بهینه‌سازی سبد پروژه‌های با اثر متقابل با استفاده از الگوریتم رقابت استعماری (ICA)

نشریه: مدریت صنعتی دانشگاه تهران

تاریخ چاپ: دوره ۵، شماره ۱، تابستان ۱۳۹۲، صفحه ۱-۲۰

بهینه‌سازی سبد پروژه سازمانی به‌دلیل پیچیدگی ارزیابی پروژه‌ها و همچنین محدودیت منابع همواره با چالش‌های تصمیم‌گیری متعددی روبرو است. مطالعات بسیاری برای ارائه و بررسی عملکرد مدل‌ها و الگوریتم‌های بهینه‌سازی سبد پروژه انجام شده است. با این وجود لحاظ اثرات متقابل بین پروژه­ها در بسیاری از این پژوهش‌ها مغفول مانده است. اگرچه لحاظ کردن اثرات متقابل بین پروژه‌ها باعث پیچیدگی مضاعف مسئله انتخاب سبد پروژه می‌شود، صرف نظرکردن از محاسبه این اثرات ممکن است کارایی فرآیند تصمیم‌گیری و مطلوبیت سبد پایانی پروژه را به‌شدت تحت تأثیر قراردهد. در این مقاله ابتدا فرمولاسیون مسئله انتخاب سبد پروژه با درنظر گرفتن اثرات متقابل بین پروژه ها انجام شده است. سپس مسئله انتخاب سبد پروژه با درنظر گرفتن اثرات متقابل پروژه‌ها با استفاده از الگوریتم‌های بهینه‌سازی ICA بررسی شده است. لحاظ کردن اثرات متقابل در انتخاب سبد نهایی و برازندگی آن را تحت تأثیرات قابل‌توجه بالایی قرار می‌دهد. نتایج حاصل نشان می‌دهد که روش ICA نسبت‌به روش الگوریتم‌‌هایGA ، PSO و CPSO که پیش از این در این‌گونه مسائل به‌کار رفته است برتری دارد.

دانلود فایلدانلود مقاله

 

ارائه مدلی برای انتخاب سبد پروژه با آثار متقابل و اشتراک منابع بین پروژه ای با استفاده از شبکه های عصبی مصنوعی

نشریه: مدریت صنعتی دانشگاه تهران

تاریخ چاپ: دوره ۷، شماره ۱، بهار ۱۳۹۴، صفحه ۲۱-۴۲

انبوه پروژه­ های سازمانی و پیچیدگی های تصمیم گیری پیرامون آنها موجب می شود مدیریت و رهبری پروژه، چالش های ویژه خود را داشته باشد. از این‌رو و به‌منظور استفاده مطلوب از فرصت ها و دارایی های سازمان، لازم است مدیران با استقرار سیستم مدیریت جامع چندوجهی، سبد پروژه سازمان را تشکیل دهند و با لحاظ توجیه های مناسب اقتصادی، فنی و اجتماعی آن را به انجام برسانند. همچنین، کمبود منابع موجب می‌شود مدیران همواره به‌دنبال انتخاب تعدادی از پروژه های ممکن به منظور اجرا یا اولویت بندی باشند. در این تحقیق، با درنظرگرفتن آثار متقابل معیارها و اشتراک منابع پروژه های سازمان، رویکردی برای ارزیابی و انتخاب پروژه ها ارائه شد. در این مدل دومرحله ای، ابتدا با تشکیل یک الگوریتم شاخه و کران و با درنظرگرفتن اشتراک منابع پروژه ها، سبدهای بیشینه مشخص شد و سپس کارایی هرکدام  از این سبدها با استفاده از مدل شبکه عصبی مصنوعی ارزیابی شد تا سبدهای پروژه بر این اساس رتبه‌بندی شوند. علاوه‌براین، بین درجه‌های کارایی روش مورد استفاده در این مقاله با روش‌های DEA و COLS همبستگی قابل قبولی وجود دارد.

دانلود فایلدانلود مقاله