بهینه سازی چندهدفه قابلیت اعتماد سیستم های پیچیده با استفاده از استراتژی جدید در تخصیص اجزاء مازاد

در زمینه بهینه سازی قابلیت اعتماد، دو مسئله بیش از همه مورد توجه پژوهشگران قرار دارد. این دو مسئله عبارتند از مسئله "تخصیص افزونگی " و مسئله "تخصیص قابلیت اعتماد- افزونگی ". بطور سنتی در حل هر دو این مسائل فرض می گردد که استفاده از قطعات اضافه شده (افزونگی ها) با یک استراتژی از پیش تعیین شده صورت می پذیرد. بطور کلی دو استراتژی برای استفاده از قطعات اضافه شده به سیستم وجود دارد که عبارتند از استراتژی فعال و استراتژی ذخیره (آماده به کار) . استراتژی ذخیره خود بر سه نوع ذخیره- سرد ، ذخیره- گرم و ذخیره- داغ می باشد که از این میان استراتژی ذخیره- سرد بیش از بقیه مورد توجه پژوهشگران قرار گرفته است. در این رساله، یک استراتژی جدید تحت عنوان استراتژی مختلط برای تخصیص اجزاء مازاد معرفی شده است. این استراتژی جدید از هر دو استراتژی فعال و ذخیره به صورت همزمان در یک زیرسیستم بهره می برد. لذا مسئله مورد بررسی شامل تعیین نوع قطعات مورد استفاده، سطح افزونگی (تعداد قطعات مازاد)، تعداد قطعات فعال و تعداد قطعات ذخیره مورد نیاز در هر زیر سیستم است به طوری که منجر به بهینه سازی تابع (و یا توابع) هدف مورد نظر شود. از آنجا که مسئله بهینه سازی "تخصیص افزونگی" و "تخصیص قابلیت اعتماد- افزونگی" در دسته مسائل np-hard قرار دارد و همچنین فرضیات جدید باعث پیچیدگی بیش از پیش مدل های ریاضی مسئله می گردد، از الگوریتم ژنتیک و الگوریتم ژنتیک چند هدفه (nsga-ii) برای حل مدل های نهایی استفاده شده است. به منظور بررسی کارایی استراتژی جدید معرفی شده و همچنین قدرت الگوریتم ارائه شده از مسائل الگوی موجود در ادبیات موضوع هر دو مسئله استفاده شده است. در نهایت با مقایسه نتایج بدست آمده از استراتژی جدید با پژوهش های قبلی، میزان برتری این استراتژی مورد ارزیابی قرار گرفته است. نتایج این پژوهش نشان می دهد که استفاده از استراتژی جدید منجر به افزایش قابل توجهی در قابلیت اعتماد سیستم های تحت بررسی شده است. از طرف دیگر این افزایش در قابلیت اعتماد سیستم، بدون افزایش در وزن، حجم و یا هزینه سیستم بوده است که این نکته بسیار حائز اهمیت است. از این رو، به نظر می رسد که استراتژی جدید بتواند جای دو استراتژی قبلی را هم در پژوهش های عملی و هم در مسائل واقعی بگیرد.