پایاننامه ارشد مدیریت استراتژیک بهینه سازی زمان هزینه الگوریتم ژنتیک

110 هزار تومان 80 هزار تومان
افزودن به سبد خرید

جهت خرید و دانلود پایاننامه ارشد مدیریت استراتژیک بهینه سازی زمان هزینه الگوریتم ژنتیک با آدرس ایمیل sellthesis@gmail.com در ارتباط باشید.


پایان نامه کارشناسی ارشد مدیریت استراتژيك بهينه‌ سازي زمان و هزينه به روش الگوريتم ژنتيك براي پروژه‌هاي عمراني


پایاننامه ارشد مدیریت استراتژیک بهینه سازی زمان هزینه الگوریتم ژنتیک


مقدمه:

امروزه لزوم برنامه ریزی مناسب به منظور برآورد صحیح از زمان و هزینه انجام پروژه و میزان منابع مورد نیاز در یک پروژه که تاثیر مستقیم بر اجرا، اداره و بهره برداری مناسب از پروژه هایی همانند احداث سد و ساختمان دارند، روشن است. در مجموع، مدیریت و برنامه ریزی فعالیت ها و منابع مورد نیاز در یک پروژه، نیازمندانجام تحلیل های مختلفی است که یکی از آنها مدلسازی و پیش‌بینی صحیح هزینه و زمان انجام پروژه است. رسیدن به این هدف، کمک قابل‌توجهی به مدیریت بهینه پروژه و تصمیم گیری در شرایط خاص می کند.
مسئله برنامه ریزی و پس از آن کنترل زمان بندی پروژه ها، هر روز اهمیتی بیش از گذشته می یابد. در محیطی که رقابت شرکت ها هر روز به هم نزدیکتر می شود و تفاوت های کوچک در ارائه قیمت در مناقصه ها منجر به موفقیت یا شکست در مناقصه می شود، ارائه برنامه ای که منطبق بر واقعیات باشد و بتواند حاوی تمام واقعیات اقتصادی در مدل یک پروژه باشد حائز اهمیت زیادی است. یک برنامه جامع این قابلیت را دارد که با استفاده از رابطه هزینه و زمان در یک پروژه، تغییرات لازم را در هزینه و زمان منابع در نظر بگیرد و راه حل های مناسب را پیش روی کاربران قرار دهد تا بتوانند قبل از اجرای پروژه، برآورد مناسبی از زمان و هزینه اجرایی و میزان منابع مورد نیاز در پروژه داشته باشند.
برای زمان بندی و کنترل پروژه، مراحل مختلفی از جمله تحلیل پروژه، برآورد مدت، هزینه و منابع اجرایی و در نهایت زمان بندی پروژه صورت می گیرد. گاهی اوقات مدیریت پروژه تصمیم می گیرد زمان پروژه را کاهش دهد که این امر تاثیر مستقیم بر هزینه تمام شده خواهد داشت.


