در این تحقیق، یک تسهیل دوباره کاری با ایستگاه های مستقل برای دوباره کاری محصولات نامنطبق بررسی می شود. این مسئله در چهار حالت مختلف در نظر گرفته می شود. در حالت اول، ظرفیت ایستگاه ها محدود است و در حالت دوم، علاوه بر محدودیت ظرفیت ایستگاه ها استراتژی برون سپاری نیز در نظر گرفته می شود. ابتدا هر ایستگاه به صورت سیستم صف m/m/1/k مدل می شود که در آن k متغیر است. سپس یک مدل برنامه ریزی دو هدفه غیر خطی عدد صحیح برای پیدا کردن ظرفیت بهینه توسعه داده می شود. تابع هدف اول سعی در کاهش زمان های انتظار و تابع هدف دوم سعی در بیشینه کردن بهره وری ایستگاه ها دارد. برای حل این مسئله پیچیده غیرخطی عدد صحیح، از میان روش های تصمیم گیری چند هدفه، هفت روش برتر انتخاب می شود تا مسئله دو هدفه به تابع یک هدفه تبدیل شود. برای حالت اول، فقط از نرم افزار gams و در حالت دوم به دلیل پیجیدگی مسئله از الگوریتم های فراابتکاری استفاده می شود. الگوریتم های فراابتکاری رقابت استعماری، ژنتیک و شبیه سازی انجماد تدریجی برای پیدا کردن جواب بهینه مسئله ی تک هدفه توسعه داده می شوند. در حالت سـوم و چهارم، مسـئله با هـدف تعیین تعداد خدمت دهندگان در هر ایـستگاه تـعریف می شود. هر ایستگاه به صورت صف m/m/m که در آن m متغیر است مدل می شود. سپس دو مدل برنامه ریزی غیر خطی عدد صحیح دو هدفه و سه هدفه توسعه داده می شود. در این جا تابع هدف اول مانند قبل سعی در کاهش زمان انتظار محصولات و تابع هدف دوم سعی در افزایش قابلیت اطمینان ماشین آلات دارد. در حالت چهارم علاوه بر این اهداف، تابعی به منظور کاهش بیکاری ماشین آلات اضافه می شود. برای حل این دو مدل از دو الگوریتم فراابتکاری چند هدفه، نسخه دوم الگوریتم ژنتیک با مرتب سازی نامغلوب و الگوریتم ژنتیک مبتنی بر رتبه بندی نامغلوب ها استفاده می شود. در الگوریتم های تک هدفه و چند هدفه فراابتکاری، ابتدا بهترین عملگرها انتخاب می شوند. سپس، پارامترهای مهم الگوریتم های ذکر شده با استفاده از تحلیل رگرسیون تنظیم می شوند. بر اساس آزمون های آماری t و دانکن و روش چند شاخصه تاپسیس، روش برتر حل هر حالت از مسئله تعیین می شود. برای اعتبار سنجی روش های حل از نرم افزار gams در اندازه کوچک استفاده می شود. در انتها، چندین مثال عددی برای نشان دادن کارایی الگوریتم های توسعه داده طراحی می شود.

بیشتر محققان در زمینه زمانبندی پژوهش خود را با این فرض که ماشین ها همیشه در دسترس هستند، انجام داده اند. اما در دنیای واقعی، ممکن است این فرض به سبب برنامه ریزی تعمیرات و نگهداری پیشگیرانه درست نباشد. فرض دیگری که در بعضی صنایع مانند نساجی و خودرو سازی می تواند معتبر نباشد، این است که زمان های آماده سازی را در نظر نگرفته و یا آن را مستقل از توالی دانسته و به زمان پردازش کارها اضافه شود. در این پایان نامه، جریان کارگاهی مختلط همراه با زمان های آماده سازی وابسته به توالی و سیاست های مختلف تعمیرات و نگهداری را مورد بررسی قرار می دهیم. هدف این مسیله کمینه سازی زمان تکمیل کارها یا cmax است. سه الگوریتم ابتکاری و دو الگوریتم فوق ابتکاری برای پیدا کردن جواب بهینه و یا نزدیک بهینه اریه می شود. عملکرد الگوریتم ها به وسیله مقایسه جواب های آنها، ارزیابی می شود. نتایج آزمایشات کامپیوتری در سه خط مشی مختلف تهمیرات و نگهداری پیشگیرانه نشان می دهد که الگوریتم ژنتیک عملکرد بهتری دارد

امروزه رقابت بین شرکت ها به حدی رسیده است که شرکت ها به تنهایی از عهده نیازهای خود برنمی آیند و نیازمند همکاری با سایر شرکت ها هستند تا در صحنه رقابت باقی بمانند. یکی از چالش های مهم مدیریتی، هماهنگ سازی جریان مواد بین چندین سازمان و در درون هر سازمان است این هماهنگ سازی در مدیریت زنجیره تامین انجام می شود. به همین دلیل مدیریت صحیح زنجیره تامین به یک امر حیاتی برای شرکت ها تبدیل شده است. یکی از مهمترین تصمیم ها در مدیریت زنجیره تامین، تصمیم در مورد مکانیابی تاسیسات و تخصیص تاسیسات به یکدیگر و به مشتریان است. این تصمیمات در طراحی شبکه زنجیره تامین گرفته می شود. در پژوهش هایی که تا امروز انجام شده به شبکه زنجیره تامین دوسطحی با برآورده کردن تقاضا به صورت چندحالته پرداخته نشده است و جای خالی این مبحث در ادبیات موضوع احساس می شود. همین امر انگیزه ی اصلی انتخاب موضوع این پایان نامه را شکل داده است. در این حالت از تامین تقاضا این مزیت وجود دارد که برای تقاضای پایین مشتریان که درآمد زیادی را نصیب شرکت نمی کند، ملزم به ایجاد تسهیلات جدید نیستیم. همین امر باعث افزایش سود شرکت و کاهش هزینه های ناشی از ایجاد تاسیسات جدید می شود. در زنجیره تامین هر مشتری تقاضایی دارد که باید تامین شود، ولی معمولا میزان تقاضای مشتریان انعطاف پذیر است و اگر همه تقاضا هم برآورده نشود و بخش قابل قبولی از آن تامین گردد کماکان رضایت مشتری را به دنبال دارد. به همین منظور برای تقاضای هر مشتری با توجه به شناخت قبلی و توافقات دوجانبه بین شرکت و مشتریان، چند حالت برای تامین تقاضای مشتریان تعریف می گردد و شرکت ملزم می شود که یکی از این حالت های تقاضای مشتریان را تامین کند. این حالت ها کسری از تقاضای کلی مشتریان هستند. در این پایان نامه برای مسئله تامین تقاضا به صورت چندحالته که در زنجیره تامین موضوع جدیدی است یک مدل برنامه ریزی خطی عددصحیح مختلط ارائه شده است و سپس راه حلی برای این مسئله ارائه داده شد. با توجه به np-hard بودن مسئله، یک الگوریتم ابتکاری مبتنی بر روش آزادسازی لاگرانژ توسعه داده شده است. در انتها عملکرد الگوریتم را با دو مجموعه مثال کوچک و بزرگ ارزیابی کردیم. نتایج حاصل از ارزیابی الگوریتم، نشان داد که الگوریتم پیشنهادی هم از لحاظ کیفیت جواب و هم زمان لازم برای اجرا عملکرد بسیار خوبی دارد.

با توجه به محدود بودن منابع دردسترس و افزایش تنوع در تقاضای مشتریان در اغلب شرکت ها، زمانبندی منابع منجر به افزایش کارایی و بهره برداری از ظرفیت موجود در سازمان می شود. استفاده ی بهینه از ظرفیت منابع، در نهایت افزایش سوددهی شرکت را درپی خواهد داشت. بنابراین در سال های اخیر توجه محققین به تحقیق و مطالعه در حوزه ی مسائل زمانبندی افزایش چشمگیری یافته است. یکی از رایج ترین مسائل زمانبندی، مسئله کار کارگاهی انعطاف پذیر است که تعمیم یافته ی مسئله کار کارگاهی است. در پژوهش های قبل که در زمینه مسئله کار کارگاهی انعطاف پذیر انجام شده است، زمان انتقال هر کار از یک ماشین به ماشین دیگر در نظر گرفته نشده است. این امر باعث می شود که مدل های ارائه شده تابحال، به طور کامل بازگو کننده مسائل دنیای واقعی نباشند. این موضوع انگیزه ی اصلی انجام این پایان نامه را فراهم آورده است. در این رساله، زمان های حمل و نقل بین ماشین ها برای مسئله کار کارگاهی انعطاف پذیر در نظر گرفته شده و سعی شده-است مسئله در این حالت مدل سازی و حل شود. فرضی که بر اساس آن مدل سازی انجام شده بدین شکل است که کارها پس از پردازش شدن روی یک ماشین می توانند بلافاصله به روی ماشین دیگر منتقل شوند و منتظر وسیله حمل و نقل نباشند. برای این مسئله دو مدل برنامه ریزی خطی مختلط عدد صحیح (milp)، مبتنی بر توالی و مبتنی بر موقعیت ارائه شده و عملکرد آن ها با یکدیگر مقایسه شده است. از آنجا که این مسئله از نوع مسائل np-hard می باشد، حل مدل و یافتن جواب بهینه برای مسائل در سایز بزرگ، مستلزم صرف زمان بسیار زیاد و چه بسا غیر ممکن می-باشد. بنابراین برای حل این مسئله، از یک الگوریتم فرا ابتکاری استفاده کرده ایم. بدین منظور، الگوریتم رقابت استعماری که با یک روش جستجوی محلی مبتنی بر شبیه سازی تبرید ترکیب شده ، برای این مسئله توسعه داده شده است. در انتها، پس از تنظیم پارامترهای الگوریتم پیشنهادی، عملکرد آن در مقایسه با سایر الگوریتم های موجود در ادبیات موضوع بررسی شده است. نتایج مقایسات و تحلیل آماری آن ها، این موضوع را نشان دادند که الگوریتم ارائه شده عملکرد بهتری در مقایسه با سایر الگوریتم ها دارد.

