سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات158
تعداد شماره‌ها6,230
تعداد مقالات67,757
تعداد مشاهده مقاله115,115,772
تعداد دریافت فایل اصل مقاله89,883,078
Azizmohammadi, roozbeh, Jafarieskandari, Meysam, Hagh Nazari, Negar. (1397). Proposing a fuzzy multi objective model for green project portfolio under inflation. , 52(3), 433-444. doi: 10.22059/jieng.2019.254043.1553
roozbeh Azizmohammadi; Meysam Jafarieskandari; Negar Hagh Nazari. "Proposing a fuzzy multi objective model for green project portfolio under inflation". , 52, 3, 1397, 433-444. doi: 10.22059/jieng.2019.254043.1553
Azizmohammadi, roozbeh, Jafarieskandari, Meysam, Hagh Nazari, Negar. (1397). 'Proposing a fuzzy multi objective model for green project portfolio under inflation', , 52(3), pp. 433-444. doi: 10.22059/jieng.2019.254043.1553
Azizmohammadi, roozbeh, Jafarieskandari, Meysam, Hagh Nazari, Negar. Proposing a fuzzy multi objective model for green project portfolio under inflation. , 1397; 52(3): 433-444. doi: 10.22059/jieng.2019.254043.1553

Proposing a fuzzy multi objective model for green project portfolio under inflation

Advances in Industrial Engineering
مقاله 10، دوره 52، شماره 3، دی 2018، صفحه 433-444    اصل مقاله (921.37 K)
نوع مقاله: Research Paper
شناسه دیجیتال (DOI): 10.22059/jieng.2019.254043.1553
نویسندگان
roozbeh Azizmohammadi* 1؛ Meysam Jafarieskandari2؛ Negar Hagh Nazari3
1Department of industrial engineering, Payam-e-noor University, IRAN
2Payame Noor University
3Master of science student
چکیده
Correct selection of projects The first step is project-based organizations in the targeted management of project portfolios. This is a complex process selection that includes many factors and considerations. Market conditions, global rapid changes in various dimensions and other related issues in the real environment have increased the uncertainty and ignorance of these issues. It is therefore necessary to provide models for showing the real status of the organization and its goals and preferences. In this paper, the goal is to provide a fuzzy fuzzy multi-objective model for the portfolio of rail transport projects considering the uncertainties in variables; budget, time needed to complete the project, environmental pollution, risk, and quality. In this model, minimizing environmental pollution, maximizing quality, minimizing the risk and cost of projects under inflation is considered in the objectives of the problem. Due to the fact that the model was presented, a particle swarm algorithm was used to solve the problem, and finally, the results were compared with the genetic algorithm in order to measure the efficiency.
کلیدواژه‌ها
Multi objective planning؛ Green project portfolio؛ Uncertainly؛ Particle Swarm Algorithm
عنوان مقاله [English]
ارائۀ مدل چندهدفة فازی برای انتخاب سبد پروژه‌های سبز با درنظرگرفتن تورم (مطالعۀ موردی: پروژه‌های حمل‌ونقل ریلی)
نویسندگان [English]
روزبه عزیزمحمدی1؛ میثم جعفری اسکندری2؛ نگار حق‌نظری3
1استادیار گروه مهندسی صنایع، دانشگاه پیام‌نور، تهران
2استادیار گروه مهندسی صنایع، دانشگاه پیام‌نور، تهران
3کارشناس ارشد مهندسی صنایع، دانشگاه پیام‌نور واحد تهران شمال
چکیده [English]
