جهانشاهلو یک روش برای حل مسائل برنامه ریزی خطی صفر و یک ارائه کرده است. در این مقاله، مسائل برنامه ریزی خطی کاملاً فازی صفر و یک، فرمول بندی شده و با استفاده از تابع رتبه بندی، روشی برای حل این مسائل معرفی شده است و هم زمان روش انشعاب و کران همراه با یک مثال عددی برای تشریح روش پیشنهادی ارائه شده است.
این مقاله مسائل برنامه ریزی خطی کاملاً فازی که در آن ها همه پارامترها و متغیرها فازی هستند، مورد بحث قرار می دهد. جواب بهینه فازی زمانی واقعی است که در همه محدودیت های مدل صدق کند، یک جواب بهینه قطعی نمی تواند جواب بهینه مسئله ای فازی باشد. روش های جدید یافتن جواب بهینه مسائل برن
مسایل برنامه ریزی خطی تمام فازی مسایلی هستند که تمامی پارامترها اعم از ضرایب متغیرها در توابع هدف، ضرایب متغیرها در محدودیت ها و اعداد سمت راست محدودیت ها و همچنین متغیرهای تصمیم در آنها فازی می باشند. در طی چند سال اخیر چندین روش برای حل این مدل ها و تعیین جواب بهینه آنها ارایه
مسایل برنامه ریزی خطی تمام فازی مسایلی هستند که تمامی پارامترها اعم از ضرایب متغیرها در توابع هدف، ضرایب متغیرها در محدودیت ها و اعداد سمت راست محدودیت ها و همچنین متغیرهای تصمیم در آنها فازی می باشند. در طی چند سال اخیر چندین روش برای حل این مدل ها و تعیین جواب بهینه آنها ارایه
در این مقاله ما یک مدل شبکه عصبی برای تشخیص واحدهای تصمیمگیرنده کارا در تحلیل پوششی دادهها معرفی میکنیم. مدل شبکه عصبی پیشنهادی از یک مسئله بهینهسازی نامقید حاصل میشود. از دیدگاه تئوری نشان داده میشود شبکه عصبی پیشنهادی دارای پایداری لیاپانف و همگرای سراسری میباشد. مدل پیش
در این مقاله به بررسی روش¬های برنامه‌ریزی مجموعه¬ای از کار بر روی یک ماشین پرداخته می¬شود که هدف از آن، حداقل کردن معیار دیرکرد وزنی و تعداد کارهای دارای تاخیر است. به¬منظور بهبود کارایی و اثربخشی، منطبق با شرایط دنیای واقعی پارامترهای زمان انجام فرایند و زمان¬های تحویل به¬صورت ف
طی سالیان اخیر تئوری محدودیت ها به عنوان یک فلسفهی مدیریتی موثر برای مسائل تولید ترکیبی در جهت افزایش سود به کار گرفته شدهاست. هدف اصلی این تئوری، کسب پول و سودآوری از طریق شناسایی گلوگاه ها و رفع یا هموار نمودن آنهاست. از سویی در اغلب سیستم های تولیدی برخی پارامترها، قطعی نبود