الگوریتم ابتکاری

این مقاله یک سامانه ی خبره ی ساده و اثربخش را برای پیش بینی داده های نوسانی تصادفی وکوتاه مدت ایجاد نموده است. فرآیند بررسی شامل معرفی سری فوریه، زنجیره ی مارکوف و مقایسه ی مدل پیش بینی (گِری) با مدل پیش بینی ترکیبی گری- فوریه- مارکوف که در هم آمیخته شده اندادامه یافته، تا منجربه خلق یک سامانه ی خبره ی پیش بینی با کمک هوش مصنوعی شود. این مدل موجب می شود اثربخشی پیش بینی داده های تصادفی نوسانی در اکثر برنامه های مدیریتی افزایش یابد. حاصل این مطالعه، معرفی الگوریتم تشخیص هوش مصنوعی است که کمک می کند تا محیطی رایانه ای برای یک سامانه ی پیش بینی خبره ایجاد شود که داده های کوتاه مدت و اتفاقی ناپایدار را به درستی و بادقت پیش بینی کند. جهت آزمون اثربخشی الگوریتم ارایه شده از داده های مطالعه های (چن تسای لین،2008 ) و داده های مربوط به پیش بینی تقاضای گردشگری در ایران استفاده شده است.نتایج، نشان می دهد خروجی مدل برای دوکشور از دقت بالایی برخوردار است.

از مهمترین مسائل شبکه های لجستیک، طراحی و تحلیل شبکه توزیع است. در سال های اخیر، دو مسئله اصلی در طراحی شبکه های توزیع یعنی مکانیابی مراکز توزیع و مسیریابی توزیع کننده ها با یکدیگر در نظر گرفته شده و مسئله مکانیابی-مسیریابی را به وجود آورده اند. در این مقاله یک مسئله مکانیابی-مسیریابی ظرفیت دار پویا در نظر گرفته شده است که در آن تعدادی سایت بالقوه بعنوان دپو و تعدادی مشتری با تقاضا و مکان معین و همچنین تعدادی وسیله نقلیه با ظرفیت معین وجود دارند و تصمیم گیری در مورد مکان های مجاز تنها در اولین دوره از افق برنامه ریزی صورت میگیرد، اما تصمیم گیری مسیریابی ممکن است در هر دوره زمانی تغییر کند. در این تحقیق تقاضای مشتریان وابسته به قیمت در نظر گرفته شده اند. مدل ریاضی مربوطه ارائه شده و نتایج مربوط به اجرای مدل با بکارگیری مجموعه داده ها توسط روش قطعی بررسی شده اند، سپس روشی ترکیبی(ترکیب الگوریتم های ابتکاری و فرا ابتکاری)، بر مبنای الگوریتم بهینه سازی گروهی ذرات برای حل این مسئله پیشنهاد میشود. برای ارزیابی عملکرد روش پیشنهادی، این چارچوب با طراحی مسائل نمونه مورد بررسی قرار میگیرد و آزمایش های محاسباتی، کارایی روش پیشنهادی را در مقایسه با روش قطعی نشان میدهند.

توسعه و پیچیدگی بازارهای جدید از یک سو و محدودیت های اقتصادی از سوی دیگر، سبب شده اند تا توجه به دو اصل ارائه خدمات مطلوب و کاهش هزینه ها به ضرورتی اجتناب ناپذیر تبدیل شوند. نگرش تولید بهنگام، از جمله رویکردهای مناسب برای موازنه میان دو اصل یاد شده است. همچنین، طی دو دهه اخیر، به موضوع تعیین توالی و زمان بندی عملیات در سیستم های تولید انباشته ای به طور وسیعی توجه شده است. دستگاه پردازش انباشته ای، هم زمان یک انباشته را از کارها پردازش می کند و این امر سبب کاهش زمان تنظیم دستگاه و همچنین تسهیل در امر مدیریت جریان مواد می شود. هدف پژوهش حاضر، کمینه سازی مجموع وزنی تعجیل و تأخیر کارهایی با اندازه غیر یکسان بر ماشین پردازش انباشته، با لحاظ کردن موعد تحویل نزدیک به زمان شروع زمان بندی و در راستای تحقق تولید بهنگام است. در این تحقیق دو رویکرد برای انباشته سازی کارها، یکی مبتنی بر یک روش ابتکاری و دیگری مبتنی بر حل یک مدل ریاضی، بررسی شده است؛ سپس توالی انباشته ها به کمک یک الگوریتم برنامه ریزی پویا برای تحقق تولید بهنگام، تعیین شده است. همچنین یک الگوریتم ابتکاری و یک الگوریتم فراابتکاری بر مبنای الگوریتم ازدحام ذرات برای حل کامل مسئله ارائه شده است. نتایج محاسباتی حاکی از آن است که متوسط انحراف نسبی الگوریتم ازدحام ذرات پیشنهادی، کمتر از ۱درصد و مقدار این شاخص برای الگوریتم ابتکاری ارائه شده ۷۸/۱درصد است.