عنوان پایان‌نامه
حل مساله زمانبندی پروزه چند هدفه با در نظر گرفتن محدودیت منابع با استفاده از الگوریتم تکاملی چند هدفه
- رشته تحصیلی
- مهندسی صنایع
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس 2 فنی شماره ثبت: 1860;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 47133
- تاریخ دفاع
- ۲۷ دی ۱۳۸۹
- دانشجو
- فاطمه سادات کاظمی
- استاد راهنما
- رضا توکلی مقدم
- چکیده
- برنامه ریزی پروژه هم از بعد عملی و هم از بعد نظری بسیار حائز اهمیت است و در سال های اخیر بسیار مورد توجه محققان، صاحبان شرکت ها و کارفرمایان پروژه قرار گرفته است. از بعد عملی، با بهبود برنامه ریزی پروژه که جزئی از مدیریت پروژه است، سود شرکت ها بخصوص شرکت های که کار تولید و فروش را بطور همزمان انجام می دهند (تولید به مصرف) به میزان چشمگیری افزایش می یابد. از بعد نظری نیز برنامه ریزی پروژه یک زمینه تحقیقاتی بسیار جذاب است زیرا بسیاری از مدل های بهینه سازی معروف، حالت های خاصی از مدل های مطرح در برنامه ریزی پروژه هستند. در این پایان نامه، به مسأله زمانبندی پروژه چند هدفه با محدودیت منابع در حالت چند مد و با جریان های نقدی تنزیل یافته پرداخته می شود. منابع پروژه از نوع تجدیدپذیر فرض شده اند. به منظور نزدیکی هر چه بیشتر مدل به شرایط واقعی چهار حالت مختلف برای جریان های مثبت در نظر گرفته شده است. اهدافی که در این مدل در نظر گرفته شده اند عبارتند از حداکثر کردن ارزش فعلی پروژه، حداقل کردن حداکثر زمان تکمیل و حداکثر کردن شناوری کل پروژه با رعایت حداکثر زمان تکمیل. با توجه به چند هدفه بودن مدل، استفاده از روش های کلاسیک بهینه سازی جهت دستیابی به جواب های بهینه سراسری یا موضعی، امری غیرممکن است. با توجه به پیچیدگی محاسباتی مسأله فوق، الگوریتم بهینه سازی انبوه ذرات که با الگوریتم ژنتیک تلفیق شده است، برای دستیابی به زمانبندی بهینه پیشنهاد می شود. برای ارزیابی روش پیشنهادی، مسایل متعدد کتابخانه ای که منطبق بر محیط مورد بررسی هستند، انتخاب شده و کارایی این روش بر پایه شاخص های طراحی شده، با یک الگوریتم ژنتیک چند هدفه مورد مقایسه قرار گرفته است. نتایج حاصل بیانگر این امر هستند که روش انبوه ذرات تلفیقی در همه مسایل، توانایی بالایی برای تولید جواب های پارتوی متنوع و پراکنده دارد.
- Abstract
- From the theoretical and practical point of view, project scheduling plays important role and in recent years, it used further along in the probe of researchers, companies and projects taskmasters. From practical aspect, companies’ revenue increases proactively with improving in the project scheduling that is a subset of the project management, especially for the companies that make their sale and production simultaneously. Furthermore, project scheduling is interactive research field because more well-known optimization models are special forms of models of the project planning. In This thesis presents multi-objective multi-mode resource-constrained project scheduling problem with discounted cash flow (MMRCPSPDCF) with positive and negative cash flows. All resources are assumed to be renewable. Furthermore, to make the presented model close to a real-world situation, four different models for positive cash flows are considered. We consider the objectives of the net present value (NPV) maximization and robustness maximization along with the makespan minimization. As it is a multi-objective model, we impose its computational complexity and are not able to solve such a hard problem by any optimization software in a reasonably computational time, especially for large-sized problems. Thus, we propose a multi-objective Pareto archive particle swarm optimization (PSO) that combines with genetic algorithm. To prove the efficiency of our proposed PSO, a number of test problems taken from the project scheduling problem library (PSPLIB) are solved. A number of comparison metrics are used and the related results are compared with the results obtained by the NSGA-II¬. The computational results show that the proposed PSO outperforms the NSGA-II.
