per
دانشگاه علامه طباطبایی
مطالعات مدیریت صنعتی
2251-8029
2476-602X
2016-09-22
14
42
1
30
5706
Research Paper
طراحی مدل ترکیبی منبع یابی در زنجیره تامین با بکارگیری فرایند تحلیل شبکه ای، ویکور و مدل چندهدفه در محیط فازی مطالعه موردی: شرکت کابل البرز
Designing a hybrid sourcing model in the supply chain by
using ANP, VIKOR and multi-objective model in fuzzy
environment of The Case: Alborz Cable Company
عادل آذر
a.azar@modares.ac.ir
1
مهدی عابدینی نایینی
mahdi_abedini_1365@yahoo.com
2
امیر افسر
amirafsar78@gmail.com
3
محمد ثابت مطلق
msmotlagh@ut.ac.ir
4
استاد گروه مدیریت دانشگاه تربیت مدرس
دانشجوی دکتری گروه مدیریت صنعتی دانشگاه تهران
استادیار گروه مدیریت دانشگاه تربیت مدرس
دانشجوی دکتری مدیریت صنعتی دانشگاه علامه طباطبایی
ترکیب انتخاب تامین کننده و تخصیص سفارش، یک تصمیم فمهم در طراحی و عملیاتی کردن زنجیره تامینمی باشد. شاخص های مختلفی در این تصمیم موثر اند و می فتواند به صورت یک مسئله تصمیم گیری چندمعیاره گروهی که به معیارهای کمی و کیفی و شمار تامین کنندگان نیازمند است، تبیین گردد. به علاوه، درعمل تصمیم گیرندگان نمی توانند به راحتی با ارزشهای عددی و قطعی در مورد جایگزین ها قضاوت کنند ومعمولا با ارزیابی هایی غیرمطمئن و ناقصی مواجه می شوند.بدین منظور، این مقاله یک مدل چند معیاره فازی برای ارزیابی و تخصیص سفارش به تامین کنندگان توسعهمی دهد. ابتدا ارزیابی تامین کنندگان با در نظر گرفتن 11 معیار و با استفاده از رویکرد ترکیبی تحلیل شبکه ایو ویکور در محیط فازی انجام می گیرد. سپس با استفاده از مدل ریاضی چندهدفه فازی تخصیص سفارشصورت می گیرد. در انتها مدل فازی به روش تیواری حل می شود. اثربخشی مدل و متد حل پیشنهادی در کسبجواب مناسب بوسیله یک مثال در مطالعهای واقعی نشان داده می شود
Supplier selection and quota allocation is an important decision in supplychains. This decision can be considered as a complex multi-criteria groupdecision making problem. This decision in many practical situations is verydifficult for vague and uncertain environment. This vagueness and uncertaintycan be handled by using fuzzy set theory. Therefore, this paper proposed afuzzy MCDM model to evaluate candidate suppliers and quota allocation. Ahybrid ANP-VIKOR method in fuzzy environment applied first with 16criteria to evaluate suppliers. Then, a fuzzy multi-objective mathematicalmodel is used to quota allocation. Finally, the fuzzy model is solved by Tiwarimethod. An illustration with a data set from a realistic situation is presented todemonstrate the effectiveness of the proposed model.
https://jims.atu.ac.ir/article_5706_e0c440edfb3193f180fc09a59c1d3160.pdf
زنجیره تأمین
انتخاب تأمین کننده
فرایند تحلیل شبکه ای فازی
ویکور فازی
روش تیواری
Supply Chain
Supplier Selection
Fuzzy ANP
Fuzzy VIKOR
Tiwari method
per
دانشگاه علامه طباطبایی
مطالعات مدیریت صنعتی
2251-8029
2476-602X
2016-09-22
14
42
31
59
10.22054/jims.2016.5707
5707
Research Paper
ارائه و حل مدل مساله زمانبندی زنجیره بحرانی پروژه با در نظر گرفتن بافر تغذیه
Presentation and Solution of Critical Chain Project
Scheduling Problem (CCPSP) model with consideration
of feeding buffer
اکبر عالم تبریز
a.tabriz@sbu.ac.ir
1
اشکان عیوق
a.ayough@gmail.com
2
مهدیه بنی اسدی
baniasadi_mahdieh@yahoo.com
3
استاد گروه مدیریت صنعتی دانشگاه شهید بهشتی
استادیار گروه مدیریت کسب و کار دانشگاه شهید بهشتی
کارشناسی ارشد مدیریت صنعتی دانشگاه علامه طباطبایی
در سال های اخیر تحقیقات گسترده ای در زمینه زمانبندی پروژه صورت گرفته است. در حیطه زمانبندی پروژههمواره عدم قطعیت هایی وجود دارد که باعث انحراف برنامه واقعی از برنامه زمانبندی می گردد. یکی ازراه حل های مواجهه با این عدم قطعیت استفاده از روش زنجیره بحرانی در زمانبندی پروژه است. این روش کهبرآمده از تئوری محدودیت هاست، روشی نوین در کنترل پروژه است. در تحقیق حاضر سعی در استفاده ازاصول زنجیره بحرانی در زمانبندی پروژه تحت محدودیت منابع است. مهمترین نوآوری صورت گرفته در اینتحقیق،ارائه مدل مساله زمانبندی زنجیره بحرانی پروژه با در نظر گرفتن بافر تغذیه و استفاده از شناوری به عنوانمکملی برای بافر تغذیه است. برای این کار ابتدا مدل زمانبندی پروژه تحت محدودیت منابع و با رویکردزنجیره بحرانی نوشته شده و قابلیت اطمینان آن با استفاده از نرم افزار لینگو سنجیده شده است. در گام بعدیالگوریتم حل این مدل با استفاده از الگوریتم ژنتیک توسعه داده شده و در نهایت نمونه مسائل مختلفی موردآزمایش قرار گرفته است. نتایج به دست آمده از این تحقیق کارایی الگوریتم ژنتیک ارائه شده را نشان دادهاست.
During the recent years, extensive research has been done on the field ofproject scheduling. There is always uncertainty in the area of projectscheduling that causes a deviation in the real plan from the scheduled plan.One of the solutions to deal with this uncertainty is using the critical chainmethod (CCM) in project scheduling. This method which is derived from thetheory of constraints (TOC) is a new method in project control which was firstproposed by Goldartt in 1997.In this research we attempt to use the principalsof critical chain in resource-constrained project scheduling problem. The maininnovation in this research is presentation of critical chain project schedulingproblem model with consideration of feeding buffer and using float as asupplement for feeding buffer. For this matter, the project scheduling underresources constraints with critical chain approach was first written and itsreliability was evaluated using the Lingo software. In the next step thesolution algorithm of this model was developed using the genetic algorithmand finally different sample issues were investigated. The results of thisresearch show the efficiency of the presented genetic algorithm
https://jims.atu.ac.ir/article_5707_03d5d4f94c45f2519c29f00e82da785b.pdf
زمانبندی پروژه تحت محدودیت منابع
روش زنجیره بحرانی
بافر پروژه
بافر تغذیه
شناوری
الگوریتم ژنتیک
resource constrained project scheduling problem
critical chain method
project buffer
feeding buffer
float
Genetic Algorithm
per
دانشگاه علامه طباطبایی
مطالعات مدیریت صنعتی
2251-8029
2476-602X
2016-09-22
14
42
61
121
10.22054/jims.2016.5708
5708
Research Paper
ارائه مدلی یکپارچه برای انتخاب سبد پروژه و سرمایه گذاری در منابع با هدف بیشینه سازی ارزش خالص فعلی و حل آن توسط الگوریتم ژنتیک
An integrated project portfolio selection and resource
investment problem to maximize net present value using
genetic algorithm
حمید رضا شهابی فرد
1
بهروز افشار نجفی
2
کارشناسی ارشد دانشگاه علوم و تحقیقات دانشگاه آزاد اسلامی
دانشیار دانشکده مهندسی صنایع و مکانیک دانشگاه ازاد اسلامی قزوین
در این مقاله، یک مدل بهینه سازی جهت انتخاب بهترین سبد پروژه از بین پروژههای موجود، بهترین سطحاستخدام منابع، سپس زمانبندی پروژههای انتخاب شده جهت بیشینه کردن ارزش خالص فعلی با رعایتمحدودیتها ارائه شده است. چون مدل توسعه یافته در زمره مسایل سخت از نظر محاسباتی قرار دارد، لذا برایحل این مساله یک الگوریتم فراابتکاری بر مبنای الگوریتم ژنتیک پیشنهاد شده است. در الگوریتم حلپیشنهادی علاوه بر کاربرد عملگرهای معمول ژنتیک مانند تقاطع و جهش از عملگرهایی هوشمند جهتجستجوی محلی در حوزه منابع و جابجایی فعالیتهای با جریان مالی منفی استفاده شده است. پارامترهایکلیدی الگوریتم در راستای تسریع همگرایی آن با استفاده از روش تاگوچی تنظیم شده است. سپس تعداد 90مساله آزمایشی، شامل 30 مساله در ابعاد کوچک، 30 مساله در ابعاد متوسط و 30 مساله در ابعاد بزرگ بااستفاده از روش پیشنهادی حل شده وکارایی آن گزارش شده است. همچنین در مسائل سایز کوچکجوابهای حاصل از الگوریتم ژنتیک با جوابهای بهینه موضعی مدل ریاضی بدست آمده با نرمافزار لینگومقایسه شده، که میانگین جوابهای حاصل از الگوریتم ژنتیک بهتر از جوابهای بهینه موضعی حاصل از لینگوبوده است. در مسائل سایز متوسط و بزرگ که هیچ جوابی با استفاده از لینگو در زمان محدود شده بدستنیامده بود، نتایج نشان میدهد که جوابهای حاصل از الگوریتن پیشنهادی دارای پایداری مناسب میباشند.
