ارایه روشی برای حل مسایل چندهدفه خطی بازه‌ای مبتنی بر رویکرد برنامه ریزی آرمانی

اکثر تحقیقات بر روی مسایل چندهدفه در شکل قطعی آن متمرکز شده اند که ضرایب و متغیرهای تصمیم گیری در توابع هدف و قیود، قطعی فرض شده اند. در واقع به دلیل وجود اطلاعات نادقیق و مبهم، شناخت دقیق مقادیر ضرایب و متغیرها مشکل است. حساب بازهای برای توصیف و حل عدم قطعیت و عدم دقت در این مسایل تصمیم گیری مناسب است. یکی از روشهای مهم پیشنهاد شده برای حل مسایل چند هدفه بازهای روش بهترین- بدترین پیشنهاد شده توسط تانگ می باشد از اشکالات عمده این روش امکان ایجاد جوابهای نشدنی میباشد. لذا این مقاله به توسعه یک روش برای حل مساله برنامه ریزی خطی چندهدفه بازه ای پرداخته است. رویکرد پیشنهادی در این مقاله استفاده از روش برنامه ریزی آرمانی برای حل اینگونه مسایل است. در این مقاله الگوریتم جدیدی برای حل اینگونه مسایل ارایه شده که علاوه بر کم کردن پیچیدگی های حل مسایل غیرقطعی به روشهای فازی، از محاسبات زیاد حتی در صورت افزایش اهداف جلوگیری کرده است. کارایی روش ارایه شده در مثال های عددی مختلف آزمایش شده است. روش ارایه شده با در نظرگرفتن کرانه ای محتمل برای اهداف و قیود از احتمال ایجاد جواب های نشدنی و در عین حال جواب های با فاصله کرانی زیاد که به نوعی غیرکاراست، کاسته است.

providing a method for solving interval linear multi-objective problems based on the goal programming approach

most research has focused on multi-objective issues in its definitive form, with decision-making coefficients and variables assumed to be objective and constraint functions. in fact, due to inaccurate and ambiguous information, it is difficult to accurately identify the values of the coefficients and variables. interval arithmetic is appropriate for describing and solving uncertainty and inaccuracy in these decision-making problems. one of the important methods proposed for solving multi-objective interval problems is the best-worst-case method proposed by tang. one of the major drawbacks of this method is the possibility of generating infeasible answers. therefore, this paper develops a method for solving multi-objective linear programming problem. the proposed approach in this paper is to use the goal programming method to solve such problems. in this paper, a new algorithm for solving such problems is presented which in addition to reducing the complexity of solving uncertain problems by fuzzy methods, avoids high computation even if the objectives are increased. the performance of the proposed method has been tested in various numerical examples. the proposed method reduces the likelihood of creating infeasible and inefficient answers by considering possible bounds for objectives and constraints.