بهینه‌سازی جریان نقدینگی سبد پروژه با درنظر گرفتن شاخص‌های بازار با استفاده از الگوریتم‌های ژنتیک و ازدحام ذرات

یکی از نگرانی های اصلی سازمان های پروژه محور در پروژه های ساخت، مدیریت چندین پروژه در یک سبد می باشد. مساله اصلی مدیریت سبد در پروژه های ساخت مشخص کردن زمان شروع و فروش پروژه ها با توجه به نیاز مالی برای رسیدن به اهداف استراتژیک می باشد. این مقاله بر آن است تا از دیدگاه سازمانی، جریان نقدینگی سبد پروژه های ساختمانی را با در نظر گرفتن شاخص های بازار و استفاده از الگوریتم های فرا ابتکاری بهینه کند. در این پژوهش مدلی جهت شبیه‌سازی شرایط سبد پروژه ها ارائه و به کمک دو الگوریتم فرا ابتکاری ژنتیک و ازدحام ذرات بهینه‌یابی شد. همچنین برای واقعی‌تر کردن شرایط، تورم های بخش های ساخت و مسکن در دوره‌های رکود و رونق نیز درنظر گرفته شد. به منظور ارزیابی مدل، سبدی متشکل از پنچ پروژه واقعی درنظر گرفته و چیدمان سبد توسط الگوریتم‌های ژنتیک و ازدحام ذرات توسط مدل بهینه‌ شد. نتایج به دست آمده، نشان داد که استفاده از این مدل و الگوریتم‌های بهینه‌یابی استفاده شده نقش موثری در بهینه کردن چینش پروژه ها و بالانس سبد دارند. علاوه بر آن شرایط سازمان از قبیل آورده نقدی و شرایط بازار مانند تورم ساخت پروژه‌ها و تورم مسکن در دوره‌های رکود و رونق نیز درنظر گرفته شد که این امر در حالت‌های مدیریت سنتی سبد پروژه تقریبا غیرممکن بوده. نتایج الگوریتم‌های بهینه‌یابی نشان داد که علی رغم این‌که هر دو الگوریتم به یک نتیجه واحد به عنوان جواب نهایی رسیدند، اما عملکرد الگوریتم بهینه سازی ازدحام ذرات از الگوریتم ژنتیک از نظر سرعت اجرای برنامه و سرعت رسیدن به نتیجه نهایی بهتر است. نتایج حاصل از الگوریتم به گونه‌ای است که در مقایسه با حالت سنتی که از نظر خبره استخراج شده است، 33% بهبود را در تابع هدف نشان داد.

cash flow optimization of portfolio considering market indices using genetic algorithm and particle swarm optimization

one of the main concerns of project based organizations in construction projects is to manage multiple projects in a portfolio simultaneously. construction portfolio management determines the best time and condition of starting and selling each project according to the financial need of the stakeholders. this paper aims to optimize the cash flow in construction portfolios considering market indices using meta heuristic algorithms from the organization’s point of view. in this research, a model was presented to simulate the conditions of the project portfolio and was optimized using genetic algorithm (ga) and particle swarm optimization (pso). the inflation rate of construction and real estate during recession and expansion was considered to make the situation more real as well. to evaluate the model, a portfolio including five real selected projects in advance by an organization is optimized by the model. the results showed that the model and the optimization algorithms used in the model had an effective role in the arrangement and balancing of the portfolio. moreover, conditions of the organization such as cash flow and market indices such as project construction inflation and real estate inflation during periods of recession and boom were also considered, which is almost impossible in traditional project portfolio management. both algorithms came up with the same solution which showed that the result is valid, but the performance of the particle swarm optimization algorithm was better than the genetic algorithm in terms of program execution speed and speed of the final result. in comparison to an expert decision on balancing the portfolio, the algorithms found the solution with 33% better objective function values.