این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدیریت صنعتی، جلد ۱۰، شماره ۱، صفحات ۱۳۹-۱۶۰
عنوان فارسی ارائه سیستم پشتیبان تصمیم قاعده پایه هیبریدی برای مسئله EOQ به فرم برنامه‎ریزی هندسی پوزینمیال با محدودیت خطی
چکیده فارسی مقاله هدف: حل مسئله تعیین اندازه اقتصادی سفارش با فرم برنامه‎ریزی هندسی در فضای هیبریدی به کمک یک سیستم پشتیبان تصمیم قاعده پایه، هدف اصلی این مقاله است. دوری از پیچیدگی‎های اجرای مسائل بهینه‎سازی و استفاده از دانش بهینه برای ساخت یک سیستم استنتاج که درک آن برای تصمیم‎گیرنده راحت‎تر است، از ویژگی‎های اصلی این مقاله محسوب می‎شود. روش: استفاده از متغیرهای تصمیم غیر قطعی، استخراج دانش بهینه از مسئله بهینه‎سازی هیبریدی و به کار بردن این دانش در طراحی سیستم استنتاج هیبریدی رویکرد اصلی این مقاله است. یافته‎ها: سیستم استنتاج هیبریدی توسعه داده شده در 100 مسئله تصادفی استفاده شد و نتایج آن با مقادیر بهینه به دست آمده از حل مسئله برنامه‎ریزی هندسی مقایسه گردید. افزون بر 97 درصدِ انحرافات مقدار تابع هدف از جواب بهینه، کمتر از 2 درصد بود. این موضوع در خصوص متغیرهای تصمیم نیز صدق می‎کند. این نتایج نشان می‎دهد که سیستم استنتاج هیبریدی برای به کارگیری به عنوان یک سیستم پشتیبان تصمیم بهینه‎گرا، کارایی بالایی دارد و به نتایج آن می‎توان اعتماد کرد. نتیجه‎گیری: مهم‎ترین ویژگی مدل ارائه شده این است که بر خلاف سایر مقالات در ادبیات موضوع، مسئله بهینه‎سازی را با یک پایگاه قواعدِ گرفته شده از خبرگان جایگزین نمی‎کند، بلکه رویکردی برای ساختن پایگاه قواعد بهینه از مدل بهینه‎سازی ارائه می‎دهد. در این رویکرد با جایگزینی توزیع هیبریدی بهینه به جای مقدار قطعی بهینه برای متغیرهای تصمیم، تمام تصمیمات بهینه‎ای که ممکن است در آینده لازم باشد را به تصمیم‎گیرندگان ارائه می‎دهد.  
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Hybrid Rule-Based Decision Support System to the EOQ Problem in the Form of Posynomial Geometric Programming Formulation with Linear Constraints
چکیده انگلیسی مقاله Objective: The main objective of this paper is to solve theeconomic order quantity problem, which is formulated as a hybrid posynomial geometric programming, using a rule-based decision support system. Avoiding the complexities of the optimization process problems and using the optimum knowledge to build an inference system, which is easier to understand for the decision makers, are the main features of this article. Methods: The main approach taken in this paper is to use uncertain decision variables, extracting the optimal knowledge through the hybrid optimization problem and applying this knowledge to design a hybrid inference system. Results: The developed hybrid inference system was applied to 100 random problems and inferred values of the objective function as well as decision variables were compared to the obtained optimum values. Alike decision variables, more than 97% of the deviations between inferred and optimum values for objective function are less than 2%. These results indicated that the developed hybrid inference system is highly efficient to be implemented as an optimized decision support system and its results are quite reliable. Conclusion: Unlike other works in the literature, in this paper, the optimization problem is not replaced with a rule-base which is presented by group of experts. But, an approach is provided to build the optimal rule-based decision support system in which the optimum knowledge is obtained through an optimization problem. This approach will provide decision makers with all optimal decisions that may be needed in the future by replacing the optimal deterministic values for decision variables with the optimal hybrid distribution.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله امیر یوسفلی |
استادیار گروه مدیریت صنعتی، دانشکده علوم اجتماعی، دانشگاه بین‎المللی امام خمینی (ره)، قزوین، ایران

نشانی اینترنتی https://imj.ut.ac.ir/article_67514_bfff7bc2af2e45b13f12e2b73d041435.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1082/article-1082-871789.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات