این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیق در عملیات در کاربردهای آن، جلد ۱۷، شماره ۳، صفحات ۶۳-۷۹
عنوان فارسی یک روش جدید برای حل مدل‌های بهینه‌سازی تصادفی چندهدفی با محدودیت‌های شانسی
چکیده فارسی مقاله این مقاله به مطالعه مدل‌های بهینه‌سازی چندهدفی تصادفی با محدودیت‌های شانسی می‌پردازد. استفاده از متغیرهای تصادفی به عنوان پارامترهای ورودی در مدل‌های ریاضی، یکی از رویکردهای متعارف برای مدل سازی مسایل مختلف در شرایط عدم قطعیت است. همچنین، محدودیت‌های شانسی این امکان را به تصمیم‌گیرنده می‌دهد که محدودیت مربوطه با احتمال حداکثر یک مقدار مشخص شده رد شود. یکی از چالش‌های این گونه مدل­ ها وجود محدودیت‌های شانسی است و حل چنین مدل­ هایی به طور مستقیم امکان‌پذیر نیست و می‌بایست محدودیت داده شده را ابتدا به حالت قطعی تبدیل کرده و سپس با به کارگیری تکنیک‌های موجود، مساله قطعی‌شده حل شود. از عمده‌ترین روش‌هایی که برای تبدیل محدودیت شانسی به حالت قطعی وجود دارد، استفاده از تابع توزیع متغیرهای تصادفی است که می‌بایست در دسترس تصمیم‌گیرندگان باشد؛ اما معمولاً تابع توزیع دقیقی از یک متغیر تصادفی در مسایل واقعی وجود ندارد. به همین دلیل، در این مقاله یک روش مبتنی بر نمونه برای تبدیل محدودیت­ های شانسی به حالت قطعی پیشنهاد می‌شود به طوری که محدودیت شانسی را با بیشترین احتمال برقرار می‌کند. برای حل مدل­ چندهدفی قطعی به دست آمده از روش مجموع وزین استفاده می‌شود. سرانجام به منظور بررسی کارایی روش پیشنهاد شده، یک مثال عددی ارایه می‌شود.
کلیدواژه‌های فارسی مقاله بهینه‌سازی تصادفی، بهینه‌سازی چندهدفی، بهینه‌سازی با محدودیت شانسی، روش مبتنی بر نمونه
عنوان انگلیسی A New Approach for Solving Multi Objective Stochastic Optimization Models with Chance Constraints
چکیده انگلیسی مقاله This paper studies multi objective stochastic optimization models with chance constraints. The use of random variables as input parameters in mathematical models is one of the conventional approaches to model various problems under uncertainty. Also, the chance constraints allow the decision maker to reject the corresponding constraint with the probability of up to a specified value. One of the challenges of such models is the chance constraints and these models cannot be solved directly. The given chanced constraints must first be converted to a deterministic case and then solved by applying the available techniques. One of the most important methods for converting the chance constraints into the deterministic one is to use the distribution function of the random variables that should be available to decision makers but usually there is no exact distribution function of a random variable in the real problems. For this reason, this paper proposes a sampling-based approach to convert chance constraints to deterministic ones, which meets the chance constraints with the greatest probability. The weighted sum method is used to solve the multi objective deterministic model. Finally a numerical example is presented to illustrate the performance of the proposed method. 
کلیدواژه‌های انگلیسی مقاله Stochastic Optimization, Multi Objective Optimization, Chance Constraint Optimization, Sampling-based Method
نویسندگان مقاله سید هادی ناصری | S. H. Nasseri
Assistant Professor, Department of Mathematics, Faculty of Mathematical Sciences, University of Mazandaran, Babolsar, Iran
دانشگاه مازندران، گروه ریاضی، بابلسر

سحر چیتگر | S. Chitgar
Ph.D. Student, Department of Mathematics, Faculty of Mathematical Sciences, University of Mazandaran, Babolsar, Iran
دانشگاه مازندران، گروه ریاضی، بابلسر

نشانی اینترنتی http://jamlu.liau.ac.ir/browse.php?a_code=A-11-1690-1&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات