دو الگوریتم تکراری برای تعیین جواب های موثر قوی و ضعیف مسئله برنامه ریزی کسری خطی چند هدفه بازه ای

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 217

فایل این مقاله در 27 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_DMOR-7-1_002

تاریخ نمایه سازی: 17 خرداد 1401

چکیده مقاله:

هدف: در حالت کلی، تعیین جواب های موثر مدل برنامه ریزی کسری خطی چند هدفه بازه ای(IMO‎LFP‎)  یک مسئله ‎PN- سخت است. تاکنون روش کارآمدی برای تعیین جواب های موثر در این زمینه ارائه نشده است. بنابراین نیاز به یک روش مناسب برای تعیین جواب های موثر ‎‎‎IMO‎LFP‎‎  وجود دارد. ما می خواهیم الگوریتم هایی را معرفی کنیم که برای اولین بار جواب های موثر قوی و ضعیف IMO‎LFP‎‎  بدست آیند.روش شناسی پژوهش: در این مقاله، دو الگوریتم معرفی می کنیم به طوری که در یکی، شدنی قوی نامعادلات و در دیگری، شدنی ضعیف نامعادلات در نظر گرفته می شود (یک دستگاه نامعادلات، شدنی قوی است اگر و تنها اگر کوچک ترین ناحیه آن شدنی باشد و یک دستگاه نامعادلات، شدنی ضعیف است اگر و تنها اگر بزرگ ترین ناحیه آن شدنی باشد). توابع هدف IMO‎LFP‎ را به توابع هدف خطی حقیقی تبدیل نموده و سپس به یک مدل برنامه ریزی خطی تک هدفه تبدیل می کنیم و در هر تکرار، محدودیت جدید به ناحیه شدنی اضافه می کنیم. با انتخاب یک نقطه دلخواه از ناحیه شدنی به عنوان نقطه شروع و استفاده از الگوریتم های پیشنهادی، جواب های موثر قوی و ضعیف  IMO‎LFP‎ را بدست می آوریم.یافته ها: در هر دو الگوریتم پیشنهادی، با انتخاب نقاط دلخواه جواب  موثر بدست می آوریم و با تغییر نقطه ی شروع، یک نقطه ی جدید به عنوان جواب موثر بدست می آوریم.اصالت/ارزش افزوده علمی: در این پژوهش توانسته ایم برای اولین بار جواب های موثر قوی و ضعیف مدل  IMOLFP بدست آوریم.

کلیدواژه ها:

برنامه ریزی چند هدفه ، برنامه ریزی کسری خطی بازه ای ، جواب موثر قوی ، جواب موثر ضعیف

نویسندگان

مهدی الله دادی

گروه ریاضی، دانشکده ریاضی، دانشگاه سیستان و بلوچستان، زاهدان، ایران.

فاطمه سالاری پور شریف

گروه ریاضی، دانشکده ریاضی، دانشگاه سیستان و بلوچستان، زاهدان، ایران.

حسن میش مست نهی

گروه ریاضی، دانشکده ریاضی، دانشگاه سیستان و بلوچستان، زاهدان، ایران.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Alefeld‎, ‎G.‎, & Herzberger‎, ‎J.‎ (۱۹۸۳). ‎Introduction to interval computations‎. ...
  • Bhurjee, A. K., & Panda, G. (۲۰۱۵). Multi-objective interval fractional ...
  • Borza, M., Rambely, A. S., & Saraj, M. (۲۰۱۲). Solving ...
  • Charnes, A., & Cooper, W. W. (۱۹۶۲). Programming with linear ...
  • Chinnadurai, V., & Muthukumar, S. (۲۰۱۶). Solving the linear fractional ...
  • Das, S. K., & Mandal, T. (۲۰۱۷). A MOLFP method ...
  • Dinkelbach, W. (۱۹۶۷). On nonlinear fractional programming. Management science, ۱۳(۷), ۴۹۲-۴۹۸ ...
  • Ebrahimnejad, A., Ghomi, S. J., & Mirhosseini-Alizamini, S. M. (۲۰۱۸). ...
  • Falk, J. E., & Palocsay, S. W. (۱۹۹۴). Image space ...
  • Fiedler, M., Nedoma, J., Ramík, J., Rohn, J., & Zimmermann, ...
  • Hladík, M. (۲۰۱۰). Generalized linear fractional programming under interval uncertainty. European ...
  • Jeyakumar, V., Li, G. Y., & Srisatkunarajah, S. (۲۰۱۳). Strong ...
  • Kumar-Das, S. (۲۰۱۹). A new method for solving fuzzy linear ...
  • Mostafaee, A., & Hladík, M. (۲۰۲۰). Optimal value bounds in ...
  • Nayak, S., & Ojha, A. (۲۰۱۵). Generating Pareto optimal solutions ...
  • Nayak, S., & Ojha, A. K. (۲۰۱۹). Multi-objective linear fractional ...
  • Rivaz, S., & Yaghoobi, M. A. (۲۰۱۳). Minimax regret solution ...
  • Shaocheng, T. (۱۹۹۴). Interval number and fuzzy number linear programmings. Fuzzy ...
  • Sun, X. K., & Chai, Y. (۲۰۱۴). On robust duality ...
  • Taghi-Nezhad, N. A., & Babakordi, F. (۲۰۱۹). Fuzzy quadratic programming ...
  • نمایش کامل مراجع