انتخاب مجموعة نمونة پروژه، فرایندی پیچیده است که بسیاری از عوامل و ملاحظات را از زمانی که پیشنهاد شده است تا زمانی که پروژه به اتمام می‌رسد دربرمی‌گیرد. با توجه به اینکه انتخاب خوب اهمیتی حیاتی دارد، استفاده از مدل‌های ریاضی معتبر برای هدایت سازمان به هدف نهایی آن ضروری است. برای دستیابی به این هدف، چنین مدل‌هایی باید تا حد ممکن هر دو وضعیت واقعی سازمان و اهداف و ترجیحات آن را منعکس کنند. با این حال، از آنجا که فرایند انتخاب و اجرای پروژه‌های حمل‌ونقل در محیط واقعی و نه در آزمایشگاه‌ها صورت می‌گیرد، اطمینان‌نداشتن و کمبود دانش درمورد برخی داده‌ها همیشه مسئله‌ای مهم است. هدف این مقاله ارائة مدل چندهدفة فازی با درنظرگرفتن عدم قطعیت در متغیرهای بودجه، زمان مورد نیاز برای اتمام پروژه، آلودگی‌های زیست‌محیطی، خطر و کیفیت است. همچنین در این مدل، حداقل‌کردن آلودگی زیست‌محیطی، حداکثرکردن کیفیت، حداقل‌کردن ریسک و هزینة پروژه‌ها تحت تورم در اهداف مسئله درنظر گرفته‌ و برای بیان عدم قطعیت‌ها نیز از پارامترهای فازی استفاده ‌شده است. با توجه به NP-Hard بودن مدل، روش‌های فراابتکاری برای حل مدل کاربرد دارد. بدین‌منظور مدل ارائه‌شده با الگوریتم ازدحام ذرات حل شد. درنهایت نیز برای سنجش کارایی الگوریتم، مقایسة نتایج با الگوریتم ژنتیک صورت گرفت. براساس نتایج اجرای مدل دربارة داده‌های چهارده پروژة کلان حمل‌ونقل ریلی کشور، سه پروژة اولویت‌دار برای شهرهای کرج، اصفهان و شیراز بالاترین اولویت را دارد و براساس مؤلفه‌های مدل از اهمیت بسیاری در روان‌سازی ترافیک‌های شهری برخوردار هستند.
کلیدواژه‌ها [English]
الگوریتم ازدحام ذرات, برنامه‌ریزی چندهدفه, سبد پروژه‌های سبز, عدم قطعیت, منطق فازی
مراجع
  1. Killen, C. P., Hunt, R. A., and Kleinschmidt E. J., (2007). “Managing the New Product Development Project Portfolio. In Management of Engineering and Technology”, Portland International, Vol. 25, No. 2, PP. 1864–1874.
  2. Depiante, A., and Jensen, A., (1999). “A Practical R and D Project-Selection Scoring Tool”, IEEE Trans Eng Manage, Vol. 46, No. PP. 158-170.
  3. Cristóbal, J. R. S., (2011). “Multi-Criteria Decision-Making in the Selection of a Renewable Energy Project in Spain: The Vikor Method”, Renewable Energy, Vol. 36, No. 2, PP. 498-502.
  4. Badri, M. A., and Davis, D., (2001). “A Comprehensive 0-1 Goal Programming Model For Project Selection”, International Journal of Project Management, Vol. 19, No. 4, PP. 243-252.
  5. Weber, R., Werners, B., and Zimmermann, H., (1990). “Scheduling Models for Research and Development”, European Journal of Operational Research, Vol. 48, No. 2, PP. 175-188.
  6. Kyparisis, G. J., Gupta, S. K., and LP, C. M., (1996). “Project Selection with Discounted Returns and Multiple Constraints”, European Journal of Operational Research, Vol. 94, No. 1, PP. 87-96.
  7. Santhanam, R., and Kyparisis, G. J., (1996). “A Decision Model for Interdependent Information System Project Selection”, European Journal of Operational Research, Vol. 89, No. 2, PP. 380-399.
  8. Vazhayil, J. P., and Balasubramanian, R., (2014). “Optimization of India’s Electricity Generation Portfolio Using Intelligent Pareto-Search Genetic Algorithm”, International Journal of Electrical Power and Energy Systems, Vol. 55, No. 1, PP. 13-20.
  9. Ahadi, S. et al., (2016). “Annual Tehran Air Quality Report”, City Publishing Center, Vol. 1, No. 2, PP.15-23.
  10. Archer, N. P., and Ghasemzadeh, F., (1999). “An Integrated Framework for Project Portfolio Selection”, International Journal of Project Management, Vol. 17, No. 4, PP. 207-216.
  11. Liu, S. T., (2011). “A Fuzzy Modeling for Fuzzy Portfolio Optimization”, Expert Systems with Applications, Vol. 38, No. 5, PP. 13803–13809.
  12. Purnus, A., and Bodea, C. N., (2014). “Project Prioritization and Portfolio Performance Measurement in Project Oriented Organizations”, Procedia-Social and Behavioral Sciences, Vol. 119, No. 1, PP. 339-348.
