|
|
|
|
توسعۀ مدل دوهدفۀ زمانبندی پروژه با محدودیت منبع با درنظرگرفتن تبادل زمان-هزینه و حل آن با الگوریتم مرتبسازی نامغلوب ژنتیک
|
|
|
|
|
|
|
|
نویسنده
|
ابراهیمیفرد سونیا ,نهاوندی نسیم ,حسینزاده کاشان علی
|
|
منبع
|
advances in industrial engineering - 1396 - دوره : 51 - شماره : 4 - صفحه:375 -387
|
|
چکیده
|
زمانبندی نقش حیاتی در مدیریت پروژهها ایفا میکند. با وجود این، علاوهبر ارائه زمانبندی مناسب باید به محدودیتهای موجود در حین اجرای پروژه نیز توجه شود. در این پژوهش، مدل دوهدفه زمانبندی پروژه با تبادل زمان-هزینه تسطیح منابع، منطبق با خواسته کارفرما و پیمانکار برای اولینبار در ادبیات موضوع پیشنهاد شده است. روابط پیشنیازی عمومی نیز در مدل لحاظ شده است. برای بررسی بهتر عملکرد این مدل، مطالعه موردی واقعی مرتبط با موضوع انتخاب شد. با توجه به ماهیت np-hard بودن مسئله زمانبندی و نیز ابعاد بزرگ مطالعه موردی، پس از تجزیه و تحلیل فضای جواب، الگوریتم مرتبسازی نامغلوب ژنتیک بهعنوان روش حلی مناسب برای حل مسئله انتخاب شد. در انتها، نتایج حاصل از حل الگوریتم با نتایج دنیای واقعی مقایسه شد. نتایج نشان میدهد مدل و الگوریتم ارائهشده قابلیت استفاده در پروژههای مشابه دیگر را دارد.
|
|
کلیدواژه
|
الگوریتم ژنتیک مرتبسازی نامغلوب، تسطیح منبع، زمانبندی پروژه با محدودیت منبع
|
|
آدرس
|
دانشگاه تربیت مدرس, ایران, دانشگاه تربیت مدرس, دانشکده مهندسی صنایع و سیستمها, ایران, دانشگاه تربیت مدرس, دانشکده مهندسی صنایع و سیستمها, ایران
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Nondominated Sorting Genetic AlgorithmII to Solve Multi Objective Resourceconstrained Project Scheduling Problem with Timecost Tradeoff
|
|
|
|
|
Authors
|
Ebrahimi Fard Sonia ,Nahavandi Nasim ,Hosseinzadeh Kashan Ali
|
|
Abstract
|
Scheduling plays an important role in project management. However, in addition to providing suitable scheduling, constraints during project implementation should also be noted. This paper proposes biobjective resourceconstrained project scheduling model with the objectives of minimizing project completion time, as well as minimizing the leveling cost of the used resources, in accordance with the employer demands and the contractor developed. To better study this model performance, a real case study related to the topic, were selected. Since the proposed research problem has been proven to be NPhard as well as largescale case study, after analyzing the landscape, genetic algorithm to solve problem were offered. Finally, the results of solving realworld algorithms were compared with the results. Results show that the model and algorithm can be used in other similar projects as well.
|
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|