پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,573 |
| تعداد مقالات | 71,037 |
| تعداد مشاهده مقاله | 125,520,713 |
| تعداد دریافت فایل اصل مقاله | 98,780,213 |
موازنة زمان- هزینه برای بیشینه‌سازی ارزش خالص فعلی پیمانکار با الگوهای پرداخت هزینه و محدودیت منابع با استفاده از الگوریتمهای تکاملی (مطالعة موردی: بخش محدودی از پروژة احداث پالایشگاه میعانات گازی بندرعباس) | ||
| مدیریت صنعتی | ||
| مقاله 4، دوره 7، شماره 1، فروردین 1394، صفحه 43-64 اصل مقاله (1.37 M) | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/imj.2015.53858 | ||
| نویسندگان | ||
| مصطفی زارعی* 1؛ حسینعلی حسن پور2 | ||
| 1کارشناس ارشد مهندسی صنایع دانشگاه جامع امام حسین (ع)، تهران، ایران | ||
| 2استادیار گروه مهندسی صنایع دانشگاه جامع امام حسین (ع)، تهران، ایران | ||
| چکیده | ||
| گزینههای انتخابی برای زمان‌بندی ترتیب فعالیتهای پروژه برای اتمام پروژه، جواب منحصربه‌فرد ندارد، بلکه مجموعهای از جوابها را شامل میشود که هیچ‌کدام بر دیگری ترجیح ندارند؛ بنابراین، انتخاب بهترین گزینه برای انجام‌دادن فعالیتها مهم است، به‌طوری‌که هزینه و زمان انجام‌دادن پروژه، متناسب با دیدگاه پیمانکار یا کارفرما باشد. درنتیجه، در این تحقیق فعالیتهای بخشی از پروژة احداث پالایشگاه میعانات گازی بندرعباس شامل 35 فعالیت و دارای دو منابع تجدیدپذیر شامل نیروی انسانی و ماشین‌آلات به‌عنوان مسئلة نمونه انتخاب شد و برای حل آن یک مدل ریاضی زمان‌بندی پروژه با اهداف چندگانه بر مبنای الگوهای پرداخت هزینه و ملاحظه محدودیت منابع ارائه شد. از آنجاکه این مسئله از جمله مسائل بهینه‌سازی ترکیبی در خانوادة مسائل NP-hardمحسوب میشود، برای حل مدل پیشنهادی از الگوریتمهای تکاملی چندهدفه NSGA-II و MOPSO برای زمان‌بندی پروژه استفاده شد و عملکرد الگوریتمها با استفاده از شاخصهای مقایسهای مقایسه شدند. درنهایت، برای اعتبارسنجی، جوابهای الگوریتم پیشنهادی با جوابهای دقیق از نرم‌افزار GAMS مقایسه شد که نتایج نشان میدهد الگوریتم پیشنهادی کارا و همگرا به جواب بهینه است. | ||
| کلیدواژه‌ها | ||
| الگوریتمهای تکاملی؛ الگوهای پرداخت هزینه؛ حداکثرکردن ارزش خالص فعلی؛ زمان‌بندی پروژه؛ شاخص های مقایسه ای | ||
| مراجع | ||
|
دب ک.،"الگوریتمهای ژنتیک با رویکرد بهینه یابی چند هدفه" تهران: انتشارات پلک، دانشگاه ولی عصر (عج) رفسنجان، 1387.
Angela, H. L. C. & Chiuh-Cheng, C. (2008). A memetic algorithm for maximizing net present value in resource-constrained project scheduling problem. IEEE Congress on Evolutionary Computation (CEC 2008), 2041-2049.
Aladini, K., Afshar, A. & Kalhor, E. ) 2011 .( Discount Cash Flow Time-Cost Trade off Problem Optimization; ACO Approach. Asian Journal of Civil Engineering (Bulding And Housing), 12(4): 511-522.
Chen, W. N. & Zhang, Jun. (2012). Scheduling multi-mode projects under uncertainty to optimize cash flows: A monte carlo ant colony system approach. Journal of Computer Science and Technology, 27(5): 950-965.
Chen, W. N., Zhang, J. & Liu, H. (2010). A monte-carlo ant colony system for scheduling multi-mode project with uncertainties to optimize cash flows. Proceeding of IEEE Congress on Evolutionary Computation (CEC), 1-8.
