همایش ملی تخصصی علوم کشاورزی و محیط زیست ایران
سال:1393 | دوره:1 |تعداد مقالات:60

شبکه قطب و اقمار به دلیل کاهش هزینه عملیاتی، ایجاد زمینه برای توسعه شبکه پروازی، نسبت به شبکه های مختلف، در حمل و نقل هوایی کاربرد گسترده ای دارد. یکی از این زیرمساله های طراحی این نوع شبکه ها، مکان یابی قطب ها است. در این مقاله، مدل برنامه ریزی عدد صحیح مختلطی برای مکان یابی قطب ها تخصیص مسافران به پروازهای مختلف ارایه شده است. در این مدل، طراحی بهینه شبکه، با در نظر گرفتن هر دو حالت ارتباط مستقیم و ارتباط از طریق قطب ارایه می شود. همچنین، مدل مذکور برای الگوی تقاضای ایران با استفاده از نرم افزار LINGO (روش انشعاب و تحدید) حل شده است.

عموما برای تعیین اندازه دسته ها از روش های کلاسیک استفاده می شود. از آنجایی که این روش ها برای اقلام مستقل است، MRP را با مشکل جدی مواجه می سازد، از این رو تعیین روش مناسب برای هر قطعه از اهمیت ویژه ای برخوردار است. در این مقاله مدلی ارایه شده است تا با در نظر گرفتن موارد فوق، موجبات کاهش هزینه موجودی و هزینه کل سیستم را فراهم آورد. مدل ریاضی پیشنهادی یک برنامه ریزی غیر خطی است که با توجه به NP-HARD بودن مدل، یک روش هیوریستیک برای حل آن ارایه شده است. در پایان با تجزیه و تحلیل عددی، نتایج حاصل از حل مدل ارایه شده با سایر مدل ها و روشهای تعیین اندازه دسته تولیدی موجود، مقایسه شده است.

در این مقاله روشی جدید برای کنترل بهینه سیستم های توصیف شده با معادلات دیفرانسیل غیرخطی ارایه می شود. در این روش ابتدا با گسسته سازی سیستم غیر خطی فازی، امکان استفاده از تئوری کنترل بهینه مهیا شده، سپس با حل مسایل معادل برای هر برش، جواب فازی در برش مورد نظر به دست می آید. نهایتا با ارایه مثالهای شبیه سازی، توانمندی روش برای حل مسایل مختلف بررسی می شود.

مساله مکانیابی نقطه انتقال اخیرا معرفی شده است و با تابع هدف مینیماکس و بر روی صفحه فقط برای حالتی که نقاط تقاضا وزن دهی نشده اند و نیز مختصات آنها دقیقا معلوم است بررسی شده است. در این مقاله ما حالتی را بررسی می کنیم که نقاط تقاضا وزن دهی شده اند و نیز بطور یکنواخت در یک فاصله داده شده توزیع شده اند. مساله مورد نظر شامل یافتن محل بهینه نقطه انتقال است به گونه ای که ماکزیمم مسافت موزون مورد انتظار بین مرکز خدمت رسانی و نقاط تقاضا از طریق نقطه انتقال مینیمم شود. بسته به مفروضات توزیع یکنواخت نقاط تقاضا، سه مدل مختلف ارایه شده، شرایط تحدب بررسی شده، ویژگی های آنها بدست آمده و روشهایی برای یافتن جواب بهینه آنها پیشنهاد شده است. در پایان مثالهایی از هر مدل برای فهم بیشتر مطالب آورده شده است.

کنترل تولید و موجودیها یکی از مسایل مهم در برنامه ریزی تولید می باشد. بحث بازرسی در کنترل موجودی به شش حالت مختلف می تواند درنظر گرفته شود. دو حالت کلی وجود دارد: اقلام معیوب، جایگزین نشده و از سیستم موجودی حذف می شوند و یا دوباره کاری شده و به سیستم اضافه می شوند. در هر یک از دوحالت، سه سیاست بدون بازرسی، بازرسی %100 و بازرسی نمونه گیری وجود دارد. در این مقاله ارزش زمانی پول در مدل موجودی و بازرسی گنجانده شده است. پس از وارد نمودن ارزش زمانی پول، الگوریتمی برای تعیین نوع سیاست بازرسی و مقدار سفارش اقتصادی ارایه شده است. تجزیه و تحلیل مثال های عددی نشان می دهد که در نظر گرفتن ارزش زمانی پول در تعیین مقدار سفارش اقتصادی و نوع سیاست بازرسی موجب کاهش هزینه های سیستم می شود و با توجه به نتایج، خطای ناشی از عدم توجه به ارزش زمانی پول در این مساله، نشان دهنده اهمیت در نظر گرفتن ارزش زمانی پول در تعیین مقدار سفارش اقتصادی می باشد.

هدف از طراحی شبکه فراهم آوردن امکان انتشار جریان روی مسیرهای ایده آل است که این مساله خود وابستگی تنگاتنگی با سیاستهای کنترلی شبکه دارد. از سوی دیگر سیاستهای کنترلی نیز بر اساس خطوط تمایل سفر و جریانهای تخصیص یافته به آنها صورت می پذیرد. لذا بهینه سازی همزمان این دو پدیده از اهمیت ویژه ای برخوردار است. در این مقاله ابتدا یک مدل تخصیص ترافیک جدید در محیط فازی ارایه می شود و سپس با ترکیب آن با آلگوریتم جستجوی ممنوع، یک رویه عملی از خانواده آلگوریتمهای بهینه سازی- شبیه سازی، برای بهینه سازی سیتمهای کنترلی ارایه می گردد. همچنین برای پایین آوردن زمان شبیه سازی از یک رگرسیون فازی به عنوان ابر مدل که نماینده ای از سیستم واقعی است، استفاده می شود. این ابرمدل به ما اجازه پیاده سازی داده های نامطمئن را می دهد. سپس از روش جستجوی ممنوع پارامترهای کنترلی شبکه بهبود داده خواهد شد.

این روش با شرایط بهینگی (شرط K.K.T) برای مسایل LP آغاز شده و با استفاده از تجزیه QR و مساله کمترین مربعات روش سیمپلکس را گسترش می دهد بطوریکه برای بدست آوردن جهت بهبود دهنده از باقیمانده مساله کمترین مربعات استفاده می کند. درنتیجه الگوریتم جدیدی بدست می آید که آنرا روش سیمپلکس ساده می نامیم سپس با پیشنهاد تغییراتی ما را به یک مسیر متفاوت و نوید بخش راهنمایی کرده الگوریتم جدیدتری بدست می دهد که آنرا روش سیمپلکس پیراسته می نامیم.

