الگوریتم گرگ خاکستری

حمل ونقل مواد دارویی به عنوان یکی از پیچیده ترین نوع حمل و نقل ها همواره مورد بررسی محققان بوده است. این مسئله که زیرمجموعه یک مسئله کلیدی به نام حمل ونقل مواد خطرناک می باشد، یکی از فعالیت های جدایی ناپذیر و پرخطر در چرخه فعالیت های صنعتی محسوب می شود. تلاش برای یافتن جواب بهینه این مسئله، یکی از موضوعات بسیار کاربردی در لجستیک می باشد. بر همین مبنا، در این تحقیق به بهینه سازی مسئله طراحی شبکه لجستیک دارو پرداخته شد. در این راستا از مسئله مسیریابی وسایل نقلیه الهام گرفته شده است. به همین منظور، ابتدا یک مدل مفهومی برای این مسئله بیان و یک مدل ریاضی جدید در جهت مسیریابی وسایل نقلیه حمل دارو با در نظر گرفتن نقش حساسیت مسیر و عدم قطعیت پنجره زمانی ارائه شده است. به منظور حل مسئله، از الگوریتم فرا ابتکاری گرگ خاکستری به عنوان یک الگوریتم جدید و کارامد استفاده شده است. برای بررسی کارایی الگوریتم ارائه شده، این الگوریتم با روش حل دقیق و الگوریتم های ژنتیک و ازدحام ذرات مقایسه شده و نتایج بررسی کارایی الگوریتم گرگ خاکستری نشان می دهد که این الگوریتم با صرف زمان بسیار اندکی، جواب هایی با حداقل خطای ممکن را ارائه می کند.

در این پژوهش مساله بهینه سازی سبد سهام در شرکت های پذیرفته شده در بازار سرمایه ایران به عنوان یک مساله بهینه سازی تصادفی چندهدفه مورد بررسی قرار گرفته است. تابع هدف اول شامل کمینه سازی ریسک و تابع هدف دوم شامل بیشینه سازی بازده است. محدودیت های مدل شامل محدودیت انتخاب شرکت ها به صورت منحصربفرد و همچنین محدودیت بودجه می باشد. به منظور حل مساله، دو الگوریتم فراابتکاری ژنتیک و گرگ خاکستری توسعه داده شده که با استفاده مثال های عددی برگرفته از 491 شرکت پذیرفته شده در بورس اوراق بهادار تهران و فرابورس ایران از تاریخ 5 فروردین 1397 تا 30 آذر 1400، مورد تجزیه و تحلیل عددی قرار گرفتند. مطابق با نتایج عددی می توان مشاهده نمود الگوریتم گرگ خاکستری در تمامی مثال ها دارای کارایی بالاتری نسبت به الگوریتم ژنتیک است. البته قابل توجه است که در هیچ کدام از مثال های عددی، درصد پاسخ های ناموجه در رویه بهبود الگوریتم ها از 02/10 درصد بیشتر نشده است. همچنین درصد بهبود کارایی الگوریتم گرگ خاکستری نسبت به الگوریتم ژنتیک بین 3 تا 11 درصد گزارش شده است.