ارائه یک الگوی پایدار برای برنامه ریزی ناوگان حمل‌ونقل نیروی هوایی در عملیات نظامی با استفاده از رویکرد بهینه‌سازی استوار

در چارچوب جنگ‌های مدرن امروزی، نیروهای مسلح برای نیل به مقاصد نظامی با چالش‌ها و موانع عدیده‌ای مواجه هستند که می‌تواند قدرت پیش‌بینی‌های و برنامه‌ریزی رزم‌ها را در عملیات نظامی متاثر و محدود نماید. ازاین‌رو در تحقیق حاضر هدف طراحی و ارائه یک مدل ریاضی به گونه است که بتواند برنامه‌ریزی ناوگان حمل‌ونقل نیروی هوافضا را با بالاترین بهره‌وری و کمترین هزینه امکان‌پذیر سازد. ازاین‌رو در تحقیق حاضر به‌منظور یافتن گزینه‌های بهینه و فرموله‌سازی روابط میان متغیرها از روش برنامه‌ریزی خطی یک‌مرحله‌ای و ورود نمونه‌ها از طریق الگوریتم‌های فراابتکاری و رویکردهای اکتشافی در فضای حالت نزدیک به محیط واقعی بهره گرفته شده است. با توجه اهداف متضاد در فضای ابهام و عدم‌قطعیت از رویکرد بهینه‌سازی چندهدفه به‌منظور یافتن مجموعه جواب موجه در محیط‌های عملیاتی به‌منظور بازطراحی و سازماندهی ناوگان حمل‌ونقل استفاده شده است؛ بنابراین پس از تعیین مفروضات، متغیرها و پارامترهای مدل تصمیم‌گیری به بررسی و ارزیابی میزان استواری مدل ارائه شده در برابر ریسک‌های محتمل و محدودیت‌های موجود در سناریوهای مختلف از طریق الگوریتم ژنتیک پرداخته گردید. نتایج آزمون‌های محاسباتی نشان داد که الگوریتم‌های اکتشافی در مقایسه با شیوه‌های کلاسیک، یک حل‌کننده مطلوب برای رسیدن به راه‌حل‌های بهینه برای مدیریت هزینه‌های ناوگان حمل‌ونقل نیروی هوافضای سپاه پاسداران محسوب می‌شوند.

providing a robust model for air force transport fleet planning in military operations using a robust optimization approach

in the framework of today’s modern wars, the armed forces are facing many challenges and obstacles to achieve their military goals, which can affect and limit the power of predictions and battle planning in military operations. therefore, in the current research, the aim is to design and present a mathematical model in a way that can enable the planning of the transportation fleet of the aerospace force with the highest efficiency and the lowest cost. therefore, in this research, in order to find optimal options and formulate relationships between variables, one-stage linear programming method and entering samples through meta-heuristic algorithms and exploratory approaches in the state space close to the real environment have been used. considering the conflicting goals in the atmosphere of ambiguity and uncertainty, the multi-objective optimization approach has been used in order to find a set of justified solutions in operational environments in order to redesign and organize the transport fleet; therefore, after determining the assumptions, variables and parameters of the decision-making model, the robustness of the presented model against possible risks and limitations in different scenarios was investigated and evaluated through the genetic algorithm. the results of computational tests showed that heuristic algorithms, compared to classical methods, are a favorable solver for reaching optimal solutions for managing the costs of the transportation fleet of the aerospace force.