بهینه‌سازی شاخص‌های کمی و کیفی پروژه‌های عمرانی با رویکرد دانش مدیریت پروژه (مطالعه موردی: سد مخزنی قوچم)

در سال‌های اخیر پیچیدگی اجرای پروژه‌ها، فضای رقابتی کسب وکار و محدودیت منابع سازمان‌ها، لزوم توجه به مدیریت پروژه را در دست‌یابی به اهداف پروژه‌ها بیشتر مورد توجه قرار داده است .از این رو در مراحل اجرای پروژه‌ها، کارفرمایان به دنبال افزایش کیفیت، کاهش مدت زمان و هزینه‌های اجرا و ریسک هستند که از اهداف اصلی آنها به شمار می روند. در این تحقیق،  بهینه‌سازی بین اجزاء هرم بقاء شامل زمان، هزینه، کیفیت و ریسک در پروژه‌های عمرانی و به صورت موردی بر روی سد مخزنی قوچم انجام گرفته است. به این منظور از شش الگوریتم بهینه‌سازی فراابتکاری استفاده شده است که سه الگوریتم کلاسیک (ژنتیک، جستجوی ممنوعه و تبرید شبیه‌سازی شده) و سه الگوریتم‌های جدید (پروانه، چرخه بکرزایی و شاهین هریس) می‌باشند. در چهار حالت به بهینه‌سازی هر یک از اجزا هرم بقاء به طور جداگانه پرداخته شده است و در نهایت هر چهار حالت بطور همزمان بررسی شده است. کدنویسی‌های مربوط به توابع هدف و الگوریتم‌های بهینه‌سازی در نرم‌افزار متلب انجام گرفته است. نتایج نشانگر عملکرد مناسب الگوریتم ژنتیک است. همچنین در بهینه‌سازی شاخص کیفیت فقط الگوریتم ژنتیک بهترین جواب بهینه را داده است و در بهینه‌سازی مرکب با در نظرگرفتن همزمان تمامی شاخص‌ها، الگوریتم‌های ژنتیک و شاهین هریس بهترین جواب را ارائه داده‌اند.

Optimization of Quantitative and Qualitative Indicators of Construction Projects with a Project Management Knowledge Approach (Case study: Qucham Reservoir Dam)

In recent years, the complexity of project implementation, competitive business environment, and limited resources of organizations have shown the need to pay attention to project management in achieving project goals. Therefore, in the implementation process, employers seek to increase quality, reduce execution time, costs, and risk, which are their main goals. In this research, optimization between the components of the survival pyramid including time, cost, quality, and risk in construction projects are done on a casebycase basis on the Qucham reservoir dam. For this purpose, six Metahioristic optimization algorithms are used, which are three classical algorithms (genetics, Tabu search, and simulated annealing) and three new algorithms (butterfly, cyclical parthenogenesis, and harris hawk). In four cases, each component of the survival pyramid is optimized separately, and finally, all four cases are examined simultaneously. Coding related to objective functions and optimization algorithms has been done in MATLAB software. The results indicate the proper performance of the genetic algorithm. Also, in optimizing the quality index, only the genetic algorithm has given the best optimal answer, and in the combined optimization, considering all the indicators simultaneously, the genetic algorithms and the Harris hawk have given the best solution.