یکی از اساسی ترین مشکلات روشهای نقطه درونی برای حل مسایل برنامه ریزی خطی، پیدا کردن یک نقطه شدنی در فضای جواب مساله LP می باشند. بدلیل محدب بودن فضای جواب میتوان از هر نقطه شدنی، مسیری مستقیم به نقطه بهینه پیداکرد. برای یافتن این مسیر الگوریتم های فراوانی وجود دارد. در این مقاله سعی شده است با توسیع فضای جواب یک مساله برنامه ریزی خطی، مشکل نقطه شدنی اولیه حل شود. سپس به کمک یک روش هندسی راستای این مسیر را از این نقطه شدنی به نقطه بهینه در مساله توسیع یافته، می یابیم. متناظر با این نقطه بهینه، در مساله اصلی میتوان به نقطه بهینه دست یافت.

در اینجا مدلی برای شبکه توزیع زنجیره عرضه پیشنهاد می شود که دارای خصوصیاتی مانند مجموعه خانواده محصولات، کارخانه تولید مرکزی، مراکز توزیع متعدد، مکان های مراکز توزیع، مکان های انبارها و فروشگاه (نواحی مشتریان) است. سیستم نهایی روی دو مرحله کلیدی تاکید و تمرکز می کند: مرحله برنامه ریزی، که اینجا از یک فرایند تصمیم گیری بر مبنای استراتژی برای انتخاب بهترین مراکز و مراکز توزیع استفاده می کنیم. مرحله دوم، مرحله اجرا، که یک فرایند تصمیم گیری عملیاتی است. در این مرحله با توجه به جایابی انبارهای مرکزی و انبارهای توزیع در مرحله اول، مقدار محصولات مختلف که باید از کارخانه به انبارهای مرکزی و از آنجا به مراکز توزیع حمل و در نهایت بین فروشگاه های فروش محصولات به مشتریان توزیع شوند، مجددا مشخص می شود. مدل ایجاد شده در اجرا با به کارگیری روش الگوریتم ژنتیک جواب های موجه و نزدیک بهینه تولید می کند. هدف یافتن و انتخاب بهترین تعداد، مکان ها و ظرفیت های کارخانه ها و انبارها، برای فعال نمودن است به طوری که همه تقاضاهای مشتریان با حداقل هزینه در شبکه توزیع برآورده شود. برخلاف بیشتر تحقیقات صورت گرفته در گذشته، در مدل پیشنهادی، تقاضای مشتریان، قطعی نبوده و تصادفی با توزیع مشخص نرمال و نه لزوما مستقل از یکدیگر هستند. همچنین سطوح مختلفی از ظرفیت ها در مورد کارخانه ها و انبارها مورد توجه قرار داده شده است. در نهایت یک مدل برنامه ریزی عدد صحیح آمیخته ایجاد شده و یک روش حل ابتکاری کارآمد ارایه شده است.

روشهای زیادی برای درونیابی و مدل سازی سطوح به کار می رود. یکی از روشهای پیشنهادی برای مدل سازی سطوح و از آنجمله سطح زمین، روش اسپلاین صفحات نازک می باشد. در این مقاله ابتدا اسپلاین صفحات نازک از نظر ریاضی تعریف می شوند و سپس روش اسپلاین روی نقاط منطقه ای در خرم آباد پیاده سازی می شوند و سپس نتایج حاصل مورد ارزیابی قرار می گیرند. مدل فوق روی شبکه نامنظمی از نقاط آزمایش می گردد. در انتها، نتیجه گرفتیم که روش اسپلاین صفحات نازک دقت قابل قبولی درمدل سازی سطوح دارد.

در ارزیابی عملکرد و سنجش مقایسه ای سازمانها و فعالیتهای متفاوت، روش تحلیل پوششی داده ها (DEA) روشها می باشد. تحلیل پوششی داده ها دارای مدلهای متعددی می باشد که بر حسب مورد استفاده ارایه گردیده اند. مدلهای DEA اطلاعاتی در ارتباط با کاهش ورودی و یا افزایش خروجی برای آنکه یک واحد از حالت ناکارا به کارا تبدیل شود، ارایه می دهد. اما در جهان واقعیت، برخی عوامل، خارج از کنترل مدیریت می باشد. در این مقاله ابتدا مدلهای ارایه شده در DEA برای عوامل غیر قابل کنترل مورد تجزیه و تحلیل قرار می گیرد و سپس مدلی ارایه می شود که ضعفهای شناخته شده مدلهای قبلی را ندارد و سپس با استفاده از مثال عددی، مدل با مدلهای قبلی مقایسه می گردد و در بخش آخر نیز به رتبه بندی واحدهای کارا در این مدل می پردازیم.

هدف اصلی از این مقاله، معرفی الگوریتم فراابتکاری سیستم ایمنی جهت حل مساله زمانبندی جریان کارگاهی منعطف با در نظر گرفتن زمان حمل و نقل کارها بین مراحل مختلف تولیدی به منظور کمینه سازی متوسط زمان تکمیل کارها(MCT)  می باشد. سیستم های جریان کارگاهی منعطف (FFS) جایگاه بسیار مهم و گسترده ای در واحدهای صنعتی دارند و ارایه الگوریتم های کارآمد برای زمانبندی این سیستم ها همواره مورد توجه بالای مدیران واحدهای تولیدی بوده است. همچنین در این مساله در دسترس بودن تجهیزات حمل و نقل در نظرگرفته می شود. لذا با در نظر گرفتن این موضوع در مساله زمانبندی سیستم های جریان کارگاهی منعطف موجب می گردد که زمانبندی این گونه مسایل، به آنچه که در واحدهای تولیدی رخ می دهد، نزدیکتر و ملموس تر باشد. از آنجاییکه این مساله از نوع مسایل NP-Hard می باشد، دو الگوریتم فراابتکاری کارامد سیستم ایمنی(IA)  برای حل آن پیشنهاد و ارایه می شود. در نهایت با ارایه مثال های عددی، کارایی این الگوریتم را مورد بررسی می دهیم.

در این تحقیق تولید و هزینه بارگیری لودر ولوو 4500 ب- ام در دو روش بهره برداری مختلف (روش بهره برداری چوب کوتاه و چوب بلند) در جنگلهای حوزه نکاء محاسبه شد. به منظور ارزیابی میزان بازدهی سیستم بارگیری در دو روش فوق از زمان سنجی به روش زمانهای پیوسته استفاده شد. زمان و تولید ساعتی بارگیری به عواملی از جمله حجم و تعداد گرده بینه ها در هر نوبت، مهارت راننده لودر، شرایط کاری و مشخصات ماشین وابسته است. بعد از شناسایی اجزا کار یک نوبت بارگیری تعداد 46 نوبت بارگیری به تریلی و کامیون زمان سنجی شد. مدل ریاضی پیش بینی زمان بارگیری در هر دو روش به صورت تابعی ازمتغیر حاصلضرب حجم در تعداد گرده بینه بدست آمد. احراز اعتبار مدلها نشان داد در فاصله اطمینان%95  از اعتبار آماری لازم برخوردار هستند. نتایج این تحقیق نشان داد میانگین تولید ساعتی در بارگیری لودر به تریلی و کامیون بدون احتساب زمانهای تاخیر به ترتیب 56.8 و 41.9 متر مکعب برساعت می باشد. هزینه بارگیری به ازای هر متر مکعب در بارگیری لودر به تریلی و کامیون به ترتیب 4337 و 5880 ریال به متر مکعب می باشد.

مقایسه های ابتدایی بین فرآیند طبیعی تکامل با فرآیند بهینه سازی منجر به به وجود آمدن روش هایی به نام الگوریتم های تکاملی (EA) شد. در این الگوریتم ها مهم ترین هدف شبیه سازی فرآیند تکامل به وسیله کامپیوتر است. به طور کلی سه نمونه جامع از الگوریتم های تکاملی شناخته شده اند که عبارتند از: استراتژی های تکامل، برنامه ریزی تکاملی و الگوریتم ژنتیک.

دراین مقاله از بهینه سازی کلونی مورچگان ترکیب شده با روش جستجوی ممنوع برای مساله زمان بندی تولید کارگاهی استفاده شده است. بجای روش های متداول برای ایجاد یک زمان بندی مجاز از روش جدید تجزیه که از فرآیند تغییرسمت دادن گلوگاه "shifting bottleneck procedure" و مکانیزم باز بهینه سازی زمان بندی های جزیی الهام گرفته شده است. در ضمن روش جستجوی ممنوع برای بالا بردن کیفیت جواب بکار برده شده است.در مساله زمان بندی تولید کارگاهی یک مجموعه متناهی از کارها باید توسط یک مجموعه متناهی از ماشین ها پردازش شوند، هر کار از یکسری ترتیب اجرایی روی ماشین ها پیروی می کند؛ بعلاوه زمان پردازش هر شغل روی یک ماشین قطعی است، هر ماشین در یک زمان میتواند حداکثر یک کار را انجام دهد که این تابع قیود فصلی و عطفی می باشد، همچنین یک کار پس از شروع تا زمان اتمامش نمیتواند به وقفه بیفتد. این مساله در حالت کلی یک مساله NP-hard می باشد.

مهمترین فرایند موجود در اکثرخطوط برش و پرس، تولید قطعات پرسی است. شاخص عملکردی عمده این فرایند HPH (ساخت در ساعت) می باشد که متشکل از سه عامل CPM (سرعت تولید)، راندمان خطوط و درصد ضایعات است. با توجه به اینکه سرعت خطوط سهم عمده ای در شاخص  HPHو تامین تقاضا دارد از این رو تهیه مدلی که بتواند با معیارهای مناسب پوزیسیونهای کاندیدای افزایش  CPMرامعرفی نماید، حایز اهمیت می باشد. از آن جاییکه شش سیگما روش سیستماتیک برای بهبود فرایندهاست مدیریت برش وپرس با توجه به اهمیت موضوع، پروژه افزایش سرعت تولید خطوط پرسی را بر مبنای این متدولوژی تعریف و اجرا نمود. مقاله حاضر نحوه بکارگیری متدولوژی شش سیگما را بااستفاده از مدل های پژوهش عملیاتی (OR) در شرکت مشاورین صنایع اتومبیل ایران ارایه داده ونتایج حاصله رابیان می نماید.

در این مقاله دو روش برای منطقه بندی استان های کشور ارایه می شود. هدف از منطقه بندی آن است که هر چند استان مشابه در قالب یک گروه قرار گیرند. بدین منظور، ابتدا مفهوم مشابهت دو استان، بر پایه تعدادی شاخص کمی تعریف می شود. سپس، نخستین الگوریتم ابتکاری برای منطقه بندی معرفی می شود که طی آن ابتدا استان هایی به عنوان هسته مرکزی مناطق انتخاب می شوند و سپس در هر مرحله یک استان به یکی از مناطق اضافه می شود. در دومین الگوریتم، ابتدا استان ها بر مبنای یک مدل برنامه ریزی خطی مرتب می شوند و سپس استان های مشابه در قالب مناطق قرار می گیرند. در انتها، شاخصی برای ارزیابی طرح های منطقه بندی معرفی می شود و طرح های حاصل از الگوریتم ها با هم مقایسه می شوند و در صورت امکان با جابجایی های دوتایی بهبود داده می شوند. از این الگوریتم ها به عنوان مطالعه موردی، در تعیین مناطق فروش شرکت بازرگانی توسعه نیشکر استفاده شده است.

در شبکه های جریان تک کالایی، ظرفیت سیستم برابر ماکزیمم مقدار جریان ارسالی از منبع به مقصد تعریف می شود، بدیهی است که ظرفیت سیستم برای یک شبکه جریان قطعی، مقدار ثابتی است ولی برای یک شبکه جریان تصادفی (شبکه ای که در آن ظرفیت هر کمان، مقداری تصادفی است) متغیراست. از این رو لازم است اعتمادپذیری سیستم محاسبه گردد. این محاسبه از دو راه انجام می شود؛ احتمال اینکه ظرفیت سیستم از D بزرگتر شود و یا از D کمتر شود که D یک بردار سطح ظرفیت معین می باشد (لازم به ذکر است که در حالت تک کالایی، این دو راه مکمل یکدیگر می باشند و در حالت P کالایی(P≥2) ، دو راه متفاوت می باشند). دو راه مذکور به ترتیب برحسب مسیرهای مینیمال و برشهای مینیمال محاسبه می شوند. در این مقاله پس از معرفی تخصیص جریان، با استفاده از خواص برش های مینیمال الگوریتم کارایی برای محاسبه اعتمادپذیری سیستم در حالت کلی، با P نوع کالا، پیشنهاد می گردد، به طور تجربی این الگوریتم نسبت به روش ها و الگوریتم های مشابه که از برشهای مینیمال استفاده نمی کنند، به مراتب بهتر است.

امروزه خطوط مونتاژ یکی از مهمترین اجزا بسیاری از سیستمهای ساخت و تولید هستند. یکی از راههای افزایش بهره وری این خطوط که باعث استفاده بهینه از امکانات سیستمهای تولیدی در جهت اهداف بنگاههای تولید می شود، بالانس خط مونتاژ است. در این مقاله مساله بالانس خط مونتاژ با تابع هدف همبار سازی ایستگاههای کاری مورد بررسی قرار می گیرد. همبارسازی ایستگاههای کاری باعث افزایش خروجی سیستم و تقسیم عادلانه کارها میان کارگران می گردد. با توجه به اینکه این مساله یک مساله NP-hard است جهت حل آن از الگوریتم بهینه سازی کلونی مورچگان استفاده شده است. مقایسه نتایج الگوریتم پیشنهادی با تحقیقات گذشته نشاندهنده قابلیت رقابتپذیری این الگوریتم با توجه به معیار کیفیت جواب است.

در بسیاری از کاربردهای عملی مسایل ترابری، توابع هدف، غیرخطی و متمایز هستند. مساله حمل و نقل غیر خطی (مکان یابی) چند هدفه، یک نمونه شناخته شده از مصادیق فوق است.دیدگاه های برنامه ریزی آرمانی و نیز برنامه ریزی فازی (با به کارگیری انواع توابع عضویت خطی و غیر خطی)، دو رویکرد شناخته شده برای حل مساله مورد بحث می باشند. در این مقاله با تلفیق این دو دیدگاه، و با استفاده از تابع عضویت هذلولوی، برنامه ریزی فازی- آرمانی را برای حل مساله یاد شده پیشنهاد خواهیم کرد. در ادامه با ارایه یک قضیه، رابطه موجود میان مدل های برنامه ریزی فازی و برنامه ریزی فازی- آرمانی را بررسی می کنیم.

خلاصه:در این مقاله ما الگوریتمی را معرفی خواهیم کرد که مساله  Shortest Common Super Stringرا که یکی از مسایل مهم شاخه بهینه سازی ترکیبیاتی است و مساله ای NP-complete می باشد، را در زمان  O(n)حل کند.

در این مقاله روشی جدید برای کنترل بهینه سیستم های توصیف شده با معادلات دیفرانسیل خطی که دارای ضرایب کریسپ هستند، ارایه می شود. در این روش ابتدا با تبدیل مساله داده شده به مسایل معادل غیر فازی، امکان استفاده از تئوری کنترل بهینه (برنامه ریزی پویا) مهیا شده، سپس با حل مسایل معادل برای هر برش، جواب فازی در برش مورد نظر به دست می آید. نهایتا با ارایه مثالهای شبیه سازی، توانمندی روش برای حل مسایل مختلف بررسی می شود.

معیارهای مورد بررسی در این مقاله شامل هزینه ماشین آلات یا کارگاه، هزینه زودکرد و دیر کرد سفارشات می باشد. با توجه به چند معیاره بودن تابع هدف، زمان حل مساله، بیش از دیگر مدلهای مشابه در تک ماشین به طول می انجامد. لذا برای این مساله الگوریتم فرا ابتکاری شبیه سازی تبرید ارایه شده و زمان حل و کیفیت جواب آن با جوابهای بدست آمده از نرم افزار Lingo8 مقایسه گردیده است.

 درسه دهه اخیر استفاده از فرم های آزاد شدهrelaxations)) برای حل مساله پوشش مجموعه (SCP) مورد توجه محققین قرار گرفته است. با توجه به NP-Complete بودن مساله SCP، فرمهای آزاد شده آن از اهمیت خاصی برخوردارند. فرمهای آزاد شده مبتنی بر شبکه به واسطه داشتن سرعت زیاد جذابیت زیادی دارند. در این مقاله یک فرم آزاد شده جدید برای SCP ارایه می دهیم که کرانهای پایین به مراتب بهتری نسبت به فرمهای آزاد شده دیگر مبتنی بر شبکه بدست می دهد. همچنین استراتژیهایی قوی برای تخصیص هزینه در فرم آزاد شده مبتنی بر مساله کارگماری  (ASP2)از مساله SCP، ارایه شده و نتایج محاسباتی امیدوار کننده ایی حاصل شده است.

در این مقاله در دو مرحله جوابهایی تقریبی قابل استفاده برای مسایل برنامه ریزی تولید می کنیم، که در واقع از برنامه ریزی پارامتری فازی و برنامه ریزی خطی فازی انتگرال گیری می کنیم، تا برای مساله برنامه ریزی چند هدفه با ضرایب فازی جوابهایی واقعی بدست آوریم. همچنین یک بهینه سازی متقابل برای رسیدن به جواب بهینه برای همه مسایل برنامه ریزی چند هدفه با درجه ها و دقتهای متفاوت ارایه می کنیم. در این دو مرحله در مرحله اول یک خانواده از بردارهای بهینه را با کمک روش تولید می کنیم، و در مرحله دوم با مدل مساله را حل می کنیم.

و سعود مدلهای تصمیم گیری چند هدفه (MODM) را به سه گروه روشهای بدون وزن دهی، روشهای وزن دهی قبل از حل و روشهای وزن دهی بعد از حل تقسیم می کنند. در گروه های دوم و سوم تعیین نقاط موثر لازم است.در صورتی که در یک مدل MODM، تمامی محدودیت ها و توابع هدف خطی باشند، مدل حاصله را مدل برنامه ریزی خطی چند هدفه (MOLP) گویند. معادله حدی هر محدودیت با جایگزین نمودن علایم ≥ یا ≤ با علامت = بدست می آید. مقادیر تخصیص داده شده به متغیر های تصمیم ناشی از تقاطع معادلات حدی، مختصات نقاط گوشه ای را بدست می دهد. در صورتی که مختصات نقاط گوشه ای در محدودیتها صدق کند، نقطه گوشه ای قابل قبول است. یک جواب قابل قبول را موثر گویند اگر جواب قابل قبول دیگری پیدا نشود که حداقل یک تابع هدف را بهبود بخشد در حالیکه هیچ تقلیلی در دیگر توابع هدف ایجاد نکند.

شبکه قطب و اقمار به دلیل کاهش هزینه عملیاتی، ایجاد زمینه برای توسعه شبکه پروازی، نسبت به شبکه های مختلف، در حمل و نقل هوایی کاربرد گسترده ای دارد. یکی از این زیرمساله های طراحی این نوع شبکه ها، مکان یابی قطب ها است. در این مقاله، مدل برنامه ریزی عدد صحیح مختلطی برای مکان یابی قطب ها تخصیص مسافران به پروازهای مختلف ارایه شده است. در این مدل، طراحی بهینه شبکه، با در نظر گرفتن هر دو حالت ارتباط مستقیم و ارتباط از طریق قطب ارایه می شود. همچنین، مدل مذکور برای الگوی تقاضای ایران با استفاده از نرم افزار  LINGO(روش انشعاب و تحدید) حل شده است.

در بیشتر مواقع به علت بزرگ بودن ابعاد مساله دنیای واقعی دیگر قادر به استفاده از روشهای مرسوم حل مسایل بهینه سازی نیستیم. در این مقاله برای حل مسایل برنامه ریزی درجه دوم (QP) و مکمل خطی (LCP) با استفاده از شبکه های عصبی (مدل اکسیا) مراحلی پیشنهاد شده و ثابت می شود که در صورت وجود جواب QP و یاLCP، شبکه عصبی پیشنهادی در زمان واقعی به مفهوم همگرایی موضعی و لیاپانوفی همگرا و پایدار است.

در هر پروژه تعدادی فعالیت وابسته به هم وجود دارند. اجرای هر یک از این فعالیتها نیازمند منابع متفاوتی است که بعضا محدود می باشند. در این مقاله اجرای بعضی فعالیتها پیوسته و بعضی ناپیوسته یا قابل تجذیه در نظر گرفته شده اند. به این معنا که وقتی برنامه تخصیص منابع به یک فعالیت پیوسته میسر شد، دیگر تا پایان اجرای آن فعالیت، انجام آن را متوقف نکرده و فعالیت را به صورت پیوسته تا پایان برنامه ریزی می کنیم، ولی برای فعالیت ناپیوسته می توان در حین اجرا، انجام آن را متوقف کرده، ادامه آن را به تعویق انداخت. هدف در این مساله تعیین زمان شروع و حالت اجرای هر فعالیت است به گونه ای که زمان اجرای پروژه را کمینه نماید. مساله زمان بندی پروژه با منابع محدود یک مساله NP-hard است. ما برای حل این مساله از الگوریتم ژنتیک با "نمایش غیرمستقیم کروموزم" استفاده کرده ایم.

در این مقاله الگوریتمی را معرفی خواهیم کرد که مساله کوتاهترین مسیر مقید را که یکی از مسایل بسیار مهم و شناخته شده در زمینه الگوریتم های گراف است، را در زمان  O(n)حل می کند. قید این الگوریتم بر روی تعداد رئوس است. این مساله یک مساله  NP-Completeمی باشد.این الگوریتم را می توان برای حل مسایل TSP و مسیر هامیلتونی و دور هامیلتونی در حالت کلی و مقید به کاربرد.با تغییری اندک در این الگوریتم آن را می توان بر روی مسایل فوق با قید بر روی یالها به کار برد که در این حالت الگوریتم در زمان O(n2) انجام پذیر است.

با افزایش رقابت در بازارهای جهانی، تغییرات سریع محیطی، افزایش هزینه های لجستیک، سازمان ها به سمت دیدگاه های جدید در رابطه با نحوه مدیریت و اداره امور، قدم بر داشته اند. هدف این سازمان ها پاسخگویی به موقع به نیاز مشتریان با توجه به سلایق مشتریان و کاهش هزینه های تولیدی و لجستیکی می باشد. از این رو تعدادی از سازمان ها برای رسیدن به این هدف، به تغییر در سیستم های تولیدی خود پرداخته و تاکید بر تولید در سیستم کششی به جای تولید در سیستم فشاری دارند. علاوه بر این عدم تحویل به موقع کالا باعث از دست دادن اعتبار فروشنده، از دست دادن سفارشات آتی مشتریان و کاهش سهم بازار می گردد. به همین منظور در این مقاله به طراحی یک مدل ریاضی سه سطحی در سیستم تولید کششی، با یک تابع دو هدفه با استفاده از رویکرد لکسیکوگراف پرداخته شده است. در این مدل ابتدا به دنبال کمینه کردن زمان تاخیر ها در تابع هدف اول هستیم و در تابع هدف دوم کل هزینه های حمل و نقل، تولید و نگهداری در زنجیره تقاضا کمینه می گردد.

پیش بینی حوادث آینده، همواره از موضوعات مورد علاقه بشر بوده است، زیرا به او امکان تصمیم گیری موثرتر در قبال رویدادهای آتی را می دهد و کمک می کند تا کنترل بیشتری بر اوضاع داشته باشد. پیش بینی در دنیای مالی و اقتصادی نیز از این قاعده مستثنی نبوده و حایز اهمیت فراوان می باشد. مساله پیش بینی قیمت داراییهای سرمایه ای به خصوص اوراق بهادار، پیش بینی نرخ بهره، پیش بینی درماندگی مالی شرکتها و غیره از جمله موارد با اهمیت در این حوزه می باشند. اما در علوم مالی نظریه های فراوانی برای پیش بینی قیمت (بازده) دارایی های سرمایه ای مطرح شده است که برخی از آنها حتی پیش بینی پذیر بودن سری های قیمت (بازده) را مورد تردید قرار داده اند و اصولا ماهیتی تصادفی برای سری قیمت (بازده) متصور شده اند. بنابراین مطالعه پیش بینی پذیر بودن سری قیمت (بازده) در درجه اول، از اهمیت به سزایی برخوردار می باشد. از این رو در مقاله حاضر بر آن شدیم تا پیش بینی پذیر بودن سری قیمت (بازده) دارایی های سرمایه ای را با استفاده از به کار گیری دو ابزار شبکه های عصبی مصنوعی و شبیه سازی مونت کارلو و مقایسه نتایج حاصل از پیش بینی های این دو روش، مورد بررسی قرار دهیم. همچنین سری زمانی قیمت (بازده) پنج شرکت پذیرفته شده در بورس اوراق بهادار تهران که مشتمل بر شرکت های سایپا، پتروشیمی خارک، کالسیمین، پاکسان و سرمایه گذاری ملت می باشد به عنوان مطالعه موردی برای انجام مقایسات انتخاب گردیده اند.

در این مقاله با ارایه کاملی از دسته بندی مسایل زمان بندی ماشین، مساله کارخانه همگام خودرو که تولید کننده قطعات خودروهای سواری است مورد بررسی قرار می گیرد. با توجه به نوع مساله مدل زمان بندی بر پایه مدل flexible job shop (FJS) ارایه می گردد. مدت زمان طولانی اجرای مدل برای داده های کارخانه علت اصلی رویکرد به یک روش اکتشافی جهت حل مساله می باشد. در روش اکتشافی مساله به دو قسمت تقسیم می شود؛ در مرحله اول یک تخصیص مناسب جهت بهینه شدن بار کاری تمام ماشین ها بدست می آید. در مرحله دوم با یک زمان بندی مناسب با توجه به تخصیص بدست آمده در مرحله اول کل مساله بهینه می شود. به علت اینکه در مدل FJS زمان بندی و تخصیص کار به صورت همزمان انجام می گیرد از تقریب های احتمالی که در تفکیک مساله رخ می دهد کاسته شده و جواب بهتری نسبت به حل روش اکتشافی حاصل می شود. لازم به ذکر است که مدت زمان اجرای روش اکتشافی یک پنجم زمان اجرای مدل FJS می باشد. نتایج حاصل از حل روش اکتشافی، بهبود حدود  %5را در ساعات کاری و هزینه پرداخت و عملیات در مقایسه با اجرای کارخانه نشان می دهد.

در این مقاله مساله انتخاب سبد سهام بر اساس مدل استاندارد میانگین- واریانس مارکوویتز به همراه دو محدودیت مازاد جهت کاربردی تر نمودن مدل، درنظر گرفته شده است. مدل استاندارد بدون لحاظ محدودیت های مازاد، یک مدل غیرخطی درجه دوم و با لحاظ آنها یک مدل غیرخطی عدد صحیح میباشد. از آنجا که اغلب، یافتن جواب بهینه برای این نوع مسایل میسر نیست، استفاده از الگوریتم های ابتکاری ضروری به نظر می رسد. در گذشته الگوریتم های ابتکاری ای عموما بر اساس الگوریتم های ژنتیک، Tabu Search، Simulated Annealing و شبکه های عصبی مصنوعی برای حل اینگونه مسایل توسعه داده شده اند. در این مقاله از الگوریتم ایمنی مصنوعی برای حل این نوع مسایل و تعیین مجموعه جواب های موثر (منحنی ترکیبات کارا) استفاده شده است. نتایج تجربی بدست آمده از حل پنج مساله انتخاب سبد سهام توسط الگوریتم پیشنهادی و مقایسه آن با نتایج الگوریتم های پیشین حاکی از برتری نسبی الگوریتم پیشنهادی است.

مدل ریسک و بازده مارکویتز، که بعنوان یک پارادایم جدید در سرمایه گذاری در سال 1952 عرضه شد، معروف ترین و پرکاربردترین مدل برای انتخاب و بهینه سازی سبد داراییهای مالی در 55 سال اخیر بوده است. در ساده ترین حالت، این مدل، یک مدل برنامه ریزی غیرخطی است که در آن تابع هدف، ترکیبی از ریسک و بازده سبد و تنها محدودیت آن، برابری جمع نسبتهای سرمایه گذاری شده با کل سرمایه موجود می باشد. با لحاظ کردن محدودیتهای موجود در بازار واقعی، این مدل پیچیده تر شده و تبدیل به یک مدل برنامه ریزی غیرخطی عدد صحیح می شود که با استفاده از روش های معمول در این حوره قابل حل نیست. از این رو، در تحقیقات چند دهه گذشته، علاوه بر توسعه و کاربردی کردن مدل مارکویتز، ارایه روش های کارا برای حل آن از اهمیت ویژه ای برخوردار بوده است. تحقیقِ حاضر نیز در همین راستا انجام شده است.

هسته زیر فضایی از فضای راه حل را مشخص می کند که در آن راه حل بهینه قرار دارد. در این مقاله روشی برای شناسایی هسته تقریبی مساله کوله پشتی با چند انتخاب در دو بعد عرضه شده است. این هسته بر مبنای رابطه بین راه حل بهینه مساله با راه حل بهینه خطی و راحت شده آن توسعه یافته است. بر اساس این هسته الگوریتم شاخه و قیدی برای حل دقیق مساله توسعه یافته است که فضای هسته را شمارش کرده و در صورت نیاز آن را بزرگ می کند. الگوریتم حاصل در مقایسه با بهترین الگوریتم حل این مساله دارای مصرف حافظه با مرتبه کمتر و نتایج تست عملی نشان دهنده بهبود نسبی کارایی و پایداری الگوریتم می باشند.

خلاصه:در این مقاله الگوریتمی را معرفی خواهیم کرد که مساله  Bin Packingرا که یکی از مسایل مهم شاخه بهینه سازی ترکیبیاتی است و مساله ای NP-complete می باشد، را در زمان O(n2) حل کند.

مساله تخصیص (به کارگماری) که در نظریه گراف به مساله ازدواج معروف است، یکی از حالات خاص و در عین حال بسیار پرکاربرد از مسایل برنامه ریزی خطی می باشد. با توجه به شرایط خاص مساله تخصیص تاکنون تحقیقات زیادی بر روی آن و به ویژه شیوه حل آن انجام گرفته است. در این مقاله به ارایه یک اثبات ابتکاری در صحت این روش می پردازیم. ایده این اثبات کاملا ابتکاری بوده و از هیچ یک از مقدمات نظری حل مسایل برنامه ریزی خطی استفاده نمی نماید. این ایده می تواند در حل مسایل مشابه بهینه سازی شبکه مورد استفاده قرار گیرد.

موضوع زمانبندی عملیات با زمانهای راه اندازی وابسته در یک مدل n کار و یک ماشین(n/1)  همواره مورد نظر محققان قرار گرفته است. علیرغم روشهای توسعه داده شده بدلیل پیچیدگی مسایل و زمان بر بودن حل آنها این موضوع هنوز مورد توجه محققان خصوصا مدیران اجراِِیی می باشد. در این مقاله سعی شده است بر اساس کاربرد قضایای تحقیق در عملیات و خواص فضای حل مدلهای خطی یک الگوریتم جدید که بتواند به راحتی ترتیب عملیات n/1 را در حالتیکه دارای زمانهای راه اندازی وابسته بوده را ارایه نماید، توسعه داده شود. دسترسی سریع به جواب و حل مساله یکی از خصوصیات بارز این روش می باشد در حالیکه تمامی روشهای قبلی دارای زمانهای حل بسیار طولانی هستند.

تحلیل پوششی داده ها (DEA) یکی از روش هایی می باشد که به صورت گسترده برای ارزیابی کارایی نسبی مجموعه ای از واحدهای تصمیم گیری(DMUs)  با چندین ورودی و خروجی استفاده می گردد. در مدل های استاندارد DEA تمام داده ها دقیق و بدون تغییر فرض شده است، هرچند که این فرض همواره ممکن نمی باشد. در مواردی درک خبرگان از پارامترها بصورت داده های فازی بهتر و مناسبتر می باشد. برنامه ریزی ریاضی فازی ابزاری را فراهم می آورد تا عدم قطعیت ذاتی در پارامترهای مساله را بررسی نماید. در ادبیات موضوع می توان چندین رویکرد فازی برای ارزیابی کارایی در DEA پیدا نمود. تفاوت مدل CCR با مدل BCC در متغیر آزادu0  می باشد. علامت این متغیر نشانگر نوع بازده نسبت به مقیاس (RTS) تولید واحد تحت ارزیابی است. در تمام مقالات DEA فازی درمدل BCC متغیر u0 بصورت قطعی در نظر گرفته شده است و به همین دلیل به تحلیل های مربوط به بازده نسبت به مقیاس در محیط فازی توجه ای نشده است. در این مقاله علاوه بر ورودی ها و خروجی ها، متغیر u0 نیز در مدل BCC بصورت یک متغیر فازی مثلثی در نظر گرفته می شود. آنگاه مدل BCC فازی توسعه می یابد. نهایتا به تعیین بازده نسبت به مقیاس واحدهای کارا پرداخته می شود.

تبلیغات مشارکتی، یک رابطه متقابل بین تولیدکننده و خرده فروش است که خرده فروش تبلیغات محلی را انجام می دهد و تولیدکننده قسمتی از هزینه تبلیغات آنرا می پردازد. در ادبیات بازاریابی و اقتصاد، عموما مدل های تبلیغات مشارکتی در زنجیره تامین تولید کننده و خرده فروش روی رابطه ای که تولید کننده رهبر و خرده فروش پیرو است، تمرکز داشته است. به این معنی که تولید کننده قدرت بسیار زیادی دارد و اغلب کنترل کامل روی رفتار خرده فروش دارد. اما در ساختار دو دهه اخیربازار، جابجایی قدرتی از تولیدکننده به خرده فروش مشاهده شده است، بطوریکه برخی خرده فروشان قدرتی معادل یا حتی بیشتر از تولید کننده ها پیدا کرده اند.

روشهای معمول DEA به تصمیم گیرنده (DM) کمک می کند که بین واحدهای تصمیم گیری کارا و ناکارا در گروههای متشابه تمایز قایل شود. DEA اطلاعات بیشتری در مورد واحدهای تصمیم گیری کارا فراهم نمی کند. برای حل این مشکل روشهای جدیدی بر پایه مجموعه وزنهای مشترک ارایه شدند، که با بدست آوردن وزنهای مشترک، و بر اساس امتیاز کارایی بدست آمده بر مبنای این وزنها، واحدهای تصمیم گیری را مقایسه کرده و یک رتبه بندی بر مبنای کارایی گروهی ارایه می کند. در این مقاله روشی بر مبنای تکنیک آنتروپی برای یافتن وزنهای مشترک ارایه می شود. این روش که برای اولین بار ارایه می شود دارای قدرت تمایز زیادی است و واحدهای تصمیم گیری را بطور کامل رتبه بندی می کند.

