بهینه سازی فازی
ملیحه نیک سیرت؛ مجید عبدالرزاق نژاد
چکیده
هدف: در این مقاله، یک مساله برنامهریزی خطی صفرویک فازی با ضرایب تابع هدف و محدودیتهای فازی در نظر گرفته شده است. هدف مقاله ارائه یک روش جدید برای حل مساله مورد نظر است که فرض فازی بودن پارامترها را در فرآیند حل حفظ میکند و بنابراین، جواب بهدستآمده انطباق بیشتری با شرایط عدمقطعیت حاکم بر مساله دارد.
روششناسی پژوهش: در این ...
بیشتر
هدف: در این مقاله، یک مساله برنامهریزی خطی صفرویک فازی با ضرایب تابع هدف و محدودیتهای فازی در نظر گرفته شده است. هدف مقاله ارائه یک روش جدید برای حل مساله مورد نظر است که فرض فازی بودن پارامترها را در فرآیند حل حفظ میکند و بنابراین، جواب بهدستآمده انطباق بیشتری با شرایط عدمقطعیت حاکم بر مساله دارد.
روششناسی پژوهش: در این مقاله، یک رویکرد جدید بر اساس روش کِر تطبیق داده شده برای حل مساله مورد بررسی پیشنهاد شده است. ایده پیشنهادی یک روش شاخهوکران فازی جدید است که در آن، در هر گره از درخت شاخهوکران، فرم آزادسازی-شده خطی مساله با یک روش سیمپلکس فازی جدید بر مبنای روش کِر تطبیقدادهشده حل میشود.
یافتهها: مثالهای عددی جهت تشریح روش پیشنهادی بهصورت گامبهگام ارائه شده است و نتایج بهدستآمده با سایر روشهای حل مساله برنامهریزی خطی صفرویک فازی مقایسه شده است.
اصالت/ارزش افزوده علمی: رویکرد پیشنهادی مقاله، بر خلاف فرآیندهای غیرفازیسازی یا استفاده از توابع رتبهبندی فازی در ادبیات موجود برای مساله تحقیق، فرض فازی بودن را در فرآیند حل حفظ نموده و در نتیجه، راه حل واقعیتری ارائه می دهد.
بهینه سازی فازی
ملیحه نیک سیرت
چکیده
هدف: در دوران همهگیری ویروس کرونا و در راستای رعایت قوانین فاصلهگیری اجتماعی، اپراتورهای حملونقل عمومی میبایست با ظرفیتهای کمتری فعالیت کنند. از آنجا که ممکن است تقاضا در مناطق مختلف و در ساعات مختلف روز بیش از ظرفیت باشد، رانندگان مجبورند از خدمترسانی به مسافران در ایستگاههای خاص خودداری کنند تا از ازدحام جمعیت ...
بیشتر
هدف: در دوران همهگیری ویروس کرونا و در راستای رعایت قوانین فاصلهگیری اجتماعی، اپراتورهای حملونقل عمومی میبایست با ظرفیتهای کمتری فعالیت کنند. از آنجا که ممکن است تقاضا در مناطق مختلف و در ساعات مختلف روز بیش از ظرفیت باشد، رانندگان مجبورند از خدمترسانی به مسافران در ایستگاههای خاص خودداری کنند تا از ازدحام جمعیت جلوگیری شود.روششناسی پژوهش: هدف این مقاله توسعه ابزارهای پشتیبان تصمیمگیری جهت جلوگیری از ازدحام وسایل نقلیه تحت شرایط محدودیتهای ناشی از شیوع بیماری و همچنین عدم قطعیت حاکم بر مساله میباشد. در این مقاله دو نوع عدم قطعیت فازی و سناریومحور درنظر گرفته شده است. بر این اساس یک مدل غیرقطعی برنامهریزی عدد صحیح غیرخطی پویا برای بهدست آوردن الگوی سرویسدهی مطلوب برای وسایل نقلیهای که آماده اعزام هستند، معرفی شده است. برای غلبه بر عدم قطعیت ترکیبی، تئوری امکان بهعنوان یک رویکرد برنامهریزی تصادفی فازی جدید پیشنهاد شده است که مزایای قابلتوجهی دارد.یافتهها: مدل ارایه شده بهطور مشخص یک تعادل بین رعایت فاصلهگیری اجتماعی با کاهش ظرفیت وسایل نقلیه و کاهش زمان انتظار مسافرانی که سرویس را از دست میدهند تحت شرایط عدم قطعیت برقرار میکند. نمونههای عددی برای تشریح مفاهیم و مدل پیشنهادی و مقایسه نتایج ارایه شده است.اصالت/ارزش افزوده علمی: مدل پشتیبان تصمیم پیشنهادشده میتواند الگوهای خدماتی را برای سرویسدهی خطوط مختلف پیشنهاد کند و میتواند به اپراتورهای حملونقل عمومی کمک کند تا مزایا و معایب اجرای الگوهای سرویسدهی مبتنی بر بیماری همهگیر را با توجه به پیشرفتهای عملیاتی و سطح تقاضای مسافران ارزیابی کند.
مدیریت و بودجه ریزی عملیاتی
ملیحه نیک سیرت؛ سید هادی ناصری
چکیده
بیماری کرونا در حال حاضر بحران جهانی سلامت و بزرگترین چالشی است که بشر از زمان جنگ جهانی دوم تاکنون تجربه کرده است. با توجه به همهگیری این بیماری، پیشبینی تعداد موارد مبتلا و مرگومیر ناشی از آن برای درک بهتر شرایط فعلی و تهیه برنامه کوتاهمدت توسط مدیران، بسیار ارزشمند است. بر این اساس، در این مقاله یک مدل شبکه عصبی-فازی برای ...
بیشتر
بیماری کرونا در حال حاضر بحران جهانی سلامت و بزرگترین چالشی است که بشر از زمان جنگ جهانی دوم تاکنون تجربه کرده است. با توجه به همهگیری این بیماری، پیشبینی تعداد موارد مبتلا و مرگومیر ناشی از آن برای درک بهتر شرایط فعلی و تهیه برنامه کوتاهمدت توسط مدیران، بسیار ارزشمند است. بر این اساس، در این مقاله یک مدل شبکه عصبی-فازی برای پیشبینی تعداد موارد مبتلا و مرگومیر ناشی از این بیماری در کشورهایی که بیشتر با این بیماری درگیر هستند پیشنهاد شده است. عملکرد شبکه عصبی-فازی پیشنهادی با شبکههای عصبی پیشبینی سری زمانی و همچنین شبکههای عصبی توابع پایهای شعاعی مقایسه شده است. مدل پیشنهادی قادر است تعداد موارد مبتلا و مرگومیر ناشی از بیماری را برای یک دوره ۱۵ روز آینده با نرخ خطای کمتر پیشبینی کند.