عنوان پایان‌نامه
انتخاب پرتفولیوی پروزه ها با هدف حداقل سازی تاسف تحت شرایط عدم قطعیت
- رشته تحصیلی
- مهندسی صنایع
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 2455;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 59607
- تاریخ دفاع
- ۰۴ شهریور ۱۳۹۲
- دانشجو
- آزاده ارجمندداورانی
- استاد راهنما
- سیامک حاجی یخچالی
- چکیده
- در پایان‌نامه پیش رو، مساله متعادل‌سازی و انتخاب سبد پروژه در شرایط غیرقطعی مورد بحث و بررسی قرار می‌گیرد. ابتدا سناریوهای احتمالی مختلف بر مبنای پیش‌بینی شرایط اقتصادی آینده تعریف و احتمال رخداد هر کدام تعیین می‌گردد. سپس، میزان درآمد پروژه‌های کاندید تحت هر یک از این سناریوها توسط خبرگان سازمان مشخص خواهد شد. در ادامه مساله، نخست در هر سناریو سبد پروژه بهینه به صورت مستقل از سایر سناریوها تعیین می‌گردد. برای حل این قسمت، از سه روش برنامه‌ریزی عدد صحیح صفر و یک، برنامه‌ریزی عدد صحیح با تابع مطلوبیت و برنامه‌ریزی عدد صحیح با رویکرد بهینه‌سازی استوار بهره گرفته خواهد شد. جهت مقایسه این روش‌ها و به دنبال رسیدن به هدف حداقل‌سازی میزان تاسف ناشی از انتخاب سبد، شاخصی برای محاسبه فاکتور تاسف پیشنهاد و دو روش آخر شامل مدل مطلوبیت و مدل استوار، بر اساس شاخص تاسف تعریف شده و میزان درآمد و مطلوبیت کسب شده از هر یک، با روش اول مقایسه و فاکتورهای اثرگذار موجود در مدل‌های این دو روش بر خروجی مساله تعیین خواهند شد. پس از بررسی اثرات عامل‌های موجود در دو مدل مطلوبیت و استوار بر خروجی‌های مساله، رویکردی پیشنهاد خواهد شد که با بهره‌گیری از تلفیق قابلیت‌های هر یک از این روش‌ها، به تصمیم‌گیرنده اجازه می‌دهد تا بر اساس میزان ریسک‌پذیری و محافظه‌کاری صاحبان سرمایه و ذینفعان سازمان خود در هر شرایط، روند انتخاب سبد پروژه بهینه را با استفاده از پارامترهای موجود در تابع هدف و محدودیت‌های مدل کنترل نموده و به تعادلی بین میزان درآمد، مطلوبیت و تاسف ناشی از اجرای پروژه‌های سبد انتخابی دست یابد.
- Abstract
- This thesis is going to discuss about the portfolio project selection and balancing under uncertainty. It will propose an approach which helps the decision makers to find the optimum portfolio with minimum expected regret. To overcome the uncertainty, different scenarios and their occurance probabilities will be determined based on the market status and expert’s opinions. We suppose that the net benefit of each alternative in every scenario and the initial execution cost for the projects are specified. The algorithm is divided in two phases. First, in each scenario, we will find the optimum portfolio by means of the proposed integer zero-one model which takes advantage of a utility function as the objective function. For the cost constraints, the cost coefficients will be taken as uncertain parameters and will be then modeled by robust optimization techniques. In other words, the constraints consider the entire initial costs and expenses not to exceed the capital in hand and they will balance the portfolio. In second phase, a new regret index for scenario-based portfolio selection problems will be proposed. For each optimum project set in every scenario organized in previous step, the regret index will be calculated and the portfolio with least regret index will be selected as the final decision. The proposed model aims to maximize the total utility of the selected portfolio with minimum regret and considers the decision maker’s risk-aversion level. The cost coefficients are also uncertain. The results of the proposed model will be compared with an existing basic model which aims to maximize the total value of the final portfolio and the cost coefficients are assumed as certain parameters. The data is provided by a real case of a national program titled as “Science and Technologies for Municipal, Industrial and Agricultural Wastewater Recycling”. This program is executed by University of Tehran. The results show that the proposed approach enables the decision makers to apply their risk-aversion by means of utility function and reduce the expected regret. Moreover, to some extent, the robust optimization technique helps the decision maker to consider the level of uncertainty in cost issues. In other words, according to the anticipations and market’s status, he is able to manage the future uncertainties which may affect the initial execution costs of the projects and avoid the probable shortfalls and regrets.