با توجه به رقابت تنگاتنگ موجود بین سازمان های تولیدی، یکی از بزرگ ترین چالش های این سازمان-ها چگونگی برنامه ریزی سازمان برای استفاده از منابع به منظور دستیابی به نحوه استفاده بهینه از منابع سیستم است. در واقع سازمانی موفق است که بتواند به بهترین نحو از منابع خود استفاده کند. داشتن برنامه ریزی تولید مناسب در طول افق برنامه ریزی عاملی است که استفاده بهینه از منابع سازمان اعم از منابع انسانی، تجهیزات،منابع مالی و ... را به دنبال خواهد داشت. از این رو محققان بسیاری در زمینه های مرتبط با مسائل برنامه ریزی تولید به پژوهش پرداخته اند. مسئله زمان بندی و تعیین اندازه انباشته یکی از مهم ترین و در عین حال دشوار ترین مسائل مربوط به برنامه ریزی تولید است. آنچه در این رساله مورد بررسی قرار گرفته، مسئله تعیین همزمان اندازه-انباشته و زمان بندی است که محیط های تولیدی کار کارگاهی چند محصولی، چند دوره ای با ماشین-های با ظرفیت محدود را لحاظ می کند. تقاضای محصولات پویا و قطعی است و در انتهای هر دوره از افق برنامه ریزی می بایست تقاضای محصولات مختلف در آن دوره پاسخ گفته شود. در این مسئله فرض بر این است که هر محصول در طول فرایند تولید خود مجاز است حداکثر یک بار از هر مرحله عبور کند و از طرفی به هنگام تغییر تولید از یک محصول به محصولی دیگر روی یک ماشین، هزینه و زمانی به سازمان تحمیل می شود که وابسته به توالی محصولات تولیدی است و راه اندازی ها قابلیت انتقال از یک دوره به دوره آتی را دارند. ساختاری که برای محصولات تولیدی سازمان در نظر گرفته شده است، ساختار محصولی کلی است. در مدلی که برای مسئله با فرضیات فوق طراحی شده است، هدف تعیین میزان تولید هر محصول روی هر ماشین در هر دوره، تعیین زمان بندی تولید محصولات روی ماشین آلات، تعیین زمان و میزان بی کاری ماشین آلات می باشد، به نحوی که مجموع هزینه های سیستم حداقل گردد. هزینه های سیستم مجموع هزینه نگهداری موجودی، هزینه بی کاری، هزینه تولید و هزینه راه اندازی ماشین آلات می باشد. مسائل برنامه ریزی تولید در حالت ساده و ابتدایی خود در دسته مسائل np-hard قرار می گیرند. حال با توجه اضافه شدن فرضیات فوق به مسئله، قطعاً به درجه پیچیدگی محاسباتی مسئله افزوده می شود که در این حالت نیاز به استفاده از الگوریتم های ابتکاری و فرا ابتکاری برای حل مسئله امری انکار ناپذیر است. با توجه به np-hard بودن مسئله مورد بررسی، برای مقایسه عملکرد الگوریتم های طراحی شده در ابعاد بزرگ تر، نیاز به معیاری غیر از جواب بهینه مسئله است. از این رو، دو حد پاینن محاسباتی برای مدل طراحی و توسعه داده شد و در نهایت با توجه به نتایج بررسی نمونه های حل شده یکی از این دو حد پایین به عنوان معیار مقایسه انتخاب شد تا عملکرد الگوریتم ها بر اساس آن سنجیده شود. الگوریتم هایی که در این پژوهش به کار گرفته شده اند، الگوریتم های جدیدی هستند که با توجه به ویژگی های الگوریتم های به کار رفته برای حل این نوع از مسائل انتخاب شده اند. دو الگوریتم ابتکاری برای حل مدل ارائه شده طراحی شده است، یکی مبتنی بر الگوریتم ژنتیک بوده و گام های آن به گونه ای طراحی شده است که فضای جستجوی الگوریتم فقط به فضای شدنی مسئله محدود می شود. دومین الگوریتم مبتنی بر جابجایی تولید در طول دوره های افق برنامه ریزی است. روشی که برای تنظیم پارامترهای الگوریتم به کار گرفته شده است، روش طراحی آزمایش تاگوچی است.

از زمانیکه مفهوم تولید به موقع در مسائل زمانبندی راه یافت، توجه به موعد تحویل و کاهش دیر کرد در تولید و تولید زودهنگام در مسائل زمانبندی دوچندان شد. اغلب تحقیقات در زمینه مسائل جریان کارگاهی به دو دلیل توالی کارها روی هر ماشین را به صورت یکسان در نظر گرفتند اول به این دلیل که پیچیدگی محاسباتی به صورت چشمگیری کاهش می یافت و دوم اینکه اغلب تغییر توالی کارها از یک ماشین به ماشین بعدی کاربردی نبود.به همین دلیل ما مسأله جریان کارگاهی جایگشتی را مورد توجه قرار دادیم، باتوجه به اهمیت این مقوله در این پژوهش ابتدا به معرفی مسأله جریان کارگاهی جایگشتی با هدف مینیمم سازی همزمان دیر تولید و زود تولید می پردازیم. در این مسأله موعد تحویل برای هر کار بصورت مجزا و زمان بیکاری در ابتدای پردازش هر کار، مجاز درنظر گرفته شده است. مجاز بودن زمان بیکاری باتوجه به بی قاعده بودن تابع هدف می تواند تا حد زیادی به جلوگیری از افزایش تولید زودهنگام بینجامد.به دلیل تأثیرات عمیق این موضوع بر هزینه های مربوط به نگهداری موجودی، کالاهای فسادپذیر، هزینه های پرداختی به مشتریان بابت دیرکرد، از دست دادن مشتری و از این قبیل هزینه ها کاهش همزمان تولید زود هنگام و دیر کرد در تولید را در مسائل جریان کارگاهی جایگشتی مورد توجه قرار دادیم و برای نزدیکتر شدن جواب مسأله به جواب واقعی از پدید? اثر یادگیری که بصورت وابسته به مکان در نظر گرفته شده استفاده کردیم. این مسأله بدلیل ماهیت پیچیده آن در زمره مسائل np hard قرار می گیرد و حل این مسأله و رسیدن به جواب بهینه مستلزم صرف زمان بسیار زیادی است و چه بسا در بسیاری از موارد حل آن حتی در ابعاد متوسط غیر ممکن است. بنابراین برای حل این مسأله از رویکردهای فراابتکاری الگوریتم شبیه سازی تبرید (sa) و الگوریتم ژنتیک (ga) بهره می بریم سپس به ارائه الگوریتمی ترکیبی از این دو الگوریتم می پردازیم و از الگوریتم پیشنهادی لی و چویی (1993) که برای مسائل تک ماشینه ارایه شده بود برای بدست آوردن بهترین زمانبندی به عنوان تابع مطلوبیت الگوریتم استفاده کردیم . پس از ایجاد مسائل نمونه و حل آنها توسط رویکردهای پیشنهادی و تنظیم پارامترها ، با مقایسه نتایج ،حاصل عملکرد الگوریتم ها را تحلیل و ارزیابی می-کنیم . در نهایت الگوریتم ترکیبی برای یافتن جوابهای با کیفیت بالا کارایی بیشتری از خودشان میدهد.

تطبیق عوامل کنترل (متغیرهای مستقل) برای رسیدن به سطوح بهینه ی خروجی (متغیر پاسخ) معمولا در بیشتر مسائل بهینه سازی جهان واقعی مورد نیاز است. روش های متداول بهینه سازی، اغلب با برآورد رابطه ی بین این متغیرها جهت تولید متغیرهای مورد نیاز مسئلهآغاز می شود. در بین این روش ها، در سال های اخیر روش سطح پاسخ (rsm)، به علت سادگی اش بسیار جالب توجه بوده است. هرچند از یک طرف، در برخی از موارد رابطه ی بین متغیر پاسخ و مستقل برای برآورد با استفاده از مدل های رگرسیون چندجمله ای بسیار پیچیده است. از طرف دیگر حل این مدل بهینه سازی بدست آمده، با روش های دقیق آسان نیست. به این منظور، از روش های مدل سازی رگرسیون چندجمله ای، شبکه عصبی مصنوعی و الگوریتم فراابتکاری ژنتیک استفاده شده است. از روش های رگرسیون چندجمله ای و شبکه های عصبی برای تولید داده های ورودی مورد نیاز و از تکنیک های تصمیم گیری چندهدفه ی مختلف برای مدل سازی مسئله آماری چندهدفه استفاده نمودیم. سرانجام الگوریتم ژنتیک تک هدفه و الگوریتم ژنتیک رتبه بندی نامغلوب (nsga) برای بهینه سازی مدل پیشنهادی و پیدا کردن سطوح عوامل کنترل به کار رفته است. در پایان کاربرد و عملکرد روش پیشنهادی با استفاده از مثال های عددی مختلف نشان داده شده است.

