چکیده:
در این مقاله مساله ترکیبی انتخاب و زمانبندی پروژه در حالت محدودیت منابع، با معیار حداکثرکردن مقدار ارزش فعلی پروژه مدلسازی، تحلیل و حل میشود. در این پژوهش، وضعیتی بررسی و مطالعه میشود که از بین چندین پروژه در دسترس و موجود، باید برخی انتخاب و اجرا شوند تا با توجه به محدودیت منابع بیشترین سود حاصل گردد. مدلهای انتخاب پروژه عموما زمانبندی پروژهها را به عنوان بخشی از فرآیند انتخاب در نظر نمیگیرند. از طرفی، به جز مواردی که تنها یک پروژه در هر دوره فعال است، اولویت بندی پروژههای انتخاب شده بدون در نظر گرفتن زمانبندی آنها بهینه نیست. زمانبندی پروژهها در سطح فعالیتهای پروژه بر پیچیدگی تصمیمگیری در مورد انتخاب سبد میافزاید و فضای جستجو را برای انتخاب سبدی از پروژهها گسترش میدهد. در این مقاله برای حل مساله در ابعاد بزرگ، یک روش فراابتکاری مبتنی بر روش انبوه ذرات ارائه میگردد. به منظور صحه گذاری بر مدل ارائه شده، چندین مساله نمونه در ابعاد کوچک و بزرگ حل شده و نتایج بررسی شده است. نتایج نشان دهنده عملکرد مناسب الگوریتم ارائه شده است.
خلاصه ماشینی:
"ارائه مدلی برای بهینهسازی همزمان انتخاب پروژهها و زمانبندی فعالیتها درحالت محدودیت منابع با استفاده از الگوریتم انبوه ذرات ملیحه گنجی1، مهدی علینقیان2، سید مجتبی سجادی3* 1- دانشجوی دکتری مهندسی صنایع، دانشکده صنایع، دانشگاه آزاد اسلامی واحد نجفآباد، نجفآباد، ایران 2- استادیار گروه مهندسی صنایع و سیستمها،دانشگاه صنعتی اصفهان، اصفهان، ایران 3- استادیار دانشکده کارآفرینی، دانشگاه تهران، تهران، ایران چکیده در این مقاله مساله ترکیبی انتخاب و زمانبندی پروژه در حالت محدودیت منابع، با معیار حداکثرکردن مقدار ارزش فعلی پروژه مدلسازی، تحلیل و حل میشود.
5-1- حل مدل با استفاده از الگوریتم انبوه ذرات در این قسمت به تشریح الگوریتم ذرات برای حل مساله زمانبندی و انتخاب پروژه میپردازیم: 1_ قدم یک: ایجاد یک ترتیب ممکن از انجام فعالیتها با رعایت پیشنیازها و محدودیت منابع برای شروع به کار الگوریتمPSO، ابتدا باید یک لیست شدنی از ترتیب انجام فعالیتها را به عنوان جواب اولیه تعیین شود.
پینوشت -Markowitz -Resource Constrained Project Schedueling Problem(RCPSP) - Demeuleester & Herroelen - Genetic Algorithm(GA) - Vallas, Ballestin & Quintanilla - Simulated Anealing(SA) - Bouleimen & Lecocq - Ant Colony Optimization(ACO) - Markle, Middendorf & Schmeck - Tabu Search(TS) - Nonobe & Ibaraki -Scatter Search(SS) - debles, De reyck, Leus & Vanhoucke - Path Relinking(PR) - Ranjbar & Kianfar - Particle Swarm Optimization(PSO) -Chen, Wu CL, Wang & Lo ST -Hybrid Algorithm(HA) - Net Present Value (NPV) - Kennedy & Eberhart - Cognitive and Social Parameters - Exploration and Exploitation - Chen - Finish to Start(FS) - Activity on Arrow(AOA) - Start Time - Finish Time - Predecessors List - Successor List"