مصطفی زندیه
| مدرک تحصیلی: دانشیار گروه مدیریت صنایع، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران، ایران |
مطالب
فیلترهای جستجو:
فیلتری انتخاب نشده است.
نمایش ۴۱ تا ۴۸ مورد از کل ۴۸ مورد.
تعیین عوامل مؤثر بر غربال سازی سهام با استفاده از فرایند تحلیل شبکه ای
حوزه‌های تخصصی:
ارائه الگوریتم تکاملی چند هدفه برای سیستم های موجودی احتمالی با مرور دائم(مقاله علمی وزارت علوم)
به کارگیری الگوریتم های فراابتکاری در مدل یکپارچه سازی شبکه لجستیک توزیع کالا(مقاله علمی وزارت علوم)
حوزه‌های تخصصی:
با توسعه اقتصاد جهانی و گسترش بازاریابی الکترونیکی در بین کشورها، اینکه چگونه یک سیستم لجستیک به نحو کارآمد مدیریت شود، به یک موضوع کلیدی برای کاهش هزینه های شرکت ها تبدیل شده است، مخصوصاً شرکت های چند ملیتی که در فضای سخت رقابتی قرار دارند. یکی از زمینه های مناسب برای یکپارچه سازی در شبکه های لجستیک، طراحی یکپارچه شبکه لجستیک مستقیم و معکوس است که میتواند باعث جلوگیری از زیربهینگی ناشی از طراحی جدا از هم شبکه لجستیک مستقیم و معکوس شود. در این مقاله، یک مدل برنامه ریزی خطی عدد صحیح آمیخته برای طراحی شبکه یکپارچه لجستیک مستقیم و معکوس با هدف حداقل سازی هزینه ها ارائه شده است. با توجه به اینکه مدل ارائه شده به دسته NP-hard تعلق دارد، دو الگوریتم فراابتکاری- الگوریتم ممتیک(MA) و الگوریتم فرایند گروهی (TPA) برای حل مدل به کار گرفته شده است. الگوریتم ها از نظر بهترین مقدار تابع هدف و اولین زمان رسیدن به بهترین مقدار تابع هدف مقایسه شده اند. بر اساس نتایج به دست آمده، از نظر مقدار تابع هدف، الگوریتم ممتیک و از نظر زمان رسیدن به جواب، الگوریتم فرایند گروهی برتری داشتند
طراحی یک الگوریتم فرا ابتکاری جدید بر اساس رفتار توابع ریاضی (xCos(x و tanh(x)(مقاله علمی وزارت علوم)
حوزه‌های تخصصی:
امروزه استفاده از روش های فرا ابتکاری برای دست یابی به پاسخ¬های رضایتبخش در بهینه¬یابی ترکیبیاتی رشد چشمگیری یافته است. به دلیل نزدیک شدن مسائل به شرایط موجود در دنیای واقعی و در نتیجه افزایش پیچیدگی مسائل و ناتوانی روش های ریاضی فعلی برای ارائه نقطه بهینه با صرف معقول منابع، این اقبال تشدید شده است. توسعه روش های فرا ابتکاری معمولاً با بررسی نحوه بهینه-یابی در طبیعت و الهام گرفتن از آن صورت می¬گیرد که از جمله می¬توان به الگوریتم ژنتیک، الگوریتم مورچگان و شبیه¬سازی تبرید اشاره کرد.
الگوریتم پیشنهادی این مقاله، با بررسی رفتار جالب توجه دو تابع (xCos(x و tanh(x) در حلقه های تکرار، توسعه یافته است و روشی برای یافتن همسایگی در توابع پیوسته ارائه می¬دهد که نسبت به الگوریتم بهینه¬یابی شبیه¬سازی تبرید و الگوریتم شبیه¬سازی تبرید مبتنی بر تئوری ابر، عملکرد بهتری از نظر دقت و سرعت دارد. برتری الگوریتم پیشنهادی به دو الگوریتم یاد شده، با مقایسه عملکرد این الگوریتم¬ها در یافتن نقطه (نقاط) بهینه هفت تابع پیوسته معروف به اثبات رسید