درصد نمایانگر وجود خطاست. درحالی که میزان کاهش محصول برآوردی با استفاده از ضرایب اصلاح شده از 8 تا 5/57 درصد متغیر می باشد. از آنجا مدل تخصیص بهینه منابع آبی مدلی چند هدفه و دارای بیش از یک پاسخ بهینه است که هیچ یک بر دیگری برتری نداشته و بر اساس شرایط مدیریتی پاسخ مناسب انتخاب می گردد، سه پاسخ از پاسخ های بهینه موجود در قالب سه سناریو انتخاب شد تا با شرایط فعلی تخصیص آب مورد مقایسه قرار گیرند. نتایج مدل تخصیص بهینه منابع آبی نشان داد که با وجود تغییرات ناچیز در میزان نسبت درآمد به هزینه، میزان کارایی مصرف آب نسبی حداقل 9 درصد افزایش یافته و کاهش حداقل 26 درصدی منابع آب را به دنبال دارد. همچنین سطح کشت به میزان 192، 189 و 182 هکتار به ترتیب در سناریو های اول تا سوم افزایش می یابد. از طرف دیگر، در سناریوی اول و سوم میزان سود اقتصادی به ترتیب به میزان 5/19 و 7/10 میلیارد ریال نسبت به وضعیت فعلی افزایش می یابد، درحالی که در سناریوی دوم سود اقتصادی با کاهش 4/8 میلیارد ریالی همراه است. نتیجه گیری: با بهینه سازی تخصیص منابع آبی ضمن صرفه جویی چشمگیر در آب مصرفی، محصول تولیدی به ازای آب مصرفی و همچنین سود اقتصادی نیز بسته به جواب انتخابی می تواند افزایش یابد. همچنین تخصیص بهینه منابع آبی باعث افزایش سطح کشت می شود که این به معنای احیاء اراضی آیش است.

انبار مکانی است که در هر کارخانه از لحظه دریافت مواد اولیه تا ارسال محصول نهایی از آن بهره برداری می شود. در این مقاله، یک مدل ریاضی دو هدفه برای مساله انتخاب سفارش های اقلام از انبار و ارسال به خط تولید پیشنهاد شده است. اهداف در نظر گرفته شده برای مدل توسعه یافته علاوه بر کمینه کردن کل هزینه های برداشت قطعه از انبار، میانگین دیرکرد تحویل سفارشات به خطوط مونتاژ/تولید را به حداقل می رساند. مدل پیشنهاد شده از دسته مسائل برنامه ریزی خطی عدد صحیح ترکیبی (MILP) می باشد که به دلیل پیچیدگی مساله در ابعاد بزرگ و اثبات NP-Hard بودن آن در ادبیات موضوع، به منظور حل از الگوریتم های فرا ابتکاری چند هدفه با رویکرد پارتو شامل الگوریتم ژنتیک مرتب سازی نامغلوب (NSGA-II) و الگوریتم ژنتیک رتبه بندی نامغلوب (NRGA) استفاده شده است. از آنجاکه خروجی الگوریتم های فرا ابتکاری به شدت وابسته به پارامترهای ورودی الگوریتم هاست، از روش تاگوچی جهت تنظیم پارامترها استفاده شده است. در نهایت به منظور نشان دادن عملکرد مناسب روش های حل ارایه شده در مدل مربوطه، این روش ها بر روی مسائل آزمایشی تولید شده با ابعاد مختلف مورد تجزیه و تحلیل آماری قرار گرفته است.

با توجه به اهمیت بحث اعتبارسنجی مشتریان در تصمیم گیری موسسه های اعتباری برای اعطای تسهیلات، تحقیقات گسترده ای در خصوص روش های رتبه بندی اعتباری انجام شده است. الگوریتم های ژنتیک به عنوان یکی از روش های محاسبه تکاملی، از جمله روش هایی است که در این زمینه استفاده می شود. مقالات بسیاری در مقایسه عملکرد الگوریتم های ژنتیک و سایر روش های رتبه بندی رایج منتشر شده است، اما جزئیات چندانی درباره تابع شایستگی مورد استفاده در الگوریتم ژنتیک ارائه نشده، در حالیکه تابع شایستگی تاثیر شایان توجهی بر عملکرد مدل کلی دارد. برای بررسی بیشتر موضوع، در مقاله حاضر سه تابع شایستگی قابل استفاده در الگوریتم ژنتیک مطرح شده و عملکرد آنها با سایر روش های رتبه بندی اعتباری شامل رگرسیون لجستیک و تحلیل پوششی داده ها مقایسه شده است. نتایج به دست آمده حاکی از برتری عملکرد تابع درجه دو الگوریتم ژنتیک از لحاظ مجموع شاخص های صحت، تشخیص و حساسیت است.

مساله ی تخصیص سفارشات خرید به تامین کنندگان، یکی از مهم ترین فعالیت های مدیران خرید در یک زنجیره ی تامین محسوب می شود. در این نوشتار با ارائه ی مدلی در زنجیره ی تامین علاوه بر کمینه کردن کل هزینه های خریدار، به کیفیت و تحویل به موقع نیز توجه شده و از رویکرد پارتو برای حل مساله ی انتخاب تامین کننده استفاده می شود. علاوه بر این، استراتژی تخفیف تدریجی و همچنین هزینه ی کمبود کالا نیز در نظر گرفته شده است. به منظور حل مدل پیشنهادی انتخاب تامین کننده از دو الگوریتم چندهدفه ی مبتنی بر رویکرد پارتو به نام های الگوریتم ژنتیک مرتب سازی نامغلوب (NSGA-II) و الگوریتم ژنتیک رتبه بندی نامغلوب (NRGA) بهره گرفته ایم. در نهایت به منظور اثبات عملکرد مناسب روش های حل ارائه شده در مدل پیشنهادی، این روش ها روی مسائل آزمایشی تولیدشده با ابعاد مختلف مورد تجزیه و تحلیل قرار گرفته و پاسخ های به دست آمده نیز با استفاده از روش های آماری مورد تحلیل قرار گرفته اند.

مسئله انتخاب و بهینه سازی سبد سهام از مباحث مهم در حوزه سرمایه گذاری محسوب شده که موجب ارائه مدل های مختلفی جهت حل آن ها گردیده است. این قبیل مسائل غیر خطی و NP-Hard بوده و حل آن ها به روش دقیق بسیار مشکل و زمان بر است. با عنایت به اینکه روش های فرا ابتکاری قابلیت بالایی در حل مسئله بهینه سازی سبد سهام داشته، ازاین رو در این پژوهش با ارائه مدل میانگین – واریانس و نوعی از مدل میانگین - ارزش در معرض ریسک که در آن موضوع ارزش در معرض ریسک از منظری دیگر بررسی می گردد، و لحاظ محدودیت های دنیای واقعی، به حل مسئله بهینه سازی سبد سهام در بورس اوراق بهادار تهران با استفاده از الگوریتم های ژنتیک رتبه بندی نامغلوب II،کلونی مورچگان چندهدفه و کلونی زنبور مصنوعی چندهدفه پرداخته و در همین راستا عملکرد الگوریتم ها و مدل های موردمطالعه، مقایسه و بررسی شده است. نتایج این مطالعه نشان می دهد، در تکرار پایین در اجرای الگوریتم های موردبررسی، عملکرد الگوریتم ژنتیک رتبه بندی نامغلوب II بهتر از الگوریتم های کلونی زنبور مصنوعی چندهدفه و کلونی مورچگان چندهدفه است. با افزایش تکرار، عملکرد الگوریتم ها بهبودیافته، لیکن نرخ بهبود عملکرد آن ها یکسان نیست ، به نوعی که عملکرد الگوریتم کلونی زنبور مصنوعی چندهدفه از دو الگوریتم دیگر موردمطالعه بهتر بوده است. برای مقایسه عملکرد مدل های موردمطالعه، هر دو مدل در الگوی استاندارد میانگین- واریانس مورد مقایسه قرار گرفت که نتایج آن حاکی از کارآمدی بالاتر معیار ارزش در معرض ریسک به نسبت معیار واریانس در بهینه سازی سبد سهام است.

برنامه ریزی توسعۀ شبکه یکی از مسائل مهم در سیستم قدرت برای برآوردن رشد تقاضای برق در سال های آینده با توجه به افزایش جمعیت، توسعۀ شهری و افزایش رفاه اجتماعی است. بـه دلیـل عمـر طولانی و گسترۀ جغرافیایی شبکه های انرژی الکتریکی، احـداث و بهره برداری از بخش های مختلف آن نیازمند هزینه های بسیار گزاف است. مشکلات زیست محیطی و گرمایش کره زمین یکی از بزرگ ترین دغدغه های جوامع است. استفاده از فناوری های تولید انرژی تجدید پذیر به عنوان یکی از اساسی ترین راهکارها، با توجـه بـه متغیر بـودن تـوان خروجـی آن ها در شبانه روز و همچنین وابستگی آن ها به شرایط آب وهوایی، یکی از دغدغه های اصلی برنامه ریزان و بهره برداران شبکه های قدرت است. عدم قطعیت ناشی از این تولیدات می تواند در هزینه های تحمیلـی بـه شبکه و بهره برداری از شبکه های برق، تأثیرات زیادی مانند افزایش قطعی برق و انرژی تأمین نشده داشته باشد. برای رفع این مشکل، یک مدل جامع چندهدفه و احتمالاتی به منظور تعیین محل نصب، نوع و ظرفیت بهینه تولیدات پراکنده در سطح صنعت برق مدرن پیشنهاد شده است. هدف گذاری نهایی این مدل، کمینه سازی تلفات انرژی، هزینه های سرمایه گذاری و بهره برداری، انرژی تأمین نشده و آلاینده های زیست محیطی است. روش های پیشنهادی توسط نرم افزار MATLAB بر روی شبکۀ برق Garver و شبکۀ توزیع 33 ناحیه ای IEEE پیاده سازی و توسط الگوریتم چندهدفۀ ژنتیک با مرتب سازی نامغلوب (NSGA-II) حل شده اند. مدل نهایی را می توان به طور مؤثر برای برنامه ریزی زنجیرۀ تأمین شبکۀ برق مدرن با نفوذ تولیدات مبتنی بر انرژی های تجدیدپذیر در ابعاد مختلف اقتصادی، زیست محیطی و اجتماعی به کار گرفت.

برنامه ریزی کاربری اراضی شهری جهت استفاده بهینه از فضای شهری و امکانات موجود، یکی از هسته های اصلی برنامه ریزی شهری می باشد که معمولا به صورت یک مساله چندهدفه تعریف می شود. مابین تعداد بیشمار نقشه چیدمان های ممکن کاربری، برنامه ریزان شهری علاقه مند به انتخاب نقشه ای هستند که نزدیک به چیدمان بهینه کاربری از دیدگاه موردنظر باشد. الگوریتم های بهینه سازی چندهدفه نقطه مرجع این امکان را فراهم می سازند که مقادیر مطلوب برای اهداف مختلف به عنوان یک نقطه مرجع به الگوریتم معرفی گردد و مجموعه راه حل های بهینه نزدیک به نقاط مرجع، بدست آید.در این تحقیق نحوه به کارگیری الگوریتم ژنتیک مرتب سازی نامغلوب نقطه مرجع به منظور برنامه ریزی کاربری اراضی شهری و میزان کارآیی آن در این زمینه، مورد بررسی قرار گرفته و روشی برای کدگذاری کروموزوم ها در این راستا ارائه شده است. بیشینه سازی سازگاری کاربری های مجاور، تناسب فیزیکی زمین، دسترسی به راه ها و مراکز عمده اقتصادی و اجتماعی و کمینه سازی مقاومت در برابر تغییر کاربری به عنوان اهداف اصلی تعریف شدند. سپس مقادیر مطلوب توابع به عنوان نقطه مرجع وارد الگوریتم می شوند. برنامه ریزان قادر خواهند بود با توجه به اولویت های موردنظر، یکی از نقشه های پیشنهادی برای کاربری اراضی را انتخاب نماید. نتایج مدلسازی تخصیص کاربری اراضی برای شهر شیراز در سال 1390، نشان می دهد که در مدل ارائه شده، تصمیم گیرنده قادر خواهد بود تصمیم بهتر و قابل اطمینان تری، نسبت به زمانی که با یک راه حل مواجه است، اتخاذ نماید. این موضوع نشان دهنده توانایی مدل برای شبیه سازی سناریوهای مختلف برنامه ریزی کاربری است.

مدیریت منابع آب از مهمترین عوامل افزایش بهرهوری اقتصادی در بخش کشاورزی محسوب میشود. در شرایط کمبود آب، استفاده کارامد از آب موجود برای تولید پایدار محصولات موردنیاز در نواحی خشک و نیمه خشک امری ضروریست. بدین منظور، روشی شامل مدلسازی ریاضی و ابزار بهینه سازی برای تخصیص آب با هدف حداکثرسازی بهرهوری اقتصادی و کارایی الگوی آبیاری توسعه داده شده است. مدل بهینهسازی با استفاده از الگوریتم ژنتیک چندهدفه با دو تابع هدف مجزا ارائه و مورد ارزیابی قرار گرفت. کارایی مصرف آب، الگوی کشت، کاهش تلفات آبیاری، استفاده موثر از آب باران و اراضی زراعی در توابع هدف مدل بررسی شده است. آب موردنیاز آبیاری در هر دوره رشد و سطح زیر کشت محصول بهعنوان متغیرهای تصمیمگیری در نظر گرفته شد. برای مطالعه مزرعهای مدل، گیاهان عمده دشت باغملک و مناطق اطراف، هزینه تولید و قیمت فروش محصولات در سال زراعی 93-1392 جمعآوری گردید. نتایج نشان داد سطح زیر کشت بهینه اختصاص یافته به محصولات در شرایط کم آبی برای ذرت، هندوانه، گوجه فرنگی و پیاز با کاهش روبرو بوده است. همچنین، گوجه فرنگی، حبوبات و پیاز به تریتب بشترین حجم آب را بدست آوردهاند. در این شرایط نسبت سود خالص و عملکرد نسبی برای گوجه فرنگی، درصد آب تخصیص یافته برای سبزیجات و استفاده موثر از آب برای حبوبات کمترین مقادیر در بین پارامترهای ارزیابی محاسبه گردید.

در این پژوهش، یک مدل دو هدفه مساله برنامه ریزی تولید- توزیع یکپارچه در یک زنجیره تامین چند سطحی ارائه شده است. زنجیره تامین پیشنهادی شامل تامین کنندگان، تولیدکنندگان، مراکز توزیع و مناطق مشتری است. تصمیمات برای چندین ماده اولیه و محصول و در دوره های زمانی مختلف گرفته شده است. اهداف مساله علاوه بر کمینه کردن کل هزینه های زنجیره شامل هزینه های حمل و تامین مواد اولیه، آماده سازی و تولید محصولات، نگهداری موجودی مواد اولیه و محصولات در کارخانه ها و مراکز توزیع، حمل و خرید محصولات برای توزیع کنندگان و مشتریان و هزینه کمبود به صورت پس افت، سطح خدمت به مشتریان را با به حداقل رساندن زمان انتقال محصولات از سطوح بالایی زنجیره به دست مشتریان افزایش می دهد. به منظور حل مدل از دو الگوریتم چند هدفه مبتنی بر رویکرد پارتو به نام های الگوریتم ژنتیک مرتب سازی نامغلوب (NSGA-II) و الگوریتم ژنتیک رتبه بندی نامغلوب (NRGA) استفاده شده است. از آنجایی که خروجی این الگوریتم ها به شدت وابسته به پارامترهای ورودی خود هستند، لذا از یک روش تاگوچی به منظور تنظیم پارامتر الگوریتم ها استفاده شده است. در نهایت به منظور اثبات عملکرد مناسب روش های حل ارائه شده در مدل پیشنهادی، این روش ها بر روی مسائل آزمایشی تولید شده با ابعاد مختلف مورد تجزیه و تحلیل قرار گرفته است.