3 نتیجه برای شاه محمدی
حسن حسینی نسب ، محسن شاه محمدی ، علی اکبر قاسمی گجوان ،
جلد 22، شماره 4 - ( 12-1390 )
چکیده
مسئله چیدمان پویای تسهیلات، شاخهای از مسائل چیدمان تسهیلات است که در آن مقدار جریان مواد در دورههای مختلف زمانی در طول افق برنامهریزی، ثابت نبوده و با تغییرات همراه است. غالب مطالعات صورت گرفته در این زمینه، با فرض معلوم و قطعی بودن اطلاعات جریان در دورههای مختلف زمانی، همراه بودهاند. حال آنکه در محیطهای کسب و کار امروزی که پویایی و عدم قطعیت، دو جزء لاینفک آنهاست، این فرض چندان منطقی به نظر نمیرسد. در این مقاله مسئله چیدمان پویای تسهیلات، در شرایط وجود ابهام در اطلاعات جریان، مورد مطالعه قرار گرفته است. در این راستا، حجم تقاضای محصولات (و به تبع آن حجم جریان مواد) در قالب اعداد فازی، با توابع عضویت متفاوت، تعریف شدهاند. مدلسازی مسئله در چارچوب برنامهریزی فازی و در قالب سه مدل ارزش انتظاری، برنامهریزی با قید احتمالی و برنامهریزی بر مبنای شانس، انجام شده و برای حل مدلها، یک الگوریتم هوشمند ترکیبی ارائه شده است. در پایان با ذکر یک مثال عددی، کارایی الگوریتم در حل مدلهای فازی مسئله چیدمان پویای تسهیلات، مورد بررسی قرار گرفته است.
دکتری یحیی زارع مهرجردی، محسن شاه محمدی، لیلا امامی میبدی،
جلد 23، شماره 4 - ( 12-1391 )
چکیده
مهمترین مسئله مطرح برای سرمایه گذاران به خصوص در آغاز فعالیت اقتصادی، مسئله نحوه تخصیص سرمایه به یک یا چند گزینه مختلف سرمایه گذاری است تا ضمن داشتن حداکثر بازده، حداقل ریسک را متحمل شوند. این موضوع در ادبیات اقتصادی به عنوان مسئله انتخاب پرتفولیو مطرح است. این مقاله بر آن است که به ارائه روشی کارا به منظور پشتیبانی از فرد تصمیم گیرنده در انتخاب پرتفولیو مناسب جهت سرمایه گذاری بپردازد. در این مطالعه، انتخاب پرتفولیو مبنی بر مدل میانگین- واریانس- چولگی در نظر گرفته می شود که به منظور تطبیق هر چه بیشتر مدل با دنیای واقعی، بازده های سهام به صورت متغیرهای فازی فرض شده اند. در این مقاله به منظورحل مدل یک الگوریتم هوشمند ترکیبی جهت رسیدن به جوابی بهینه / نزدیک به بهینه ارائه شده است. در روش ارائه شده، از الگوریتم ژنتیک به منظور جستجوی پرتفولیو و از شبکه عصبی مصنوعی آموزش داده شده با شبیه سازی فازی جهت تخمین بازده و ریسک پرتفولیو استفاده می شود. در این الگوریتم به جهت استفاده از شبکه عصبی مصنوعی در تخمین مقادیر، زمان محاسبات به طور قابل ملاحظه ای در مقایسه با استفاده مستقیم از شبیه سازی فازی کاهش یافته است. همچنین در انتها با ارائه چند مثال عددی کارایی الگوریتم پیشنهادی در مقایسه با چند الگوریتم ترکیبی دیگر سنجیده شده است
یحیی زارع مهرجردی، علی اکبر قاسمی گجوان، محسن شاه محمدی،
جلد 24، شماره 4 - ( 11-1392 )
چکیده
امروزه محیط فلوشاپ، یکی از رایج ترین محیط های تولیدی در صنعت می باشد. لیکن نیاز به افزایش ظرفیت و یا بالانس ظرفیت در مراحل مختلف تولیدی، سبب شده است که در بعضی از ایستگاه های کاری، بیش از یک ماشین وجود داشته باشد. از این محیط های توسعه یافته معمولاً به نامهای فلوشاپ ترکیبی، فلوشاپ چند پردازنده، فلوشاپ انعطاف پذیر و یا فلوشاپ با ماشینهای موازی یاد می شود. در این مقاله، مسئله زمانبندی فلوشاپ ترکیبی با فرض همانند بودن ماشینها، تحت دو هدف دامنه عملیات و مجموع زمانهای تکمیل مورد بررسی قرار گرفته است. با توجه به NP-hard بودن مسئله، برای حل از الگوریتم ژنتیک استفاده شده است.