  13. Reginaldo, F., (2015). “Portfolio Management in Brazil and a Proposal for Evaluation and Balancing of Portfolio Projects with ELECTRE TRI and IRIS”, Procedia Computer Science, Vol. 55, No. 1, PP. 1265-1274.
  14. Mehlawat, M. K., (2016). “Credibilistic Mean-Entropy Models for Multi-Period Portfolio Selection with Multi-Choice Aspiration Levels”, Information Sciences, Vol. 345, No. 1, PP. 9-26.
  15. Gupta, P., Mehlawat, M. K., and Saxena, A., (2008). “Asset Portfolio Optimization Using Fuzzy Mathematical Programming”, Information Sciences, Vol. 178, No. 6, PP. 1734-1755.
  16. Yu, J. R., and Lee, W. Y., (2011). “Portfolio Rebalancing Model Using Multiple Criteria”, European Journal of Operational Research, Vol. 209, No. 2, PP. 166–175.
  17. Rahmani, N., Talebpour, A., and Ahmadi, T., (2012). “Developing Amulti Criteria Model for Stochastic IT Portfolio Selection by AHP Method”, Procedia-Social and Behavioral Sciences, Vol. 62, No. 1, PP. 1041–1045.
  18. Nassif, L. N., Santiago Filho, J. C., and Nogueira, J. M., (2013). “Project Portfolio Selection in Public Administration Using Fuzzy Logic”, Procedia-Social and Behavioral Sciences, Vol. 74, No. 1, PP. 41-50.
  19. Vazhayil, J. P., and Balasubramanian, R., (2014). “Optimization of India’s Electricity Generation Portfolio Using Intelligent Pareto-Search Genetic Algorithm”, International Journal of Electrical Power and Energy Systems, Vol. 55, No. 1, PP. 13-20.
  20. Khosravi, A., (2014). “Making Multi-Objective Dynamic Model of Portfolio Management Under Uncertainty”, Master's Thesis, Payame Noor University of Assaluye.
  21. Zeng, Z.  et al., (2015). “A Multiple Objective Decision Making Model for Energy Generation Portfolio Under Fuzzy Uncertainty: Case Study of Large Scale Investor-Owned Utilities in Florida”, Renewable Energy, Vol. 75, No. 2, PP. 224-242.
  22. Liu, Y., Liu, Y.K, (2017). “Distributionally Robust Fuzzy Project Portfolio Optimization Problem with Interactive Returns”, Applied Soft Computing, Vol. 56, No. 3, PP. 655-668.
  23. Pérez, F. et al., (2018). “Project Portfolio Selection and Planning with Fuzzy Constraints”, Technological Forecasting and Social Change, Vol. 131, No. 1, PP. 117-129.
  24. Zhai, P, and Bai, M., (2018). “Mean-Risk Model for Uncertain Portfolio Selection with Background Risk”, Journal of Computational and Applied Mathematics, Vol. 330, No. 1, PP. 59-69.
  25. Shahraki, A., and Moradi, M., (2013). “Risk Assessment in the Workplace with Job Safety Analysis, Nominal Group Technique and Fuzzy TOPSIS”, Iranian Health Workbook, Vol. 10, No. 4, PP. 43-54.
  26. Khaje Golestane, A., (2015). “Comparison of Numerical Solutions for Intervals Linear Programming Based on Coverage and Validity”, Master's Thesis, University Of Sistan-Baluchestan.
  27. Hladık, M., (2012). “Interval Linear Programming: A Survey”, Linear Programming-New Frontiers in Theory and Applications, PP. 85-120.
  28. Shahrozi, M., and Salehi, A., (2017). Functional Indicators for Comparison of Fractronic Algorithms with Basic Differences in Operators. 1th International Soft Computing Conference, Gilan, Iran.
  29. Mizban, H. et al., (2012). “Optimization of Stock Basket Using Particle Swarm Algorithm in Different Risk Measurement Definitions”, Economics Quarterly, Vol. 19, No. 2, PP. 205-224.
  30. Sherafatman, SH., (2012). “Solving Fuzzy Linear Programming and Bi-Level Linear Programming Problem Using Genetic Algorithms”, Master's Thesis, University Of Sistan-Baluchestan.
آمار
تعداد مشاهده مقاله: 1,082
تعداد دریافت فایل اصل مقاله: 279


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب