نشریه بین المللی مهندسی صنایع و مدیریت تولید

   توزیع سفر یکی از مراحل مهم فرآیند مدلسازی حمل و نقل می‌باشد به نحوی که بسیاری از محققان این حوزه بر اهمیت این مرحله اذعان داشته‌اند. مدل بیشینه‌سازی آنتروپی، یکی از مدل‌های ترمودینامیکی است که در مدلسازی پدیده‌های علمی مختلفی بکار گرفته شده است. همانگونه که از اسم این مدل برمی‌آید, مدل سعی دارد، بیشینه آنتروپی یا اغتشاش را برای وضعیت تعادل سیستم بدست آورد. با ایجاد مختصر تغییری در مدل حرارتی آنتروپی، می‌توان آن را در مدلسازی توزیع سفر بکار گرفت. بدلیل خاصیت ناچندجمله‌ای مسئله, از الگوریتم بازپخت شبیه‌سازی شده به عنوان یک الگوریتم متاهیورستیک جهت حل آن استفاده شده است. در انتها، مطالعه موردی از مدل توزیع سفر برای استان‌های کشور بعنوان نمونه‌ای از نحوه بکارگیری این الگوریتم مورد بررسی قرار گرفته شده است.

در این مقاله یک مسئله کنترل موجودی چند دوره‌ای که در آن فاصله زمانی بین دو بازپرسازی متغیرهای تصادفی مستقل و هم‌توزیع هستند مورد بررسی قرار می گیرد. در حقیقت تولید کننده با خریدار در زمانی کاملاً تصادفی رودررو می‌شود. دیگر فرض حاکم بر مسئله وجود محدودیت فضا بوده و متغیر تصمیم نیز عدد صحیح در نظر گرفته شده است. سه مدل ارائه شده است که در مدل اول کل کمبود به حالت پس‌افت در می آید. در مدل دوم کل کمبود فروش از دست رفته شده و در مدل سوم که ترکیبی از مدلهای اول و دوم است درصدی از کمبود حالت پس افت یافته و درصد باقی مانده نیز، فروش از دست رفته خواهد شد. سه خصوصیت اصلی مدل که منجر به جدید بودن مدل شده است تصادفی بودن طول دوره، چند محصولی و محدودیت دار بودن مدل و عدد صحیح بودن متغیر های تصمیم هستند. به عنوان نمونه، مدل سوم با فرض یکنواخت بودن طول دوره بازپرسازی بازنویسی شده و مدل به دست آمده نیز یک مسئله برنامه‌ریزی غیرخطی عدد صحیح است. همچنین برای حل مدل از شبیه سازی تبرید استفاده می‌شود و برای توضیح کارکرد الگوریتم نیز یک مثال عددی ارائه شده است.

مساله زمانبندی کار کارگاهی سنتی یک مساله NP-Complete از نوع قوی است و به همین دلیل در تحقیقات صورت گرفته، الگوریتم‌های فراابتکاری زیادی برای حل آن ارایه شده است، اما تنها در تعداد معدودی از آنها الگوریتم بهینه‌سازی دسته ذرات (PSO) مورد توجه قرار گرفته است که یکی از دلایل آن می‌تواند جدید بودن این روش باشد. در الگوریتم ارایه شده در این مقاله ابتدا بمنظور حفظ موجه بودن جوابها در هر تکرار الگوریتم شیوه نمایش بر مبنای فهرست اولویت برای جوابها انتخاب شده است. همچنین برای ایجاد رابطه یک به یک بین جواب مساله که ماهیت گسسته دارد و جواب مورد پذیرش الگوریتم که اعداد پیوسته هستند و همچنین حفظ قانونی بودن جوابها در هر تکرار، یک شیوه جدید بر اساس تبدیل مبنای اعداد و با استفاده از نمایش اعداد در مبنای فاکتوریل توسعه داده شده است. با توجه به تکاملی بودن PSO، بمنظور شروع از جوابهای نسبتا خوب از یک الگوریتم ابتکاری جستجوی تصادفی حریصانه به عنوان مولد جوابهای اولیه استفاده شده است. هر جواب بدست آمده توسط PSO بوسیله یک الگوریتم جستجوی محلی بهبود داده می­شود. برای فرار از دام بهینه­های محلی یک رابطه جدید بهنگام سازی سرعت در الگوریتم PSO توسعه داده شده است. به همین منظور و همچنین برای بهبود نهایی جواب بدست آمده توسط PSO از یک الگوریتم آنیلینگ شبیه‌سازی شده استفاده شده است. الگوریتم بر روی تعدادی از مسایل نمونه آزمایش شده و نتایج حاصل بیانگر دقت و کارایی جوابها نسبت به سایر الگوریتم‌های موجود برای حل مساله مورد بحث است.

در ۱۵ سال اخیر، مدل های متعددی برای پیش بینی با استفاده از سری‌های زمانی فازی توسط محققین ایجاد شده اند. با توجه به ادبیات موضوع می توان دریافت که یکی از مسائل مهم در این مدل ها نحوه ی تعیین بازه ها ی فازی برای تبیین مدل و انجام پیش بینی است،لذا تحقیقات متعددی در این زمینه برای تعیین بازه های مناسب و افزایش دقت مدلهای پیش بینی انجام شده است؛ در این تحقیق مدلی جدید با استفاده از ترکیب الگوریتم تبرید و سری های زمانی فازی جهت پیش بینی داده ها معرفی شده است. و این مدل برروی داده‌های بازار ارز فارکس اجرا شد و در نهایت جهت مقایسه‌ی نتایج مدل ارائه شده و مدل‌های پیشین، مدل را برروی داده‌های پذیرش دانشگاه الاباما که به عنوان مرجع مقایسه ی اینگونه مدل‌ها می باشد تست گردید و نتایج حاصله، بیانگر برتری مدل پیشنهادی نسبت به سایر مدلهای موجود در ادبیات موضوع می باشد

خوشه­بندی ظرفیت­دار یکی از مسائلی است که از کاربرد گسترده‌ای در داده کاوی برخوردار است. این مساله به دنبال افراز یک مجموعه n تایی از عناصر به p خوشه ظرفیت­دار است به طوری که تمامی اعضای یک خوشه به نقطه­ای که به عنوان مرکز ثقل آن خوشه تعیین می­شود، تخصیص یابند. هدف از این مساله کمینه کردن عدم تشابه تمامی نقاط یک خوشه از مرکز ثقل خوشه با رعایت محدودیت ظرفیت در هر خوشه است، به طوری که هر عنصر تنها به یک خوشه تخصیص یابد. در این مقاله دو روش حل متفاوت جهت حل مساله خوشه‏بندی ظرفیت‏دار ارائه شده است. روش نخست یک روش حل فرا ابتکاری مبتنی بر شبیه‏سازی تبریدی است که در سازوکار جستجوی جواب از ساختارهای مختلف همسایگی استفاده می­کند. روش دوم مبتنی بر الگوریتم ژنتیک است که در آن از یک رویه ابتکاری جستجوی محلی استفاده شده است. روش­های ارائه شده با استفاده از مسائل نمونه­ای مختلف مورد آزمون قرار گرفته اند. نتایج محاسباتی حاکی از کارایی و توانمندی روش­های حل پیشنهادی است

با توجه به وجود ابهام در فرآیند مالی پروژه­ها، مفاهیم فازی مبنای این مقاله را به خود اختصاص داده است و از برنامه­ریزی شانس و روش شبیه­سازی آنیلینگ به عنوان وسیله­ای جهت تعیین ارزش خالص فعلی^۳ چند پروژه و درنهایت انتخاب اقتصادی­ترین آنها بهره گرفته شده است. در این مقاله، هزینه­های سرمایه­گذاری و فرآیند مالی خالص سالیانه به صورت فازی براساس مقدار اعتبار^۴ درنظر گرفته شد. مدل با استفاده از شبیه­سازی آنیلینگ حل و سپس جهت اعتبارسنجی با نتایج حاصل از شبیه­سازی فازی براساس الگوریتم ژنتیک و روش شاخه و حد مقایسه گردید. نتایج نشان­دهنده این موضوع است که الگوریتم ژنتیک در ابعاد کوچک در مقایسه با شبیه­سازی آنیلینگ، دارای خطای کمتر و نتیجه بهتری است.لازم بذکر است که تمامی الگوریتم­ها (شبیه‌سازی فازی و آنیلینگ) با استفاده از نرم­افزار MTLAB R۲۰۰۹a در کامپیوتر شخصی با، ۲,۶۶GHz  نوشته شده­اند

در یک دهه اخیر تحقیقات نسبتا کمی بر روی مساله زمانبندی کار کارگاهی با زمان‌های آماده‌سازی وابسته به توالی جدایی‌ناپذیر (ISDSJSP) انجام شده است. در زمینه حل این مساله نیز الگوریتم بهینه‌سازی دسته ذرات (PSO) مورد توجه قرار نگرفته است. در این مقاله مساله ISDSJSP با تابع هدف کمینه‌سازی زمان پایان تمام کارها مدنظر قرار گرفته و یک مدل برنامه‌ریزی خطی عدد صحیح مختلط و یک الگوریتم ترکیبی PSO برای آن ارایه شده است. جواب بدست آمده توسط PSO با استفاده از یک الگوریتم آنیلینگ شبیه‌سازی شده بهبود داده شده است. عملکرد الگوریتم پیشنهادی (HPSO) نسبت به دو الگوریتم دیگر بر روی مسایل نمونه تولید شده در این مقاله آزمایش شده است. نتایج حاصل، دقت و کارایی بیشتر جوابهای حاصل از HPSO نسبت به دو الگوریتم دیگر را نشان می‌دهند

استفاده از مدل­های ریاضی و رویکرد تحقیق در عملیات در برنامه­ریزی و زمان­بندی مسابقات ورزشی با توجه به گسترش رشته­ها و افزایش محدودیت­ها و پیچیدگی­های مسابقات، افزایش چشم­گیری یافته است. لیگ­های حرفه­ای فوتبال نیز از این قاعده مستثنی نیستند. در این مقاله مسئله زمان­بندی لیگ برتر فوتبال ایران با توجه به معیارهای وقفه و اثر انتقال به جلو مورد بررسی قرار می­گیرد. علاوه بر این، یک معیار جدید تحت عنوان «وقفه برای تیم­های مطرح» معرفی شده ­است که تا کنون در مسئله زمان­بندی ورزشی در نظر گرفته نشده است. برنامه­ی زمان­بندی طی سه مرحله که در هر مرحله اهداف متفاوتی دنبال می­شود، بدست می­آید. در این مراحل سه­گانه از روشی­هایی مبتنی بر تئوری گراف و الگوریتم تبرید شبیه­سازی شده استفاده شده ­است. در نهایت جواب­های بدست آمده از الگوریتم با وضع موجود و همین­طور با جواب­های موجود در ادبیات موضوع مقایسه شده­اند که کارایی خوب الگوریتم حل را نشان می­دهد.

در این تحقیق مساله زمانبندی n کار مستقل با زمان سررسید متفاوت بر روی ۲ ماشین در محیط کارگاه جریانی ترتیبی مورد بررسی قرار می‌گیرد. با توجه به اینکه مساله فوق جزء مسایل NP-hard محسوب می‌گردد، یک الگوریتم انجماد تدریجی برای حل آن ارائه شده است. به منظور ارزیابی جواب‌ها از معیار حداقل جمع وزنی دیرکردها و زودکردهای کارها به عنوان تابع هدف استفاده شده است که این هدف هم‌راستا با اهداف سیستم‌های تولید به موقع محسوب می‌گردد. الگوریتم پیشنهادی در ۴ سناریو ارائه می‌شود که این ۴ سناریو با درنظر گرفتن دو حالت مختلف برای زنجیره مارکوف و نحوه کاهش دما حاصل شده و در نهایت باتوجه به تحلیل نتایج و کیفیت جوابهای حاصل، بهترین سناریو به عنوان سناریو نهایی معرفی شده است. کارایی الگوریتم پیشنهادی با حل مسائل متنوع در ابعاد مختلف مورد تحلیل و بررسی قرار گرفته و برای مسائل کوچک (تعداد کار کمتر از ۲۵) نتایج بدست آمده از الگوریتم پیشنهادی با جواب بهینه حاصل از مدل ریاضی که با برنامه لینگو اجرا شده مورد مقایسه قرار گرفته است. همچنین عملکرد الگوریتم پیشنهادی در حل مسایل مختلف با مدل استاندارد الگوریتم ژنتیک مقایسه و برتری آن ارائه شده است.

