مدیریت صنعتی

در طول چند دهه گذشته تلاش های زیادی برای حل مسائل بهینه سازی ترکیبی غیرقطعی انجام شده است. مسئله n-وزیر یکی از همین مسائل است که تاکنون راه حل های زیادی برای حل این مسئله ارائه شده است. روش های سنتی حل این مسئله از نظر زمان اجرا، به صورت نمایی هستند و ازنظر پیچیدگی نمایی و فضایی قابل قبول نیستند. در مطالعه حاضر الگوریتم های ژنتیک موازی برای حل مسئله n-وزیر پیشنهاد شده است تا راه حل های این مسئله را پیدا کند. موازی سازی الگوریتم ژنتیک جزیره ای و الگوریتم ژنتیک سلولی با استفاده از جعبه ابزار محاسبات موازی متلب پیاده سازی و روی یک سیستم با پردازنده دو هسته ای اجرا شده است. نتایج نشان می دهد که این الگوریتم ها توانایی پیدا کردن راه حل های مربوط به این مسئله را دارند. این الگوریتم ها حتی بدون استفاده از سخت افزار موازی و با اجرا روی یک هستهٔ پردازنده، نه فقط به الگوریتم های سریع تر بلکه به عملکرد بهتر نیز منجر می شوند. مقایسه های خوبی بین روش پیشنهادی و نسخه های سریال الگوریتم ژنتیک برای سنجش عملکرد روش پیشنهادی انجام شده است. نتایج تجربی نشان می دهد این الگوریتم ها در مقایسه با الگوریتم ژنتیک سریال برای اندازه های بزرگ مسئله کارایی بالایی دارند و در برخی موارد می توانند به تسریع فوق خطی دست یابند. روش پیشنهادی این مقاله می تواند به آسانی برای حل دیگر مسائل بهینه سازی توسعه داده شود.

۱۶۶۳.

گفت و گو : تولیدکنندگان از وضع موجود ناراضی هستند

مصاحبه شونده: شاپور رواسانی

منبع: تولید مصرف سال هفتم فروردین ۱۳۸۹ شماره ۵۹

حوزه های تخصصی:

تعداد بازدید : ۱۲۵۹ تعداد دانلود : ۷۱۵

۱۶۶۴.

پویاسازی خوشه بندی مشتریان با استفاده از روش DEA-DA در بستر شبکه عصبی مصنوعی SOM(مقاله علمی وزارت علوم)

نویسنده: علی بنیادی نایینی سعید یوسفی محمدعلی فائضی راد

منبع: مطالعات مدیریت صنعتی سال چهاردهم بهار ۱۳۹۵ شماره ۴۰

کلید واژه ها: شبکه های عصبی مصنوعی خوشه بندی تحلیل پوششی داده ها DEA صفحه متمایز کننده DA نگاشت خودسازمان ده SOM

حوزه های تخصصی:

تعداد بازدید : ۱۲۵۹ تعداد دانلود : ۸۹۵

امروزه ارزیابی مشتریان برای ارائه خدمات مناسب یکی از مهم ترین چالش های مدیران و تصمیم گیرنددگان در سازمانهای مختلف است. در سازمانهای مختلف گاه با توجه به حجم سنگین تقاضای مشتریان پاسخ گدویی بده نیازهای تمامی آنان امکان پذیر نیست و از سدوی دیگدر ایدن مشدتریان بده عندوان سدرمایه هدای سدازمان ها قلمدداد می شوند. این موضوع هدفمند نمودن مطالعده بدر روی گدرو ه هدای مختلدف مشدتریان در بازارهدای رقدابتی را بدا اهمیت کرده است. یکی از شیوه های کارآمد برای مطالعه مشتریان و ارائه خدمات بهینده بده آندان، گدروه بنددی بازار و خوشه بندی مشتریان در آن است. در این پژوهش به منظور هدفمند نمدودن ارائده خددمات بده مشدتریان، ابتدا به کمک تکنیک شبکه عصبی SOM مشتریان در خوشه هایی متناسب دسته بندی می شوند تا بتدوان بدرای هر مشتری با توجه به خوشه آن به ارائه خدمات مناسب پرداخت. سپس بدا مددل ارائده داده شدده در ایدن مقالده می توان عضویت مشتری جدید در خوشه متناسب را با استفاده از تکنیدک DEA-DA پدیش بیندی کدرد. ایدن مدل، فرآیند خوشه بندی پویا را برای سازمان رقم می زند تا به وسیله آن در هر لحظده بتدوان مشدتریان جدیدد را ارزیابی نموده و خوشه متناسب آنها را با دقت مناسبی تعیین کرد.

۱۶۶۵.