فهرست مطالب

فصل اول كليات تحقيق    ‌1
مقدمه    2
فصل دوم ادبيات تحقيق    4
2-1- مقدمه:    5
2-2- اصول تصمیم‌گیری چندهدفه    5
2-3- سابقه مطالعات صورت گرفته در زمینه الگوریتم‌های تکاملی چندهدفه    6
2-3-1- الگوریتم‌های تعاملی چند هدفه (Multi-Objective Evolutionary Algorithms)    7
2-3-2- الگوریتم‌های بهینه سازی نخبه‌گرا براساس رتبه‌بندی پارتو    11
2-4- شناخت و تعیین مشخصات فعالیتهای پروژه    13
2-4-1- مراحل برنامه ریزی و کنترل پروژه    13
2-4-2- روشهای ریز کردن پروژه (Breakdown)    14
2-4-3- انواع روابط میان دو فعالیت    15
2-4-4- اصول برآورد فعالیت    17
2-4-5- برآورد مدت اجرای معادل    19
2-4-6- برآورد مدت اجرای فشرده    20
2-4-7- شیب هزینه فعالیت    21
2-4-8- هزینه های مستقیم و غیر مستقیم پروژه    22
2-4-8-1- هزینه های مستقیم پروژه    22
2-4-8-2- هزینه های غیر مستقیم پروژه    22
2-4-8-3- هزینه کل پروژه    23
2-4-8-4- تغییرات مجموع هزینه ها و نقطه زمان بهینه    23
2-5- روش های کلاسیک تخصیص و تسطیح منابع    24
2-5-1- مدل های رایج در برنامه ریزی و کنترل پروژه    24
2-5-1-1- مدل های با محدودیت زمانی    24
2-5-1-2- مدل های با محدودیت مالی    25
2-5-1-3- مدل های بدون محدودیت در زمان و هزینه    25
2-5-2- رویکردهای مختلف به استفاده از منابع    26
2-5-2-2- تخصیص منابع    27
2-5-3- الگوریتم تسطیح منابع محدود    27
2-5-4- روش برگس برای تسطیح منابع    28
2-6- سابقه مطالعات صورت گرفته در زمینه کاربرد الگوریتم ژنتیک در موازنه زمان – هزینه و …   30
2-6-1- موازنه زمان – هزینه    30
2-6-2- تسطیح و تخصیص منابع    32
2-7- جمع بندی    32
فصل سوم روش‌شناسي تحقيق    34
3-1- مقدمه:    35
3-2- دلایل استفاده از الگوریتم ژنتیک    35
3-3- طرح مسئله    36
3-4- نحوه ی مدل کردن با استفاده از الگوریتم ژنتیک    37
3-4-1- تعریف هر کروموزوم    37
3-4-2- ترتیب قرار گرفتن ژن ها در هر کروموزوم    39
3-4-3- تعیین مدت انجام و هزینه برای هر کروموزوم    40
3-5- انتخاب    40
3-6- تعیین میزان شایستگی کروموزوم ها    40
3-7- توابع هدف    41
3-8- تزویج    42
3-9- جهش    42
3-10- شرط همگرایی    42
3-11- جمع بندی    42
فصل چهارم مطالعه موردي    43
4-1 مقدمه    44
4-2 بررسي مدل به كار رفته در پايان‌نامه در دو حالت منابع محدود و منابع نامحدود بر روي يك پروژه ساده عمراني    44
4-2-1 معرفي پروژه    44
4-2-2 مقايسه نتايج بهينه‌سازي زمان- هزينه (TCO) با نتايج بهينه‌سازي زمان- هزينه- منابع (TCRO)    55
4-3 معرفی مطالعه موردی دوم    59
4-3-1 بهینه‏سازی رابطه هزینه- زمان پروژه مورد مطالعه در حالت عادی    59
4-3-2 بهینه‏سازی رابطه هزینه- زمان پروژه مورد مطالعه در حالت تأخیر    60
4-4 اطلاعات پروژه    61
فصل پنجم نتيجه‌گيري و پيشنهادات    88
5-1 جمع‏بندی    90
5-2 پیشنهادات    92
منابع و مآخذ    93
منابع فارسي    94
منابع انگليسي    94
Abstract    96


اصول تصمیم‌گیری چندهدفه

با توجه به غیر ممکن بودن رسیدن به مقادیر بهینه در تمامی توابع هدف به طور همزمان، مساله تصمیم گیری چند معیاره معمولاً به انتخاب یک گزینه از میان تعدادی راه حل کاندیدا منجر خواهد شد. در نهایت انتخاب نهایی، مصالحه و توازنی بین توابع هدف خواهد بود و دست آخر، ترجیح تصمیم گیرنده، مشخص کننده تک جواب نهایی از میان مجموعه جواب های کاندیدا می باشد.
بسیاری از مسائل تصمیم گیری شامل تعداد زیادی از متغیرهای تصمیم می باشند که عملاً مقایسه تمامی آنها و همه امکان های انتخاب، غیر ممکن می باشد. لذا با توجه به این نکته، مسائل بهینه‌سازی از این دست تبدیل به یک مساله جستجو با رویکرد انتخاب جواب بهینه بر اساس فرایند حذف جواب های نامطلوب خواهند شد. حل اینگونه مسائل تحت عنوان تصمیم گیری چند هدفه یا بهینه سازی چند هدفه شناخته می شود.
یک تقسیم بندی معمول برای حل اینگونه مسائل روشی است که در سال 1969 و بر اساس منظور نمودن نحوه اعمال اولویت های تصمیم گیرنده ارائه شده است. بر اساس این تقسیم بندی، چهار راهکار برای معرفی جواب نهایی در مسائل بهینه سازی چند هدفه وجود دارد:
1- عدم لحاظ کردن هر نوع برتری (صرفاً عمل جستجو انجام می‌گیرد)
2-لحاظ نمودن برتری (ارجحیت) تصمیم گیرنده قبل از فرآیند جستجو (تعیین ارجحیت قبل از جستجو)
3-منظور نمودن اطلاعات مربوط به برتری (ارجحیت) تصمیم گیرنده به شکل پویا (تعیین ارجحیت همزمان با جستجو)
4-منظور نمودن اطلاعات برتری (ارجحیت) تصمیم گیرنده بعد از اتمام فرایند جستجو

الگوریتم تسطیح منابع محدود

این روش که قدیمی ترین روش تخصیص منابع محدود است، یک روش مکاشفه ای است که بعد از ایجاد نمودار مسیر بحرانی برای یک پروژه به کار می رود. در این روش برای هر لحظه زمانی، مجموعه فعالیت های قابل اجرای منطقی را تعیین می کنیم. سپس مجموعه فعالیت هایی را که زودترین تاریخ شروع آن ها برای زمان جاری است به ترتیب صعودی دیرترین تاریخ تاریخ شروع از بین مجموعه اول مرتب می کنیم. در صورت تساوی بین دیرترین تاریخ شروع دو فعالیت، آن ها را به ترتیب طول زمان اجرا ردیف می کنیم. سپس از بین این لیست به ترتیب، شروع به برنامه ریزی فعالیت ها می کنیم و در صورتی که برای اجرای فعالیتی منبع باقیمانده کافی در دسترس نباشد، از برنامه ریزی آن فعالیت صرفنظر می کنیم. هر بار یک واحد به زمان جاری اضافه می کنیم تا کل فعالیت ها برنامه ریزی شوند و فعالیتی باقی نماند.

دلایل استفاده از الگوریتم ژنتیک

فرق های اساسی روش الگوریتم با سایر روش های بهینه سازی به شرح ذیل است.
1- الگوریتم ژنتیک با مجموعه ای از جواب ها کار می کند؛ نه یک نقطه منفرد، که این ویژگی باعث می شود تا در فرایندهای محاسباتی، جستجوی جواب به صورت موازی باشد. نکته دیگر اینکه این ویژگی باعث می شود در توابعی که دارای چند نقطه بهینه محلی می باشند، به طور موازی از نقاط بهینه محلی عبور کند و احتمال اینکه در دام یک جواب بهینه محلی بیفتد بسیار کم است.
2- الگوریتم ژنتیک با دسته ای از کدهای پارامترها کار می کند و نه خود پارامترها. این خاصیت باعث می شود که اولاً چون الگوریتم ژنتیک با رشته های منفصل کد شده کار می کند، محدودیت دیگر روش ها را نداشته باشد و ثانیاً با توجه به این خاصیت، دقت جستجو با طول کد پارامترها کنترل شود.
3- الگوریتم ژنتیک قوانین احتمال را به کار می برد؛ نه قوانین مقرر و قطعی را.
4- در الگوریتم ژنتیک نیازی نیست که فضای جستجو پیوسته باشد، چون این الگوریتم با مجموعه ای از جواب های بهینه گسسته کار می کند و این امر سبب می شود مجموعه جواب های متفاوتی در مورد مساله به دست آید و در نتیجه در الگوریتم ژنتیک هیچ تضمینی وجود ندارد که جواب هایی که از جواب قبل به دست می آیند، الزاماً بهتر از جواب های قبلی باشد. ولی این روش بالاتر بودن احتمال جواب های برتر در نسل بعد را تضمین می کند.

تعریف هر کروموزوم

هر کروموزوم به 2m مجموعه ژن تقسیم می شود که m برابر با تعداد فعالیت های یک پروژه می باشد. در درون هر ژن، گزینه انتخابی که شامل مدت زمان انجام هر فعالیت و هزینه اجرایی استفاده می باشد قرار می گیرد. در کنار هر ژن، زودترین زمان شروع هر فعالیت با توجه به گزینه انتخابی در درون ژن بعدی قرار می گیرد. در کنار هر کروموزوم پارامترهای زیر محاسبه می شوند:
1- مسیر بحرانی پروژه
2- زمان کلی
3- هزینه نهایی
4- متغیری منطقی جهت نشان دادن ارضا شدن شرایط منابع محدود

مرور

هیچ دیدگاهی برای این محصول نوشته نشده است.