In this paper, a mathematical model is proposed for project portfolioselection and resource availability cost problem to scheduling activities inorder to maximize net present value of the selected projects preservingprecedence and resource constraints. Since the developed model belongs toNP-hard problems list, so a genetic based meta-heuristic algorithm isproposed to tackle the developed model. In the proposed algorithm besidecommon operators of genetic algorithms such as crossover & mutation, someintelligent operators are utilized for local search in computed resources andshifting the activities with negative cash flows. The key parameters of thealgorithm are calibrated using Taguchi method to accelerate convergence ofthe proposed algorithm. Then, the algorithm is used to solve 90 testproblems consisting 30 small-scale, 30 middle-scale and 30 large scaleproblems to examine the algorithm’s performance. It is observed that, insmall problems, the obtained solutions from the proposed genetic algorithmhave been comparably better than the local optimum solutions stemmedfrom Lingo software. On the other hand, for the middle and large sizeproblems which there is no local optimum available within the limited CPUtime, robustness of the proposed algorithm is appropriate
https://jims.atu.ac.ir/article_5708_138941f349eb14201e3220c677861c1d.pdf
انتخاب سبد پروژه
زمانبندی پروژه
الگوریتم ژنتیک
سرمایه گذاری در منابع
ارزش خالص فعلی
Project portfolio selection
Project scheduling
Genetic Algorithm
Resource investment
Net present value
per
دانشگاه علامه طباطبایی
مطالعات مدیریت صنعتی
2251-8029
2476-602X
2016-09-22
14
42
103
121
5709
Research Paper
ارائه مدلی برای حل مسئله تخصیص افزونگی قابلیت اطمینان بوسیله یک الگوریتم رقابتی تلفیقی چندهدفه
Proposed a Hybrid Multi-Objective competitive
Algorithm for solving the redundancy allocation
reliability problem
روزبه عزیز محمدی
1
مقصود امیری
jims@atu.ac.ir
2
رضا توکلی مقدم
tavakoli@ut.ac.ir
3
حمید رضا مشاط زادگان
4
استادیار گروه مهندسی صنایع دانشگاه پیام نور
استاد دانشکده مدیریت صنعتی دانشگاه علامه طباطبایی
استاد دانشکده مهندسی صنایع دانشگاه تهران
دانشجوی دکتری مهندسی صنایع دانشگاه آزاد اسلامی واحد قزوین
تخصیص اجزاء مازاد شامل انتخاب اجزاء و سطوح افزونگی برای بیشینه نمودن قابلیت اطمینان تحتمحدودیتهای مختلف سیستم است. در اکثر طراحیها، به دلیل وجود توابع هدف چندگانه متضاد، محاسبهقابلیت اطمینان دشوار میباشد. در مدل ارائه شده در این مقاله سه هدف شامل بیشینه سازی قابلیتاطمینان،کمینهسازی حجم و کمینهسازی هزینه مد نظر قرار میگیرد که برای حل آن، یک الگوریتم تلفیقیچندهدفه جدید بر پایه الگوریتمهای رقابتی و ژنتیک برای اولین بار در حل مسائل بهینه سازی قابلیت اطمینانچند هدفه با استفاده از تخصیص عضو مازاد پیشنهاد میشود. علاوه بر این از روش رویه شناسی رویه سطح1( برای تنظیم عملگرهای الگوریتم پیشنهادی استفاده میشود. الگوریتم پیشنهادی در مقایسه با RSM( پاسخ3از کارایی بالاتری برخوردار است. PAES 2و NSGA-II دو الگوریتم
A redundancy allocation problem is a well-known NP-hard problem thatinvolves the selection of elements and redundancy levels to maximize thesystem reliability under various system-level constraints. In many practicaldesign situations, reliability apportionment is complicated because of thepresence of several conflicting objectives that cannot be combined into asingle-objective function. A stele communications, manufacturing and powersystems are becoming more and more complex, while requiring shortdevelopments schedules and very high reliability, it is becoming increasinglyimportant to develop efficient solutions to the RAP. In this paper, a newhybrid multi-objective competition algorithm (HMOCA)based oncompetitive algorithm (CA) and genetic algorithm (GA) is proposed for thefirst time in multi-objective redundancy allocation problems. In the multiobjectiveformulation, the system reliability is maximized while the cost andvolume of the system are minimized simultaneously. Additionally, ay RSMis employed to tune the CA parameters. The proposed HMOCA is validatedby some examples with analytical solutions. It shows its superiorperformance compared to a NSGA-II and PAES algorithms. Finally, theconclusion is given
https://jims.atu.ac.ir/article_5709_9a14201f6ca5a52db5de74abe82ba84c.pdf
مسئله تخصیص افزونگی
روش شناسی رویه سطح پاسخ
بهینه سازی قابلیت اطمینان چند هدفه
الگوریتم رقابتی
الگوریتم ژنتیک
Redundancy Allocation Problem
Response Surface Methodology
Multi-objective Reliability Optimization
Competitive Algorithm
Genetic Algorithm
per
دانشگاه علامه طباطبایی
مطالعات مدیریت صنعتی
2251-8029
2476-602X
2016-09-22
14
42
123
167
5718
Research Paper
تجزیه و تحلیل کارایی فنی- زیست محیطی پالایشگاه های نفت ایران توسط یک مدل تحلیل پوششی داده های شبکه ای فازی چند هدفه چند دوره ای
A Fuzzy Multi-Objective Multi-Period Common Weight Network
DEA Model to Measure the Environmental Efficiency of Iran's
Oil Refineries
امینه حسینی
amineh.hossaine@gmail.com
1
کاوه خلیلی دامغانی
kaveh.khalili@gmail.com
2
علی امامی میبدی
emami@atu.ac.ir
3
کارشناسی ارشد مهندسی صنایع واحد تهران جنوب
استادیار مهندسی صنایع دانشگاه آزاد اسلامی واحد تهران جنوب
دانشیار اقتصاد دانشکده اقتصاد دانشگاه علامه طباطبایی
در این مقاله، یک روش برای اندازه گیری کارایی در بخش انرژی ملی ایران پیشنهاد شده است. اینن پنژوه شعملکرد فنی-زیست محیطی پالایشگاه های نفت ایران را به عنوان یکی ازعمده ترین تولید کننده های، انرژی وانواع سوخت، با استفاده از داده های سال 7135 تا 7152 ارزیابی می کند. در این مطالعنه، ینک رویکنرد تحلینپوششی داده های شبکه ای فازی، اوزان مشترک، چند هدفنه چنند دو ره ای پیشننهاد و بنرای ارزینابی عملکنردکارایی فننی -زیسنت محیطنی در حرنور خرو نی هنا ی ننامطلو ارزینابی پالایشنگاه هنا توصنیه شنده اسنت.نوآوری های اصلی این مطالعه بصورت زیر خلاصه شده اند و عبارتند از: ) 7( پیشنهاد یک مدل تحلی پوششیداده های شبکه ای، اوزان مشترک، چند هدفه چند دوره ای به منظور تعیین اوزان مشترک ورودی و خرو نی،فقط با یک بار ا را، ) 2( محاسبه امتیاز کارایی بلند مدت در طول چنند دوره برنامنه رینزی بنا ترکینی ماهینتدینامیک ورودی وخرو ی ها، ) 1( دست یافتن به یک راه ح سازشکارانه با اسنتفاده از برنامنه رینزی ریا نیفازی، برای پرداختن به برنامه ریزی ریا ی چند هدفه، ) 4( پیشنهاد برنامه ریزی ریا ی خطی برای رسنیدن بنه6( کناهش زمنان ان نا ( ، DEA نقطنه بهیننه سرتاسنری کنارایی، ) 9( افنزایش رندرت تفکینک در مندل هنایمحاسبات مدلسازی و روش ح ، ) 1( ترکیی هر دو معیار فننی و زیسنت محیطنی بنا در نظنر گنرفتن خرو نینامطلو در ارزیابی عملکرد پالایشگاه های نفت؛ ت زیه تحلی مطالعه موردی ارائه شده، اثر بخشی و رابلینتا رای روش ارائه شده در مقایسه با مدل های کلاسیک مو ود می باشد.