انتخاب بهترین مجموعه از سهام، با لحاظ اهداف چندگانه و با توجه به تعدد گزینه‌ها، تصمیم مدیریتی دشواری است. لذا تصمیم‌گیرها می‌توانند توسط روش دومرحله‌ای زیر، شانسِ یافتن سبد سهام بهینه را افزایش دهند. براساس این روش، ابتدا فضای جواب تمام سبدهای کارا تعیین می‌گردد، و سپس به تصمیم‌گیرها این امکان داده می‌شود که بطور تعاملی، این فضای جواب را جستجو نمایند. بهر حال، کار تعیین فضای جواب، بصورت سعی و خطا انجام نمی‌گیرد. روش شمارش کاملِ برات- فورس که یک روش جستجو برای تعیین فضای جواب است؛ تنها زمانی عملکرد مطلوبی دارد که تعداد سهام اندک باشد. اما زمانیکه تعداد سهام، زیاد (بالغ بر ۳۲۳ سهم) گردد؛ مسئله انتخاب سبد سهام، به یک مسئله سخت تبدیل می‌شود و دیگر نمی‌توان از آن، برای تعیین فضای جواب استفاده کرد (و سپس کلیه سبدهای کارا را تعیین نمود). از آنجاکه روش‌های فراابتکاری می‌توانند توازنی را بین مدت زمان مورد نیاز برای انجام محاسبات و کیفیتِ فضای جواب تقریب زده شده فراهم آورند؛ در این مقاله پس از توسعه مدل انتخاب سبد سهام مارکویتز، روشی مبنی بر ترکیب‌ دو روش بهینه‌یابیِ اجتماع مورچگان و شبیه‌سازی تبرید-تدریجیِ پارتو پیشنهاد گردیده است. به منظور اعتبارسنجی این روش، عملکرد آن در بورس اوراق بهادار تهران، با عملکرد چند روش‌ فراابتکاریِ دیگر مقایسه شده است. نتایج بدست آمده حاکی از برتری روش پیشنهادی نسبت به روشهای مذکور(از نقطه‌ نظر معیارهای قابل طرح در این حوزه) می‌باشد.

در سالیان اخیر تحقیقات گسترده ای برروی مدل ها ی سری زمانی فازی انجام شده است و همواره تعیین اندازه و چیدمان بازه های مجموعه های فازی جزو اصلی ترین مسائل تحقیقاتی در این زمینه بوده است. که در این زمینه تحقیقات متنوعی انجام شده است اما نتایج حاصله تا کنون راضی کننده نیست. لذا در این تحقیق با استفاده از الگوریتم شبیه سازی تبرید و سه عملگر جدید طراحی شده سعی در برطرف نمودن ایرادات مطالعات قبلی برای تعیین بازه های مناسب شده است. گفتنی است که در این بخش روش تاگوچی به عنوان ابزاری برای تعیین مقادیر بهینه ی پارامترها و فاکتورهای مدل مورد استفاده قرار گرفته است. به جهت مقایسه، مدل پیشنهادی (SAFTS( را بر داده های دانشگاه آلاباما اجرا نموده که نتایج بدست آمده حاکی از برتری مدل نسبت به مدل های موجود است و در نهایت به عنوان یک مورد کاربردی، مدل پیشنهادی برروی شاخص بازار بورس تهران اجرا شد و نتایج آن تحلیل گردید.