روند رو به رشد رقابتی شدن در اقتصاد جهانی امروز، شرکت ها را برآن داشته است تا از مزایای به کارگیری مدیریت زنجیره تامین در راستای افزایش رقابت پذیری و کارایی بهره جویند. در این پایان نامه، بهینه سازی چندهدفه یک شبکه زنجیره تامین سه سطحی چندمحصولی چنددوره ای شامل مراکز تولید، مراکز توزیع و گره های مشتری درحالی مدیریت می شود که مراکز توزیع مفروض برای باز کردن انبارها دارای عدم اطمینان در طول زمان کارکردشان هستند. این موضوع تولید و پخش مراکز تولید و مهم تر از آن سرویس دهی انبارها به مشتریان نهایی را تحت تاثیر قرار داده و می تواند موجبات کمبود در تقاضای محصولات و به دنبال آن افزایش هزینه های زنجیره را ایجاد نماید. بنابراین، مهم ترین هدف پژوهش حاضر اتخاذ بهترین تصمیم گیری های استراتژیک مرتبط با تعیین تعداد و مکان انبارها با قابلیت اطمینان بیشتر است. به هر حال ادبیات در زمینه طراحی شبکه زنجیره تامین تحت عدم قطعیت هنوز جای کار دارد. از طرفی اکثر مسایل واقعی طراحی زنجیره تامین توسط منابع متعددی از عدم قطعیت تجاری و تکنیکی مشخص می شوند. بنابراین این فرضیه که همه پارامترهای مدل از قبیل ضرایب هزینه، تامین ها، تقاضاها که با اطمینان شناخته شده هستند، واقع گرایانه نیست. در این پژوهش علاوه بر فرض پایایی تسهیلات در لایه توزیع کنندگان، تمامی پارامترهای هزینه، پارامترهای مرتبط با تولید محصولات توسط کارخانه ها و نیز تقاضای مشتریان احتمالی در نظر گرفته می شوند. با این وجود، مدل های پیشنهادی مساله حاضر در دسته مسایل پیچیده از نظر حل هستند به طوری که برای حل آن ها از انواع الگوریتم های فراابتکاری تک هدفه و چندهدفه استفاده می شوند. به منظور بکارگیری الگوریتم های فراابتکاری پیشنهادی در این پژوهش، یک کروموزوم سه بخشی براساس اعداد جایگشتی در نظر گرفته و برای رمزگشایی آن یک روش ابتکاری توسعه داده می شود. این روش خود شامل سه الگوریتم براساس اولویت است که برای رمزگشایی هریک از سه بخش بکار گرفته می شوند. در نهایت، چندین مساله نمونه با ابعاد مختلف طراحی می شوند تا کارایی الگوریتم ها در ابعاد بزرگ به خوبی ابعاد کوچک بررسی شده و الگوریتم های موثرتر و کاراتر شناسایی شوند.

مسائل سیاسی، اقتصادی، اجتماعی و عوامل دیگری از این دست، از نظر روانی تاثیر چشم‏گیری بر قیمت دارایی‏های مالی می گذارد. با این وجود، مدل‏های بهینه سازی پورتفوی جنبه‏های احساسی و غیرمنطقیِ بازارهای مالی را نادیده می گیرند. از این رو، تحقیق حاضر با ترکیب تئوری میانگین-واریانس و روان‏شناسیِ جمعیِ بازار، شیوه‏‏ای نوین برای بهینه سازی پورتفوی ارائه می‏کند. استراتژی ارائه شده در این تحقیق، افق سرمایه‏گذاری را به زیردوره‏های کوتاه‏تری تقسیم کرده و در ابتدای هر زیردوره، پورتفوی را با درنظرگرفتن وضع روانی بازار، به‏روز می‏کند. به این منظور، روان-شناسی بازار به یک مجموعه معیار برای ارزیابی دارایی های مالی تبدیل شده و فرآیند استدلال و استنتاجی که تحلیل‏گران تکنیکال از آن بهره می‏برند نیز جهت اندازه گیری معیارها در یک محیط فازی شبیه‏سازی ‏می شود. این‏کار با هدف تعیین امکان بالاتر و پایین‏تر بودن قیمت دارایی ها نسبت به ارزش ذاتیِ آن ها انجام می‏گیرد. سپس، با توجه به درجه امکان‏های محاسبه شده و متناسب با خصوصیات سرمایه‏گذار، یک مدل برنامه‏ریزی فازی در چهارچوب مدل مارکوویتز، پورتفوی را به‏روز می‏کند. برای نزدیک‏تر شدن به شرایط واقعی بازار، این مدل هزینه‏های معاملات را با نرخ های متفاوتی برای خرید و فروش دارایی ها درنظر می‏گیرد و پورتفوی را در حضور یک دارایی بدون ریسک، بهینه‏سازی می‏کند. یک مطالعه تجربی روی داده‏های واقعی مربوط به 30 شرکت فعال در بورس اوراق بهادار تهران صورت گرفته است که کارایی مدل را بررسی کرده و آن را با استراتژی‏های دیگر، شامل استراتژی خرید و نگهداری و یک مدل متعارفِ به‏روز رسانی پورتفوی، مقایسه می‏کند. این مطالعه، مدل را برای سه سرمایه‏گذار محتاط، میانه‏رو و ریسک پذیر، آزمایش می‏کند. نتایج به‏دست آمده نشان می دهد که مدل پیشنهادی نسبت به مسائل روانیِ بازار پاسخِ مناسب نشان می‏دهد. بر اساس این نتایج می‏توان بیان کرد که برای هر سه سرمایه‏گذار، استراتژیِ پیشنهاد شده به طور قابل توجهی بهتر از شاخص بازار و سایر استراتژی‏های مورد بررسی، عمل می‏کند.

یکی از مسائل مهم در کارخانجات تولیدی و شرکت های خدماتی موضوع زمانبندی است که به تخصیص منابع در طول زمان می پردازد. انبار متقاطع مکانی برای ترکیب محصولات ورودی است و زمان چرخه را کاهش می دهد. بنابراین در سال های اخیر، تحقیق و مطالعه در حوزه مسائل زمانبندی افزایش چشمگیری داشته است. در همین راستا، در این تحقیق به بررسی و توسعه مسئله زمانبندی انبارهای متقاطع با وجود چندین درب تخلیه و بارگیری پرداخته شده است. این مسئله با معیار ماکزیمم زمان تکمیل کارها توسعه داده و در قالب یک مدل ریاضی ارائه شد. مدل پیشنهاد شده از دسته مسائل برنامه ریزی غیرخطی به شمار می رود و به دلیل ماهیت پیچیده آن در زمره مسائل np-hard قرار می گیرد. حل این مسئله و رسیدن به جواب بهینه مستلزم صرف زمان زیادی است و در بسیاری موارد غیر ممکن است. بنابراین برای حل این مسئله از رویکرد فراابتکاری الگوریتم هیبرید جستجوی هارمونی و جستجوی همسایگی برای یافتن جواب بهینه یا نزدیک به بهینه استفاده شد. با ایجاد مسائل نمونه به تنظیم پارامتر پرداختیم. با اجرای چندین مسئله در سایز های کوچک و بزرگ عملکرد الگوریتم پیشنهادی را ارزیابی کردیم و نشان داده شد که الگوریتم hsvns عملکرد بهتری نسبت به بقیه الگوریتم ها دارد.

موضوع اصلی این پژوهش تعیین اولویتهای پرداخت بدهیهای یک سازمان درگیر در زنجیره تامین به تامینکنندگانش میباشد. مبالغ این بدهیها وابسته به زمان پرداختشان میباشد و ممکن است مشمول تخفیف یا جریمه شوند. مهمترین محدودیت سازمان، نداشتن نقدینگی لازم برای پرداخت هرچه سریعتر بدهیهاست. گرچه زمان دریافت درآمدهای حاصل از فروش خدمات یا محصولات سازمان به مشتریانش مشخص است، اما مقادیر این دریافتیها غیرقطعی و بطور خاص فازی میباشند. برای مواجهه عدم قطعیت مدل، رویکرد میانگین-واریانس، و برای محاسبهی امیدریاضی و واریانس متغیرهای فازی از تئوری اعتبار و hsfa و hbfa ،hgfa ، شبیهسازی فازی استفاده شدهاست. درنهایت برای حل مساله، از سه الگوریتم فراابتکاری ترکیبی استفاده شده و با استفاده از نتایج آماری، بهترین الگوریتم حل انتخاب شدهاست.

با توجه به افزایش روزافزون رقابت جهانی، برنامه ریزی تولید و زمان بندی به عنوان یکی از زیرمجموعه های آن، نقش مهمی در عرصه تولید دارند. زمان بندی منجر به کاهش چرخه تولید محصولات و به تبع آن کاهش چشمگیر هزینه های تولید گشته و به عنوان یک مزیت رقابتی در جهت افزایش سطح خدمت به مشتریان مطرح است. محیط تولید جریان کارگاهی یکی از پرکاربردترین و پرمطالعه ترین انواع محیط های تولید است که در حالت کلاسیک آن، کارها پیش از تکمیل پردازش خود بر روی یک ماشین، امکان انتقال و پردازش بر روی ماشین بعدی را ندارند. جریان انباشته راهکاری است که با تقسیم کارها به زیرانباشته ها و ایجاد هم پوشانی میان پردازش آنها، سبب کاهش زمان بیکاری ماشین ها و کاهش معیارهای زمانی می گردد. این تحقیق مساله زمان بندی جریان کارگاهی با جریان های انباشته را با بیش از یک ماشین و بیش از یک کار، با داشتن زیرانباشته های برابر در هر دو حالت با وقفه و بدون وقفه میان پردازش زیرانباشته های یک کار در نظر می گیرد. شرط عدم پیش دستی در پردازش یا عدم ترکیب زیرانباشته های کارهای گوناگون در توالی مساله لحاظ شده و تابع هدف کاهش میکسپن است. دو مدل ریاضی خطی عدد صحیح مختلط برای این مساله پیشنهاد شده است که به دلیل ماهیت np-hard آن، جهت حل در اندازه های بزرگ، از الگوریتم های فراابتکاری بهره گرفته می شود. الگوریتم ارائه شده ترکیبی است از الگوریتم های رقابت استعماری و مدل احتمالی بر مبنای الگوریتم تخمین توزیع، که در آن از یک متد سرعت بخشی استفاده شده است. در ادامه عملکرد الگوریتم مذکور با برخی از جدیدترین الگوریتم های به کاررفته در ادبیات مساله (الگوریتم جست وجوی هماهنگی، الگوریتم جهش حلقه های متحرک و الگوریتم تخمین توزیع) مورد مقایسه قرار گرفته و کارایی آن بر اساس تحلیل های آماری بررسی شده است. نتایج حاصل نشان دهنده عملکرد بهتر الگوریتم معرفی شده، به ویژه با افزایش اندازه مسائل است.

مساله انتخاب و زمان بندی پروژه با منابع محدود و سود وابسته به زمان، از جمله معروف ترین و چالش برانگیزترین مباحث در مسائل مدیریت پروژه، تحقیق در عملیات و بهینه سازی می باشد که امروزه بدلیل 1-پیچیدگی های خاص اینگونه مسائل و مدل های ارائه شده برای آن و 2- اهمیت بالا و نیاز دنیای رقابتی کنونی به انتخاب بهترین گزینه ها و به انجام رسانیدن پروژه ها با صرف کمترین هزینه و منابع ممکن، در چارچوب تعهدات کیفی و زمان از پیش تعیین شده، ارائه و بکار گیری مدل ها و الگوریتم های کارا با اثربخشی بالا را به امری ضروری تبدیل گردیده، و بسیاری از محققین و دانشگاهیان و صاحبان صنایع مختلف را به چالش کشیده است. در پژوهش حاضر سعی بر آن است تا: ابتدا ادبیات موضوع و پژوهش های اساسی در مدل سازی و حل این دسته از مسائل مورد بررسی قرار گرفته و سپس کاستی ها و نقص های موجود شناسایی شوند. سپس راه حل هایی در دو بخش مدل سازی و حل ارائه گردند. در بخش مدل سازی، مدلی خطی برای اینگونه مسائل ارائه می گردد و در بخش حل نیز الگوریتمی فراابتکاری بر مبنای الگوریتم مورچگان و الگوریتم های تقلیدی برای حل این گونه مسائل ارائه می شود. سپس با استفاده از این الگوریتم و الگوریتم های پیشین به حل مساله در اندازه های مختلف پرداخته میشود. در نهایت ارزیابی ها و مقایسات مختلف در هر دو جنبه کارایی و اثر بخشی پژوهش ارائه خواهد شد.

شبکه های هاب بخش عمده ای از مطالعات در حوزه تئوری مکان یابی را به خود اختصاص داده اند. این مسائل در زمینه های متعددی از جمله خطوط هوایی، زمینی، دریایی، تحویل محموله های پستی و شبکه های کامپیوتری و مخابراتی استفاده می شوند. طراحی شبکه در بسیاری از مسائل حمل و نقل و ارتباطات موضوع مهم و اصلی است، زیرا تاثیر زیادی بر روی کارایی و هزینه اقتصادی نهایی سرویس دارد. در مواردی ارتباط مستقیم میان گره های غیرهاب بسیار گران است بهتر است کالاها از گره های دیگری که هاب نامیده می شوند، حرکت کنند. به همین دلیل به جای استفاده از اتصالات مستقیم مبدا به مقصد، اتصالات غیر مستقیم ( اتصال به هاب) به کار گرفته می شود. در چنین مواردی، هدف از تشکیل شبکه، دادن اجازه حرکت به جریان کالاها از میان گره های غیرهاب توسط گره های هاب است. هدف اصلی این مساله مرکزیت زدایی است که در مسائل مکان یابی کلاسیک مطرح است. در این پایان نامه تمرکز مطالعات بر روی مساله p-هاب مرکز با تخصیص تکی و با محدودیت محدود است. این مدل در سیستم -های حساس به زمان بیشتر مورد استفاده قرار می گیرد. با ارائه مدلسازی و الگوریتم های حل متاهیوریستیک ژنتیک و bbo به حل این مساله می پردازیم و هدف مقایسه الگوریتم های پیشنهادی و به دست آوردن پارامترهای بهینه برای حل مساله است. همچنین ما یک کدینگ اولیه جدید ارائه کردیم که می توان در مدل های دیگر مسائل مکان یابی هاب نیز استفاده شود.