زمان بندی کار پرسنل بیمارستان عبارت است از تعیین برنامه کاری دوره ای برای هر یک از پرسنل بیمارستان، به طوریکه،(1  کلیه کارهای بیمارستان توسط پرسنل انجام شود. (2 خواسته های پرسنل برای انتخاب ساعت کاری، لحاظ شود. (3 هزینه بیمارستان حداقل شود. در این مقاله زمان بندی پرسنل بیمارستان نمازی شیراز که یکی از بزرگترین بیمارستانهای جنوب کشور است مورد بررسی قرار گرفته شده است. در این بیمارستان شش نوع شیفت کاری صبح، عصر، شب، صبح- عصر، صبح- شب و تعطیل وجود دارد. در بخش جراحی این بیمارستان که شامل 25 پرسنل پرستاری، بهیاری و کمک بهیاری است احتیاج به برنامه های هفتگی برای هر یک از پرسنل می باشد این برنامه ها علاوه بر سه ویژگی بالا، باید به گونه ای باشند که (4 اضافه کاری پرسنل حداقل شود.  (5تعداد پرسنل قرضی از واحدهای دیگر تا حد امکان کم شود. (6 برنامه های هفتگی دارای حداقل شیفتهای صبح- عصر و صبح- شب باشند و بین تعداد شیفتهای صبح و عصر تعادل باشد. (7 حداقل تعداد شیفت شب هر پرسنل که به سابقه کاری آن پرسنل بستگی دارد، در برنامه های هفتگی رعایت شود. مساله زمان بندی بیمارستان نمازی شیراز یک مساله اعداد صحیح است که حل آن بوسیله مدل اعداد صحیح و توسط نرم افزار های موجود در ایران زمان بر است. از طرفی بزرگ شدن تعداد پرسنل بصورت نمایی در زمان حل تاثیر گذار می باشد.

یکی از اتلافی که هنگام حمل و نقل قطعات پیش می آید فضایی خالی است که به علت کم حجم بودن بار و اینکه تامین کننده قادر به پر کردن کامیون نیست، حاصل می شود. در واقع اغلب اوقات قطعات بارگیری شده نمی توانند تمام فضای قابل بارگیری را پر نمایند. در این حالت هرچند بار موجود به عنوان یک بار کامل تلقی می شوند و هزینه حمل آن از سوی تامین کننده پرداخت می شود اما هیچ ارزش افزوده ای برای آن ایجاد نمی کند. و در واقع تامین کننده هزینه اضافی است که می پردازد و مشتری ارزشی برای آن قایل نیست. البته در این حالت تامین کننده می تواند منتظر بماند و قطعات را نزد خود نگه دارد تا یک بار کامل گردد اما این عمل موجب کاهش امتیاز عملکرد تحویل به موقع او نزد مشتری خواهد شد از طرف دیگر مشتری نیز مایل است تواتر تحویل قطعات افزایش یابد و تا حد امکان از انبارش قطعات پرهیز نماید.در چنین حالتی که هم منافع مشتری در میان است و هم کاهش هزینه تامین کننده، می توان از سیستم  Milk Runاستفاده کرد. سیستمی که در آن یک کامیون قطعات تامین کننده های مختلف را جمع آوری می کند و در چندین سایت باراندازی می کند.

در این مقاله مساله بردار بهینه را که تمام توابع موجود در آن در فضای باناخ قرار دارند را در نظر می گیریم. کلاسهای جدیدی از توابع تعمیم یافته نوع- I برای توابع بین فضاهای باناخ را معرفی می کنیم و بر اساس این توابع تعمیم یافته نوع- I یک سری شرایط کافی بهینگی را بدست آورده و برخی از نتایج را برای دوگان اثبات میکنیم.

در این تحقیق به کاربرد الگوریتم ژنتیک (GA) برای حل مساله حجم- محدود مسیریابی وسایل نقلیه (CVRP) پرداخت شده است. در این مساله هدف یافتن مسیرهای بهینه برای تعدادی مشخص وسیله نقلیه است که هر کدام حجم معینی دارند و باید سفارش مشتری ها را از یک انبار مرکزی به آنها برسانند. بهترین نتایج شناخته شده برای این مسایل از به کارگیری الگوریتم های ابتکاری جستجوی ممنوع و بازپخت شبیه سازی شده به دست آمده است. الگوریتم های ژنتیک به صورت گسترده در مسایل مختلف بهینه سازی از جمله در شکل هایی از مساله مسیریابی وسایل نقلیه به کار گرفته شده اند. الگوریتم ژنتیک استاندارد نتوانسته جواب هایی قابل رقابت با بهترین نتایج شناخته شده تولید کند. در این مقاله الگوریتم ژنتیک استاندارد با الگوریتم های جستجوی همسایگی ترکیب شده است تا بتواند جواب هایی قابل رقابت با جستجوی ممنوع و بازپخت شبیه سازی شده تولید کند. نتایج ارایه شده از حل مسایل استاندارد (گرفته شده از (OR_Library با ساخت نرم افزاری به زبان دلفی محاسبه شده است که دارای درصد خطای بسیار پایین نسبت به بهترین جواب ها، می باشد.

در این مقاله برخی روابط بین تشابه متغییرهای مسایل نامعادله و مساله بردارهای بهینه سازی در فضای باناخ را تحت فرض تحدب برقرار می کنیم. در این مقاله آخرین کار Ruiz-Garzon تحت عنوان "نسبت بین تشابه متغییرهای برداری نامعادله و مسایل بهینه سازی" را بسط و گستزش داده ایم.

در این مقاله می خواهیم درباره مدلهای بهینه سازی برنامه ریزی چند شاخصه فازی تحت مجموعه های فازی شهودی صحبت کنیم. فرض کنیدX={x1 ,x2,… ,xn}  مجموعه  nگزینه تصمیم گیری و A={a1 ,a2 ,… ,am} مجموعه m مشخصه (صفت) که برای بیان این گزینه ها به کار می رود، باشد.  

روش هوشمند "آتوماتای یادگیری تقویتی انتخابی" یک روش ابتکاری جهت حل مسایل بهینه سازی است، که ایده آن از رفتار موجودات زنده هنگام یادگیری برگرفته شده است. این تکنیک برای حل انواع مسایل برنامه ریزی پویا و شبکه قابل استفاده می باشد. در این مقاله برای آزمودن کارایی الگوریتم، مساله فروشنده دوره گرد مدلسازی و حل شده است و در نهایت ضریب کارایی روش نسبت به جواب بهینه به دست آمده است.

این مقاله به بررسی مساله زمان بندی در کارخانه پلی اکریل اصفهان می پردازد. سیستم تولیدی کارخانه عموما به عنوان یک مساله پنج مرحله ای flow shop در نظر گرفته می شود. هر مرحله شامل چندین ماشین موازی است. ماشین ها در تمامی مراحل بجز مرحله اول، از نوع ماشین های چند وظیفه ای هستند. همچنین برای تولید هر محصول یک هزینه شروع به کار در نظر گرفته می شود که وابسته به تولید محصول قبلی در کارخانه است. با توجه به توصیف مساله بهترین مدل در دیدگاه زمان بندی کلاسیک، استفاده از مدل flexible flow shop (f-fsh) به همراه استفاده از مفهوم دسته- کار می باشد. در این مدل تعداد دستگاه های مورد استفاده برای تولید هر محصول در هر مرحله مشخص است. با توجه به اینکه تعداد بهینه تخصیص ماشین برای ترکیبات مختلف تولید محصول، متفاوت می باشد؛ مدل ذکر شده که یک ترکیب از ابتدا تا انتهای دوره تولید درنظر می گیرد مدل بهینه ای نمی تواند باشد. برای برطرف کردن این نقص، مساله با استفاده از مدل زمان بندی چند روشی پرو ه با محدودیت منابع به صورت برنامه ریزی اعداد صحیح مدلسازی می شود. در این مدل نیز همانند مرحله قبل هزینه شروع به کار در هر مرحله برای تولید محصولات گوناگون به همراه وجود ماشین های چند وظیفه ای ایده استفاده از مساله دسته- کار را در ذهن تداعی می کند. یکی از مشکلات این نوع مدلسازی نیاز به حافظه و زمان بسیار زیاد کامپیوتر هنگام حل مساله می باشد. برای حل این مشکل یک روش اکتشافی بر اساس تجزیه مدل به دو مرحله پیشنهاد می شود. در مرحله اول بدون در نظر گرفتن هزینه شروع به کار و همچنین با کم کردن تعدادی از محدودیت های تقدم اجرای کار روش انجام کار بدست می آید. در مرحله دوم ترتیب اجرای کارها با استفاده از مدلی که بر اساس مساله تخصیص نوشته شده است بدست می آید و در انتها با در نظر گرفتن جواب این دو مرحله روش تولید محصولات برای یک دوره بدست می آید. روش پیشنهادی برای داده های پنج ماه متوالی کارخانه اجرا گردید و با زمان بندی اجرا شده در کارخانه مقایسه گردید. با استفاده از روش پیشنهادی زمان تولید محصولات به طور متوسط سه درصد کاهش یافت که این مقدار معادل یک روز در ماه می باشد. بنا به اظهار نظر مهندسین کارخانه کیفیت جواب از لحاظ عملیاتی و با نظر گرفتن مساله تعمیر و نگهداری ماشینها بهتر می باشد.

هدف از این مقاله، طراحی و بکارگیری مدلی است که تاثیر پارامترهای موثر در عملکرد الگوریتم ژنتیک را برای مساله فروشنده دوره گرد تعیین نماید. به منظور دستیابی به این هدف از رویکرد طراحی آزمایش ها برای تعیین و تخمین ضرایب مدل ریاضی استفاده شده است. به کمک روش پیشنهادی می توان برای یک مساله خاص، رابطه ریاضی هر یک از پارامترها را بر سرعت همگرایی و کیفیت جواب های الگوریتم تعیین نمود. به منظور صحه گذاری مدل ریاضی پیشنهادی و تعیین تاثیر پارامترها، این مدل بر روی مساله استاندارد فروشنده دوره گرد (att 48) پیاده سازی و اجرا شده است. نتایج محاسباتی نشان دهنده بهبود قابل توجه عملکرد الگوریتم با استفاده از پارامترهای تنظیمی حاصل از مدل است. روش به کار رفته قادر است برای سایر مسایل بهینه سازی نیز سطح مناسب پارامترها را تعیین نماید.

قابلیت اطمینان نرم افزار بیانگر کارکرد قابل قبول نرم افزار یا دستیابی به سطح رضایت بخشی از کارکرد آن است. یعنی نرم افزار تا زمان لازم به گونه ای که مورد نظر بوده در محیط معین، بصورتی موثر و کارا عمل کند. با شناسایی رفتار و روابط بین اجزا یک سیستم (مدلسازی سیستم) و استخراج روابط ریاضی حاکم بر سیستم، می توان رفتار کل سیستم و قابلیت اطمینان آن را تعیین نمود. در این مقاله با استفاده از داده های تجربی شکست نرم افزار که در یک پروسه آزمایشی قابل جمع آوری و ثبت می باشد، قابلیت اطمینان نرم افزار با بکارگیری روشهای ریاضی و توزیعهای آماری مدلسازی شده است. این مدل و فرآیند مدل سازی ضمن ایجاد شاخصی قابل درک و اندازه گیری برای رفتار آتی و قابلیت اطمینان نرم افزار، در عمل و در بسیاری از زمینه ها می تواند به عنوان روشی منظم و فرمال مورد استفاده قرار گیرد.

مسایل برنامه ریزی خطی نیمه نا متناهی که جزء دسته مسایل بهینه سازی مقید محسوب می شوند اگرچه دارای خواصی مشابه مسایل برنامه ریزی خطی متناهی هستند؛ اما در مواردی و خصوصا شیوه های حل با آن متفاوتند. این مسایل به وفور در طبیعت و مباحث علمی ظاهر می شوند. ضمن معرفی انواع مسایل برنامه ریزی خطی نیمه نا متناهی، مساله شکاف دوگانی در خصوص آن مطرح و بر مبنای آن به ارایه الگوریتم برای دوگان مسایل برنامه ریزی خطی نیمه نامتناهی شمارا پرداخته می شود. سرانجام، پس از بیان کلیات روش همگرایی که در نوع خود جدید است، به شرح عملی آن با ارایه مثال عددی پرداخته می شود.

در این مقاله به دنبال ایجاد شبکه توزیع در زنجیره عرضه چند سطحی هستیم که تعداد و جانمایی مراکز توزیع می بایست در آن تعیین شوند. هدف اصلی در این مقاله، ارایه و حل دو مدل است که به کاهش همزمان هزینه های جانمایی و موجودی بپردازند. از جمله فرضهای اساسی در این دو مدل، مشخص بودن مکان مشتریان، محدودیت ظرفیت مراکز توزیع و استفاده از سیستم نقطه سفارش برای کنترل موجودی می باشد.در مدل اول، تقاضای مشتریان بصورت قطعی و در مدل دوم، تقاضا بصورت احتمالی در نظر گرفته شده است و فرض می شود در دوره های مختلف تقاضا بهمین گونه باشد. مدلهای بدست آمده غیر خطی و از جمله مسایل NP-Hard می باشند و حل آنها با استفاده از نرم افزارهای بهینه سازی فقط برای مسایل بسیار کوچک امکان پذیر است در نتیجه از روش جستجوی ممنوعه که یکی از روشهای فراابتکاری است برای حل این دو مدل استفاده شده است. نتایج بدست آمده نشان می دهد که در ابعاد تقریبا بزرگ روش حل در زمان معقول جوابهای نسبتا خوبی را می دهد.