Daneshpayeh, H. (2011). Project schedule under the uncertainty of activities time using a Meta-heuristic algorithm (Case study: Part of the Project Activities of Gas Condensate Refinery in Bandar Abbas), M.S Thesis, Imam Hossein University. Tehran. (In Persian)
Eshtehardian, E., Afshar, A. & Abbasnia, R. (2009). Fuzzy-based MOGA Approach to Stochastic Time-Cost Trade off Problem. Automation in Constrution, 18(5): 692-701.
Guo, H., Li, L., Zhu, K. & Ding, C. (2009). Application of PSO and MPSO in projects scheduling of the first mining face in coal mining. Proceeding of International Joint Conference on Natural Computation, 260-26.
Hooshyar, B., Tahmani, A. & Shenasa, M. (2008). A genetic algorithm to time-cost trade off in project scheduling. Proceeding of IEEE Congress on Evolutionary Computation, 3081-3086.
Kwan, W. K., Mitsuo, G. & Genji, Y. (2003). Hybrid genetic algorithm with fuzzy logic for resource-constrained project scheduling. Applied Soft Computing, 2(3): 174–188.
Khalilzadeh, M., Kianfar, F. & Ranjbar, M. (2011). A scatter search algorithm for the rcpsp with discounted weighted earliness-tardiness costs. Life Science Journal, 8(2): 634- 641.
Kazemi, F. S. (2010). Solving the multi-objective project scheduling problem by considering the resource constraint using multi-objective evolutionary algorithm, M.S thesis of industrial engineering of Tehran university. tehran. (In Persian)
Luong, D. L. & Ario, O. (2008). Fuzzy critical chain method for project scheduling under resource constraints and uncertainty. International Journal of Project Management, 26: 688–698.
Mika, M., Walig_Ora G. & Wezglarz, J. (2005). Simulated annealing and tabu search for multi-mode resource-constrained project scheduling with positive discounted cash flows and different payment models. European Journal of Operational Research, 164: 639–668.
Rifat, S. & Önder, H. B. (2012). A hybrid genetic algorithm for the discrete time–cost trade-off problem. Expert Systems with Applications, 39: 11428–11434.
Seifi, M. & Tavakkoli Moghaddam, R. (2008). A new bi-objetive model for amulti-mode resource constrained project scheduling problem with discunted cash flows and four payment models. IJE Transactions A: Basics, 21(4): 347-355.
Shu-Shun, L. & Chang-Jung, W. (2008). Resource-constrained construction project scheduling model for profit maximization considering cash flow. Automation in Construction, 17: 966–974.
Waligora, G. (2008). Discrete–continuous project scheduling with discounted cash flows—A tabu search approach. Computers and Operations Research, 35: 2141 – 2153.
Wei1, O. S. (2013). Project Scheduling Under Resource Constraints: A Recent Survey. International Journal of Engineering Research and Technology (IJERT), 2(2): 1-20.
Zhengwen, H. & Yu, X. (2008). Multi-mode project payment scheduling problems with bonus–penalty structure. European Journal of Operational Research, 189: 1191–1207.
Zareei, M., Hassanpour, H. A. & Mosadeghkhah , M. (2014). Time-cost tradeoff for optimizing contractor npv by cost payment and resource constraints using nsga-ii algorithm (case studybandar abbas gas condensate refinery project). The Journal of Mathematics and Computer Science (JMCS), 12(1): 12– 26.
Zitzler, E., Deb, K. & Thiele, L. (2000). Comparison of multi objective evolutionary algorithms: Empirical results. Evolutionary Computation Journal, 8(2): 125–148. Zheng, H. & Li, H. (2010). Multi-objective particle swarm optimization for consttuction time-cost trade off problems. Construction Management and Economics, 28(1): 75-88.
Xu, S. (2011). Applying ant colony system to solve construction time-cost trade off problem. Advances Materials Research, (179): 1390-1395.
Xiong, Y. & Kuang, Y. (2008). Applying an ant colony optimization algorithm-based multiobjective approach for time-cost trade-off. Journal of Construction Engineering and Management, 134(2): 153-156.
| ||
|
آمار تعداد مشاهده مقاله: 2,673 تعداد دریافت فایل اصل مقاله: 1,382 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب