الگوریتم بهینه سازی گروه ذرات

دردنیای رقابتی امروز، سازمان ها با بهره گیری از علوم مدیریت، اقدام به ایجاد مزایای رقابتی می کنند. یکی از مهمترین علوم مدیریتی که در این زمینه مباحث بسیار سودمندی را مطرح کرده است، مدیریت زنجیره تامین می باشد. مدیریت زنجیره تامین نتیجه تکاملی مدیریت انبارداری است و به عنوان یکی از مبانی زیرساختی و مهم پیاده سازی کسب و کار است که در بسیاری از آنها تلاش اساسی برای کوتاه کردن زمان بین سفارش مشتری تا تحویل واقعی کالا می باشد. بارانداز تقاطعی[1] یکی از مهمترین گزینه ها برای کاهش زمان در زنجیره تامین می باشد. هدف اصلی در این مقاله تمرکز بر بهینه سازی برنامه ریزی کامیون های ورودی و خروجی با هدف به حداقل رساندن مدل تک هدفه زمان کل عملیات داخل زنجیره تامین می باشد. زمان بندی حمل و نقل در این مقاله، زمان بین مبداها و مقصدها، زمان تخلیه و بارگیری و جابجایی محصولات را کمینه سازی می نماید. از آن جا که این مدل مقاله از نوع صفر و یک بوده و متعلق به کلاس NP-hard است زمان حل آن ها با افزایش ابعاد مسأله به شدت افزایش می یابد. بنابراین برای پیدا کردن جواب های نزدیک بهینه مساله از الگوریتم های ژنتیک [2] و بهینه سازی گروه ذرات[3] استفاده شده است. سپس این الگوریتم ها با معیارهایی همچون زمان اجرا و کیفیت جواب ها با یکدیگر مقایسه شده و الگوریتم برتر در هر معیار مشخص گردید.

در سال های اخیر از روش های داده کاوی به طور گسترده درزمینه ی یادگیری الکترونیکی استفاده شده است. درواقع محققین مختلف با استفاده از روش های داده کاوی سعی در شناخت هر چه بیشتر یادگیرندگان و درنتیجه ایجاد یادگیری تطبیقی داشته اند. در تحقیقات از ویژگی ها، عملکرد، سبک یادگیری و سبک شناختی یادگیرندگان استفاده شده است. این مقاله به شناسایی سطح دانش یادگیرندگان و مدل سازی آن ها به منظور شخصی سازی آموزش ارائه شده، می پردازد. به منظور ایجاد مدل پیشنهادی از شبکه عصبی تابع پایه شعاعی بهبودیافته استفاده شده و برای ارتقاء این شبکه از یک رویکرد آموزش سه مرحله ای بهره گیری شده است. این رویکرد در مرحله اول از الگوریتم بهینه سازی گروه ذرات، در مرحله دوم الگوریتم نزدیک ترین K همسایه و در فاز سوم الگوریتم تندترین کاهش را به کار گرفته است. در ادامه ی مقاله به بررسی مشخصه های یادگیرندگان پرداخته و چهار مشخصه مناسب به منظور پیش بینی متغیر کلاس جهت تعیین سطح دانش یادگیرندگان، ایجادشده است. جهت ارزیابی مدل ارائه شده، یک دوره ی مجازی آموزش مایکروسافت اکسل مورد آزمایش قرارگرفته است. یادگیرندگان دوره ی موردنظر در سه گروه آزمایشی قرار گرفتند. یکی از گروه ها از مدل پیشنهادی استفاده کرده و دو گروه دیگر از یادگیرندگان از ارائه دروس متوسط و الگوریتمی موجود از ادبیات تحقیق بهره بردند. نتایج حاصل از آزمایش ها، موفقیت و رضایت تحصیلی یادگیرندگان گروه مربوط به مدل پیشنهادی را نشان می دهد.