|
|
مطالعات مدیریت صنعتی، جلد ۱۴، شماره ۴۲، صفحات ۶۱-۱۲۱
|
|
|
| عنوان فارسی |
ارائه مدلی یکپارچه برای انتخاب سبد پروژه و سرمایه گذاری در منابع با هدف بیشینه سازی ارزش خالص فعلی و حل آن توسط الگوریتم ژنتیک |
|
| چکیده فارسی مقاله |
در این مقاله، یک مدل بهینه سازی جهت انتخاب بهترین سبد پروژه از بین پروژههای موجود، بهترین سطحاستخدام منابع، سپس زمانبندی پروژههای انتخاب شده جهت بیشینه کردن ارزش خالص فعلی با رعایتمحدودیتها ارائه شده است. چون مدل توسعه یافته در زمره مسایل سخت از نظر محاسباتی قرار دارد، لذا برایحل این مساله یک الگوریتم فراابتکاری بر مبنای الگوریتم ژنتیک پیشنهاد شده است. در الگوریتم حلپیشنهادی علاوه بر کاربرد عملگرهای معمول ژنتیک مانند تقاطع و جهش از عملگرهایی هوشمند جهتجستجوی محلی در حوزه منابع و جابجایی فعالیتهای با جریان مالی منفی استفاده شده است. پارامترهایکلیدی الگوریتم در راستای تسریع همگرایی آن با استفاده از روش تاگوچی تنظیم شده است. سپس تعداد 90مساله آزمایشی، شامل 30 مساله در ابعاد کوچک، 30 مساله در ابعاد متوسط و 30 مساله در ابعاد بزرگ بااستفاده از روش پیشنهادی حل شده وکارایی آن گزارش شده است. همچنین در مسائل سایز کوچکجوابهای حاصل از الگوریتم ژنتیک با جوابهای بهینه موضعی مدل ریاضی بدست آمده با نرمافزار لینگومقایسه شده، که میانگین جوابهای حاصل از الگوریتم ژنتیک بهتر از جوابهای بهینه موضعی حاصل از لینگوبوده است. در مسائل سایز متوسط و بزرگ که هیچ جوابی با استفاده از لینگو در زمان محدود شده بدستنیامده بود، نتایج نشان میدهد که جوابهای حاصل از الگوریتن پیشنهادی دارای پایداری مناسب میباشند. |
|
| کلیدواژه‌های فارسی مقاله |
|
|
| عنوان انگلیسی |
An integrated project portfolio selection and resource investment problem to maximize net present value using genetic algorithm |
|
| چکیده انگلیسی مقاله |
In this paper, a mathematical model is proposed for project portfolioselection and resource availability cost problem to scheduling activities inorder to maximize net present value of the selected projects preservingprecedence and resource constraints. Since the developed model belongs toNP-hard problems list, so a genetic based meta-heuristic algorithm isproposed to tackle the developed model. In the proposed algorithm besidecommon operators of genetic algorithms such as crossover & mutation, someintelligent operators are utilized for local search in computed resources andshifting the activities with negative cash flows. The key parameters of thealgorithm are calibrated using Taguchi method to accelerate convergence ofthe proposed algorithm. Then, the algorithm is used to solve 90 testproblems consisting 30 small-scale, 30 middle-scale and 30 large scaleproblems to examine the algorithm’s performance. It is observed that, insmall problems, the obtained solutions from the proposed genetic algorithmhave been comparably better than the local optimum solutions stemmedfrom Lingo software. On the other hand, for the middle and large sizeproblems which there is no local optimum available within the limited CPUtime, robustness of the proposed algorithm is appropriate |
|
| کلیدواژه‌های انگلیسی مقاله |
|
|
| نویسندگان مقاله |
حمید رضا شهابی فرد | hamid reza
کارشناسی ارشد دانشگاه علوم و تحقیقات دانشگاه آزاد اسلامی
بهروز افشار نجفی | afshar najafi
دانشیار دانشکده مهندسی صنایع و مکانیک دانشگاه ازاد اسلامی قزوین
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی قزوین (Islamic azad university of qazvin)
|
|
| نشانی اینترنتی |
http://jims.atu.ac.ir/article_5708_b01578593782e279f22b05bea1ebe9d5.pdf |
| فایل مقاله |
اشکال در دسترسی به فایل - ./files/site1/rds_journals/1189/article-1189-219268.pdf |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|