نشریه بین المللی مهندسی صنایع و مدیریت تولید

در این مقاله، نوع جدیدی از مسائل بهینه سازی ترکیبی، با عنوان مساله مجاورت مصرف کنندگان ارائه می­گردد. مجموعه­ای از منابع را در نظر بگیرید که هر یک دارای ارزش وزنی مشخصی می­باشد. همچنین مجموعه­ای از مصرف کنندگان را در نظر بگیرید که از این منابع به طور مشترک استفاده می­کنند. هر چیدمان مکانی از مصرف­کنندگان در کنار یکدیگر، یک نقطه از فضای جواب مساله است. اگر در یک چیدمان مفروض، تمام مصرف­کنندگان یک منبع مفروض به طور پیوسته در یک زنجیره مجاورت واقع شوند، ارزش وزنی منبع فوق، در تابع هدف افزوده می­گردد. هدف مساله عبارتست از تعیین چیدمان مکانی مناسبی برای مصرف کنندگان، به گونه­ای که بیشترین ارزش ممکن در تابع هدف افزوده گردد. یک مساله مجاورت مصرف کنندگان می تواند k بعدی باشد. در مقاله حاضر، روشی برای مدل سازی مساله یک بعدی به فرم برنامه­ریزی ریاضی ارائه شده و تکنیکی ابتکاری برای حل آن مطرح می­گردد. همچنین به عنوان یک نمونه کاربردی مناسب، چگونگی استفاده از این مساله برای رتبه بندی ریسک­های پروژه تشریح خواهد شد.

رتبه‌بندی ریسک‌های یک پروژه به‌ویژه زمانی که تعداد عوامل ریسک‌زا افزایش می‌یابد به عنوان بخشی مهم از فرایند پیچیده مدیریت ریسک محسوب می‌شود. در این تحقیق نخست ساختار جامعی از ریسک‌های اصلی پروژه­های تونل‌سازی در قالب 17 دسته اصلی و 196 زیر سطح تهیه شده و سپس این ریسک­ها در عملیات تونل­سازی سد سیمره در جنوب غرب ایران رتبه­بندی شده است. بدین منظور از روش تصمیم­گیری گروهی و میانگین وزین جهت جمع­آوری و تجمیع نظر خبرگان و از روش تخصیص خطی به­عنوان یکی از روش­های تصمیم­گیری چند شاخصه جهت تعیین رتبه ریسک­ها استفاده شده است. شاخص­های رتبه­بندی در دو دسته اولیه و ثانویه تقسیم شده­اند. شاخص اولیه بر مبنای احتمال و میزان اثر­گذاری ریسک­ها بر اهداف اصلی پروژه (زمان، هزینه، کیفیت و عملکرد) با وزن­های متفاوت تعیین شده است. دسته دوم شاخص­ها شامل اثرات اجتماعی- اقتصادی، اثرات زیست محیطی، نزدیکی زمان وقوع ریسک، میزان مواجهه با ریسک، عدم اطمینان تخمین و میزان مدیریت­پذیری ریسک است. با کمک روش تخصیص خطی ریسک‌ها با توجه به شاخص‌های گوناگون بهتر ارزیابی می‌گردند و در نتیجه واقع بینانه‌تر رتبه‌دهی می‌شوند. بر اساس نتایج بدست آمده، عوامل اقتصادی و شرایط حقوقی به ترتیب بیشترین و کمترین رتبه ریسک را به خود اختصاص می­دهند

ریسک اﻋﺘﺒﺎری در صنعت بانکداری ﺑﻪ ﻋﻨﻮان ﺧﻄﺮ ﻧﺎﺷﯽ از اﺣﺘﻤﺎل ﻋـﺪم ﺑﺎزﭘﺮداﺧـﺖ ﺗﻌﻬـﺪات ﺗﻮﺳـﻂ ﻣـﺸﺘﺮیان در ﺳﺮرسید ﺑـﻮده و یکی از ﻣﻬـﻢترین ریسک‌ها در ﺑﺎﻧﮏﻫﺎ و ﻣﺆﺳﺴﺎت ﻣﺎﻟﯽ ﺑﻪ ﺣﺴﺎب ﻣﯽآید. استقرار نظام رتبه‌بندی اعتباری با توجه به حجم انبوه مطالبات معوق بانک‌ها، یکی از مهمترین ابزارهای کنترل این نوع ریسک است. این مقاله با استفاده از شبکه‌های عصبی توانمند در حوزه پیش‌بینی و ترکیب آنها قادر است مشتریان را در دو گروه خوش‌حساب و بد‌حساب دسته‌بندی کند. مدل پیشنهادی که دارای ساختار و آموزش ماژولار است، مدل ترکیب سلسله مراتبی شبکه‌های عصبی نام دارد. در مدل یادشده برای تجزیه مساله میان شبکه‌ها و ترکیب نتایج برای رسیدن به پیش‌بینی نهایی و همچنین شیوه آموزش آن از رویکردی جدید استفاده می‌شود. رویکرد پیشنهادی ابتدا، از الگوریتم گسسته بهینه‌سازی انبوه ذرات برای کاهش ابعادی و تجزیه مساله میان ماژول‌های مختلف استفاده می‌کند، سپس برای آموزش، از تلفیق قانون‌های مختص به هر ماژول و قانون آموزش کلی این شبکه استفاده می‌کند. نتایج در مقایسه با شبکه عصبی پرسپترون چندلایه و شبکه عصبی با اتصالات جانبی بدست آمده است. طبق نتایج بدست آمده مدل پیشنهادی توانسته با دقت بسیار بالا رفتار مشتریان را پیش‌بینی نماید.