حمل و نقل هوایی به دلیل سرعت، قابلیت اطمینان بالا و مقرون به صرفه بودن در امر انتقال کالا و مسافر یکی از محبوب ترین و پرطرفدارترین وسیله حمل و نقل در سراسر جهان محسوب می شود. با این وجود استفاده از حمل و نقل هوایی با روند صعودی، صنعت هوانوردی را با معضلات عدیده ای از جمله متحمل شدن هزینه تاخیرات و تعجیلات، افزایش آلودگی هوا و آلودگی های زیست محیطی و صوتی روبرو کرده است که افراد درگیر در این حوزه را ترغیب می نماید تا جدی-تر به بحث مدیریت بهینه ترافیک هوایی و استفاده موثر از ظرفیت باندها و فرودگاه ها تمرکز کنند. در این مقاله مسئله زمان بندی چند هدفه فرود هواپیما به عنوان بخش پیچیده و اساسی مدیریت ترافیک هوایی با توجه به محدودیت های پنجره زمانی، حداقل زمان جداسازی در حالت چند باند و وابستگی بین باندها در قالب اهداف کمینه سازی مجموع هزینه های زودکرد و دیرکرد و همچنین حداقل سازی مجموع زمان فرودها مورد مطالعه قرار گرفته است. در بخش مطالعات محاسباتی، 5 مسئله با سایزهای کوچک با کمک روش اپسیلون محدودیت حل شده است. همچنین 22 مسئله با سایزهای کوچک و بزرگ با استفاده از دو الگوریتم فراابتکاری چند هدفه NSGA-II و MOPSO حل شده و نتایج آن ها مورد مقایسه قرار گرفته است. نتایج محاسباتی برای 4 شاخص عملکردی حاکی از برتری الگوریتمNSGA-II در شاخص NPS و برتری الگوریتم MOPSO در شاخص MID می باشد. همچنین در دو شاخص SM و RAS نیز عملکرد الگوریتم ها یکسان است.

در این مقاله مرور کاملی در زمینه تحقیقات انجام شده درباره زمان بندی کارگاه گردش کاری چندهدفه ارایه شده است. مقالات مرتبط با این مساله از سال 1986 تا سال 2010 میلادی مورد مطالعه قرار گرفته و سپس گزارش تحلیلی ارایه شده است. مقالات بر اساس انواع توابع هدف، فرضیات ساختاری مربوط به کارگاه ها و نوع روش های حل طبقه بندی شده اند. این مقاله می تواند به عنوان مرجعی مناسب برای پژوهشگران در حوزه زمان بندی، به ویژه مسایل زمانبندی کارگاه گردش کاری به حساب آید.

اخیرا در صنایع تولیدی، مسائل مرتبط با مصرف انرژی اهمیت یافته است. در مسایل کلاسیک زمان بندی، تلاش ها عمدتاً در جهت بهینه سازی معیارهای عملکرد مرتبط با زمان بوده است و کمتر به بررسی معیارهای مربوط به مصرف انرژی پرداخته شده است. در این تحقیق، ما به دنبال جبران این نقص می باشیم که با ارائه یک مدل سه هدفه عدد صحیح مختلط در محیط جریان کارگاهی به بررسی کاهش مصرف انرژی، زمان اتمام و زمان دیرکرد کارها پرداخته ایم. بعد از اعتبارسنجی مدل با حل مثال عددی در مقیاس کوچک به روش مجموع وزنی و روش دقیق اپسیلون-محدودیت در نرم افزار گمز، مدل را در مقیاس بزرگ و متوسط توسط الگوریتم های فراابتکاری NSGA-II و SPEA-II حل می نماییم. نتایج مقایسات میان روش دقیق و روش های فراابتکاری نشان می دهد که این الگوریتم ها کارایی لازم برای حل مدل را دارا هستند. از این میان، الگوریتم NSGA-II عملکرد بهتری را از لحاظ دو معیار کیفیت و نظم نقاط پارتو ارائه داده است.

هدف: این مطالعه درصدد طراحی یک شبکه زنجیره تامین است که در آن تصمیم های مسیریابی و زمان بندی وسایل حمل ونقل در سطح تاکتیکی با تصمیم های مکان یابی مراکز بارانداز عبوری، در سطح استراتژیک، با توجه به محدودیت های موجود در دنیای واقعی و ماهیت خاص اقلام فاسدشدنی، ادغام شده اند. روش: در پژوهش حاضر، یک مدل برنامه ریزی چندهدفه عدد صحیح برای مسیله مکان یابی، زمان بندی مسیریابی با امکان تقسیم چندبخشی تقاضا برای اقلام فاسد شدنی ارایه شده است؛ به گونه ای که تاثیر فسادپذیری اقلام در تابع هدف دوم در کنار هدف کاهش هزینه ها لحاظ شده است. به منظور به دست آوردن مرز پارتوی اهداف متضاد، از روش اپسیلون محدودیت توسعه یافته در نرم افزار سیپلکس نسخه 20. 1 استفاده شد. یافته ها: در هیچ یک از مطالعات پیشین، ویژگی فسادپذیری اقلام در قالب مدل یکپارچه مکان یابی مراکز بارانداز عبوری، زمان بندی و مسیریابی با امکان تقسیم چندبخشی تقاضا در نظر گرفته نشده است. مهم ترین جنبه از نوآوری پژوهش این است که از ویژگی تقسیم چندبخشی تقاضا در بهبود زمان بندی وسایل نقلیه بهره برداری شده و علاوه بر بهبود در تابع هدف هزینه، مقدار تابع هدف دوم (پاسخ گویی شبکه) نیز به طور چشمگیری افزایش یافته است. در همین راستا، نتایج تحلیل حساسیت پارامترهایی همچون مدت دوام محصول (sl)، نقطه کاهش کیفیت (QRP) و ظرفیت وسایل حمل (Q)، موید کارایی مدل پیشنهادی پژوهش است. نتیجه گیری: در نهایت مدل پیشنهادی روی یک مثال در ابعاد کوچک اجرا و نتایج محاسباتی و نقطه نظرهای مدیریتی ارایه شد. مقایسه نتایج مدل پیشنهادی پژوهش با یک مدل بنچ مارک در شرایط تجربی برابر، کارایی مدل پیشنهادی را نشان می دهد. مدل پیشنهادی پژوهش را می توان برای تمام صنایعی به کار برد که از بارانداز عبوری به عنوان استراتژی توزیع خود استفاده می کنند، به ویژه برای توزیع آن دسته از محصول هایی که به زمان وابسته اند.

نقش اتاق های عمل در سلامت جامعه و اقتصاد بیمارستان ها در سال های اخیر، توجه بسیاری از پژوهشگران را به مساله زمان بندی اتاق عمل جلب کرده است، اما برای حل این مساله، از قابلیت های روش بهینه سازی مبتنی بر شبیه سازی، استفاده چندانی نشده است. تعدادی جراح با تخصص های گوناگون و هریک با لیست انتظاری از بیماران وجود دارد که جراحی های آن ها باید در روزهای حضور جراحان در یکی از اتاق های عمل زمان بندی شود. برای این مساله، دو هدف کمینه کردن هزینه های اضافه کاری و خالی ماندن اتاق های عمل، و کمینه کردن روزهای انتظار بیماران برای جراحی درنظر گرفته شد. حل این مساله، به دو روش مدل سازی ریاضی و بهینه سازی مبتنی بر شبیه سازی صورت گرفت. مطابق نتایج، برای مساله زمان بندی اتاق عمل، راهکار بهینه سازی مبتنی بر شبیه سازی، نه تنها در مسائل کوچک، به لحاظ کیفیت جواب قابل رقابت با مدل ریاضی است، بلکه این راهکار قابلیت آن را دارد که در مسائل بزرگ، جوابی مناسب در زمانی معقول پیدا کند.

طراحان سیستم های نهفته با الزامات و اهداف متعددی در طراحی (مانند زمان اجرا، انرژی مصرفی و قابلیت اطمینان) مواجه هستند. ازآنجاکه در بیشتر مواقع، تلاش برای برآوردن یکی از این الزامات در تناقض با دستیابی به دیگر الزامات طراحی است، استفاده از رویکردهای چندهدفه در مراحل مختلف طراحی دستگاه های نهفته ازجمله زمان بندی وظایف امری اجتناب ناپذیر به نظر می رسد. در این مقاله، یک روش زمان بندی وظیفه ایستای چندهدفه برای طراحی دستگاه های نهفته ارایه شده است. در این روش، وظایف به صورت یک گراف مدل شده و با در نظر گرفتن یک زیرساخت سخت افزاری برای سیستم نهفته، روشی برای نگاشت و زمان بندی وظایف بر روی معماری سخت افزاری پیشنهاد می شود. به منظور مدیریت وابستگی بین وظیفه ها در گراف وظایف، از یک روش بخش بندی استفاده شده است که در هر بخش، وظایفی که می توانند به طور هم زمان اجرا شوند مشخص شده و در فرآیند زمان بندی در نظر گرفته می شوند. در این روش زمان بندی، پارامترهای زمان اجرای وظایف، انرژی مصرفی و قابلیت اطمینان به عنوان اهداف بهینه سازی طی یک الگوریتم بهینه سازی ژنتیک بهینه می گردند. نتایج شبیه سازی ها نشان می دهد که روش پیشنهادی با در نظر گرفتن اهداف مختلف طراحی در مقایسه با روش های مشابه پیشین مانند EAG-TA، در زمان اجرای وظایف، انرژی مصرفی و قابلیت اطمینان به ترتیب 21. 4، 19. 2 و 20 درصد بهبود داشته است. استفاده از یک راهبرد بهینه سازی چندهدفه این امکان را فراهم می کند که طی مرحله نگاشت و زمان بندی، گزینه های متعدد طراحی پیش روی طراح قرار گیرد تا بتواند بین پارامترهای مختلف طراحی سیستم (سخت افزاری/نرم افزاری) موازنه مدنظر خود را انجام دهد.

با ظهور برنامه های کاربردی مبتنی بر اینترنت اشیاء، تعداد درخواست های پردازشی به شدت افزایش یافته است. به منظور پاسخگویی به این درخواست ها، اخیراً محیط مه-ابر به عنوان یک سیستم رایانشی ترکیبی ارائه شده است. اگرچه مه-ابر یک محیط بسیار امیدبخش برای پردازش درخواست های اینترنت اشیاء است، اما با چالش های متعددی مواجه است. یکی از چالش های کلیدی، مسئله زمان بندی وظیفه ها است که تأثیر به سزایی روی کارایی و هزینه کلی سیستم دارد. با این انگیزش، در این مقاله ما ابتدا یک مدل بهینه سازی چندهدفه شامل زمان خاتمه آخرین وظیفه، مصرف انرژی و هزینه پردازش برای مسئله زمان بندی وظیفه ها در محیط یکپارچه مه-ابر ارائه می دهیم. سپس یک الگوریتم ابتکاری کارآمد برای حل آن پیشنهاد می کنیم. نتایج شبیه سازی نشان می دهد که الگوریتم پیشنهادی ما به طور چشمگیری هر سه معیار را کاهش می دهد و به خوبی می تواند بین آنها تعادل برقرار نماید. به طور مشخص، از نظر مقدار تابع هدف، الگوریتم پیشنهادی به طور متوسط 98% بهتر از روش تصادفی، 43% بهتر از الگوریتم ژنتیک و 32% بهتر از روش قدرت دو انتخاب عمل می کند.

با توجه به رقابتی شدن بازار، تولیدکنندگان مجبور به افزایش کارایی و اثربخشی فعالیت های خود شده اند. در این راستا توجه به مسئله ی زمان بندی در محیط های تولیدی یک مبحث استراتژیک برای بقا در اینبازار رقابتی است. از مهم ترین مسائل در حوزه ی زمان بندی، مسئله ی زمان بندی کارگاه باز است که تا کنون در تحقیقات صورت گرفته در این خصوص، به منابع انسانی توجهی نشده است. در این پژوهش، یک مدل برنامه ریزی ریاضی عدد صحیح مختلط برای مسئله ی زمان بندی کارگاه باز دوهدفه با منابع دوگانه ی محدود انسان و ماشین ارائه شده است. ابعاد کوچک مسئله با استفاده از روش دقیق محدودیت اپسیلون حل شده است. در ادامه با توجه به پیچیدگی حل و Np-hard بودن این مسئله، از الگوریتم ژنتیک رتبه بندی نامغلوب و الگوریتم میرایی ارتعاش چندهدفه برای حل مسئله بهره گرفته ایم. تحلیل نتایج محاسباتی، بیان گر عملکرد و خروجی بهتر الگوریتم ژنتیک رتبه بندی نامغلوب است.

امروزه سازمان ها و به خصوص مراکز تحقیق و توسعه با مساله انتخاب سبد پروژه در شرایط عدم قطعیت مواجه اند. علاوه بر این در بیشتر تحقیقات گذشته زمان بندی سبد پروژه به صورت مجزا پس از انتخاب آنها صورت می گیرد که به کاهش کارایی مدل می انجامد. ازاین رو در این پژوهش، یک مدل برنامه ریزی عدد صحیح غیرخطی برای مساله چندهدفه انتخاب و زمان بندی همزمان با اهدف ماکزیمم سازی ارزش کنونی خالص مورد انتظار و مینیمم سازی ارزش کنونی واریانس درآمد کل پروژه ها ارائه می شود. همچنین درآمد سالانه پروژه ها دارای خودهمبستگی است و از مدل سری زمانی مناسبی پیروی می کند. از مزایای مدل پیشنهادی، در نظر گرفتن ریسک ناشی از عدم قطعیت موفقیت پروژه ها و درآمد آنها و نیز ریسک ناشی از کمبود بودجه است. با توجه به پیچیدگی زیاد آن به خصوص برای مسائل بزرگ، الگوریتم های ازدحام ذرات، شبیه سازی تبرید و ژنتیک ارائه شده و کارایی آنها در یک مثال فرضی مقایسه می شود. نتایج حاصل، بیانگر برتری نسبی الگوریتم شبیه سازی تبرید از نظر کیفیت جواب و زمان اجراست. سرانجام مدل پیشنهادی با پیاده سازی در یک شرکت دانش بنیان در دانشگاه فردوسی مشهد اعتبارسنجی می شود.