در اکثر مطالعاتی که در زمینه مسائل کنترل موجودی برای کالاهای فسادپذیر صورت گرفته است. نرخ فساد به صورت عددی ثابت در نظر گرفته شده است. در حالیکه در نظر گرفتن چنین شرایطی منطبق بر واقعیت نخواهد بود. در این پایان نامه سعی شده این خلا مرتفع گردد. بنابراین دو مدل زیر را مطرح و نسبت به حل آن ها اقدام می نماییم. 1. مدل سفارش اقتصادی در حالت تورمی برای کالای فاسد شونده غیرآنی در حالی که نرخ فساد تابعی از حداکثر طول عمر محصول بوده، کمبود مجاز و به صورت پس افت ناقص می باشد همچنین تاخیر در پرداخت مجاز می باشد. در این مدل ، هدف حداکثرسازی ارزش فعلی کل سود در طول افق زمانی محدود می باشد. در ادامه الگوریتمی جهت حل آن ارائه شده و سپس مثال عددی و آنالیز حساسیت به منظور تشریح بهتر مدل ارائه می گردد. 2. مدل سفارش اقتصادی برای کالای فاسد شونده غیرآنی در حالی که نرخ فساد به صورت تئوری گواه در نظر گرفته می شود، کمبود مجاز و به صورت پس افت ناقص می باشد همچنین تاخیر در پرداخت مجاز می باشد. در این مدل، هدف حداکثرسازی کل سود در طول افق زمانی نا محدود می باشد. با توجه به وجود پارامتر فساد به صورت تئوری گواه، الگوریتم های فراابتکاری ژنتیک و اجتماع پرندگان جهت حل مدل ارائه شده و عملکردشان با هم مقایسه می گردد.

در این پژوهش به مطالعه و بررسی مدلهای ریاضی مسئله بالانس خط تولید پرداخته میشود. مدلهای متنوعی توسعه داده شده و این مدل ها با استفاده از روشهای گوناگون بهبود می یابند. آزمایش روی داده های موجود در ادبیات، عملکرد خوب مدلها و روشهای بهبود را نشان میدهند.

تامین کنندگان جزء حیاتی یک سازمان می باشند که می توانند اثرات زیادی بر عملکرد سازمان داشته باشند.فرایند انتخاب تأمین کننده، یکی از ضروری ترین فعالیت ها برای ایجاد زنجیره تأمین مناسب است. تصمیم گیری در مورد انتخاب تأمین کننده نقش قابل توجهی در تولید و مدیریت لجستیک شرکت ها دارد و بسیاری از شرکت های باتجربه بر این باورند که انتخاب تأمین کننده مهم ترین فعالیت یک سازمان به شمار می آید.تأمین کنندگان معمولاً ممکن است بخاطرکاهش موجودی و هزینه های مربوط به خرید و برای ایجاد انگیزه و رغبت در خریدار برای سفارش مقادیر بیشتر به خریدار تخفیف ارائه دهند و همچنین با ارائه تخفیف و فروش بیشتر می توانند در شرایط رقابتی بازار سهم بیشتری از معاملات را نصیب خود کنند و سود کل خود را افزایش دهند.

در این پژوهش هدف زمانبندی مجموعه کارها برای کمینه کردن همزمان دو تابع هدف بیشینه زمان تکمیل کارها و کل تاخیرات کارها می باشد به طوریکه برای رسیدن به این هدف یک الگوریتم فراابتکاری بهینه سازی برمبنای زیست جغرافیا ارائه گردید. نتایج بدست آمده برای این الگوریتم با نتایج سه الگوریم دیگر مورد مقایسه قرار گرفت. آزمایشات عددی با استفاده از ابزارهای آماری با عملکرد بالا مورد تجزیه و تحلیل قرار گرفت که نتایج نشان دهنده ی برتری الگوریتم فراابتکاری ارائه شده نسبت به سه الگوریتم دیگر در مسائل با سایز بالا می باشد به طوریکه برای مسئله با بزرگترین سایز برتری الگوریتم بهینه سازی زیست جغرافیا به طور مطلق اثبات می شود.

اما تا کنون برروی انبار متقاطع چند دربه ای که در آن زمان انبارش موقت کالاها به صفر رسیده ( یعنی انبارش موقت مجاز نیست و کالاها به محض تخلیه، بارگیری می شوند) و هر کامیون مجاز باشد عملیاتش را در چند نوبت انجام دهد صورت نگرفته که ما این مهم را با ارائه مدل ریاضی عدد صحیح مختلط به منظور کمینه سازی زمان کلی عملیات انجام دادیم. مدل ریاضی عدد صحیح مختلط را با برنامه لینگو 8 برنامه نویسی و با برنامه cplex 12.0.1 حل کردیم. از آنجاییکه مدل پیشنهاد شده در زمره مسائل np-hard قرار می گیرد حل این مسئله حتی در ابعاد کوچک ساعت ها بطول می انجامد و در بسیاری از موارد غیرممکن است. بنابراین برای حل این مسئله از الگوریتم فرا ابتکاری ژنتیک که با تو جه به توع بروزرسانی جامعه دارای دوساختار متفاوت می شود برای یافتن جواب بهینه یا نزدیک به بهینه استفاده کردیم که در مسائل سایز کوچک جواب کاملا بهینه می دهد