نام پژوهشگر: باقر زیدی مفرد

توسعه مدلی برای زمانبندی پروژه های چند- حالته با محدودیت منابع و جریان نقدینگی مثبت ومنفی و ارائه راه حلی برای آن با استفاده از یک الگوریتم فرا ابتکاری
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه بوعلی سینا - دانشکده مهندسی 1389
  باقر زیدی مفرد   امیر سامان خیرخواه

در این تحقیق با توجه به هریک از مدلهای مختلف دستمزد، فرمول سازی ریاضی مسئله زمانبندی پروژه با محدودیت منابع در حالت چند حالته و با تابع هدف حداکثر ارزش خالص فعلی همه ی جریان های نقدی پروژه مورد مطالعه قرار می گیرد. جریان های نقدی مثبت و منفی و همچنین جریان حاصل از منابع مصرف نشده به منظور تسطیح منابع به عنوان یک جریان مثبت از دیدگاه پیمانکار لحاظ گردیده و همچنین مسئله با چهار مدل مختلف پرداخت دستمزد: پرداخت یکجا در زمان تکمیل پروژه، پرداخت در زمان تکمیل فعالیت ها، پرداخت در فاصله های زمانی مساوی، پرداخت بر حسب پیشرفت کار درنظر گرفته می شود. با توجه به np-hard بودن مساله برای حل آن از دو الگوریتم فرا ابتکاری به نامهای شبیه سازی تبرید و الگوریتم ژنتیک استفاده شده است. برای این منظور ساختار الگوریتم های پیشنهادی و عملگرهای آنها و ساختار جواب در این الگوریتم ها مورد بررسی قرار گرفته است. در ادامه برای بررسی کارایی الگوریتم های ابتکاری و بدست آوردن جوابی برای اثبات کارایی مدل در تسطیح منابع تجدید پذیر، 60 مساله از کتابخانه مسائل مربوط به زمانبندی پروژه های چندی-حالته انتخاب شده است. برای زمانبندی همه فعالیت ها طرح تولید برنامه زمانی برای حالت چند مدی پیشنهاد شده است. سپس نتایج حاصل از دو الگوریتم با هم مقایسه شده اند. نتایج بدست آمده نشان می دهند، که اضافه کردن جریان حاصل از منابع مصرف نشده به عنوان یک جریان مثبت به تابع هدف باعث کاهش واریانس منابع مصرف شده در دوره های زمانی اجرای پروژه خواهد شده. و همچنین نتایج حاصل از آزمایشها نشان می دهند که الگوریتم ژنتیک نتایج بهتری نسبت به شبیه سازی تبرید داشته است. بطور خلاصه موارد زیر در این تحقیق بررسی شده است: ? مدلسازی ریاضی مساله mrcpspdcf . ? اضافه کردن جریان حاصل از منابع مصرف نشده به مساله که باعث تسطیح منابع می شود. ? استفاده از الگوریتم های sa و ga برای حل مساله و استفاده از ساختار جواب و همچنین عملگرهای متناسب با مساله. ? انجام آزمایش های عددی گوناگون و مقایسه نتایج حاصل از دو الگوریتم.