In this paper, a methodology is proposed to measure the efficiency ofnational energy sector in IRAN. The technical and environmentalperformance of the oil refineries in IRAN as a major producer of energy andfuel are evaluated based on data from years 2010 to 2013. In this study, afuzzy multi-objective multi-period common weight network dataenvelopment analysis approach is proposed and customized to evaluate theperformance of oil refineries. A certain scenario, called food-production inwhich a refinery is assumed as a decision making unit (DMU) consuminginputs to produce outputs, is considered to evaluate the technical andenvironmental performance in presence of undesirable outputs. The maincontribution of this study are summarized as: (1) Proposing a multiobjectivecommon weight DEA model in order to determine the weights ofinputs and outputs in a single run; (2) Calculating the long term efficiencyscores during a multiple-periods of planning incorporating dynamic natureof inputs and outputs; (3) Handling a compromise solution using fuzzymathematical programming to address multi-objective mathematicalprogramming; (4) Proposing a linear mathematical programming to achievethe global optimum solutions; (5) Enhancing the discrimination power of theDEA models; (6) Reducing the computational time of modeling and solutionprocedure; (7) incorporating effective criteria in the modeling procedure.The analysis of case study presents the efficacy and applicability ofproposed method in comparison with existing classic models.
https://jims.atu.ac.ir/article_5718_9b4a394bfeb1cc04fef422cf03151319.pdf
کارایی فنی- زیست محیطی
پالایشگاه نفت
DEA اوزان مشترک
DEA چند هدفه
DEA چند دوره ای
Technical-Environmental efficiency
Oil refineries
common weight DEA
multi objective DEA
Mutli-period DEA
per
دانشگاه علامه طباطبایی
مطالعات مدیریت صنعتی
2251-8029
2476-602X
2016-09-22
14
42
169
197
10.22054/jims.2016.5719
5719
Research Paper
مدیریت ریسک زنجیره تأمین پروژه ها در خطوط انتقال گاز: رویکرد تئوری برخاسته از داده ها
Project Supply Chain Risk Management in Gas
Transfer Pipeline:
Grounded Theory Approach
علی محمدی
amohamadi11@gmail.com
1
پیام شجاعی
pshojaei@yahoo.com
2
حمید رضا یزدانی
3
محمد رضا صادقی مقدم
4
استاد بخش مدیریت دانشگاه شیراز
استادیار بخش مدیریت دانشگاه شیراز
استادیار بخش مدیریت پردیس فارابی دانشگاه تهران
استادیار بخش مدیریت دانشگاه تهران
با عنایت به اهمیت فزاینده بحث ریسک در زنجیره تأمین در دهه اخیر به طور عام و در پروژهها به شکلیخاص، در این پژوهش ابعاد و اجزاء پدیده مدیریت ریسک زنجیره تأمین در پروژهها تبیین میشود. برای اینمنظور با استفاده از رویکرد تئوری برخاسته از دادهها، پروژههای خط انتقال گاز در استان فارس توسط محققینمورد مطالعه قرار گرفت و از روش کوربین و استراوس برای کشف و شناسایی کدها و مقولههای مرتبط باپدیده مورد نظر استفاده شد. برای این منظور با 71 تن از خبرگان و تأمین کنندگان شرکت گاز مصاحبه عمیقصورت گرفت و اشباع نظری حاصل شد. پس از انجام کدگذاری باز، محوری و گزینشی بر اساس مدلپارادایمی نهایی، پدیده مدیریت ریسک زنجیره تأمین پروژهها در قالب 6 بعد اصلی، 75 مقوله فرعی و 91 کدمشخصه طبقهبندی گردید. یافتههای حاصل از کدگذاری نشان داد که پدیده اصلی در مدیریت ریسک زنجیرهتأمین پروژه مشتمل بر ریسک های محیطی، سازمانی و شبکهای است.
Regarding to the increasing importance of supply chain risk in the lastdecade in general and projects especially, in this research the dimensions andelements of supply chain risk of projects have been determined. Therefore,Fars Gas Transfer Pipeline projects were considered to discover codes andthemes according to the phenomena by using Grounded Theory (Corbin andStrauss method). Based on final paradigm model, project supply chain riskmanagement issue was categorized in 6 main dimensions, 19 sub-dimensionsand 57 codes. The results show that supply chain risks as a core phenomenon,consists of environmental risks, organizational risks and network risks. Todo this, we use theoretical sampling and interview with 10 experts from Gasstate company and some suppliers. These interview was deep one becausewe employed open questionnaire. Then by using open encoding, axialencoding and selective encoding, paradigm model was extracted. The mainphenomenon placed the center of model and other themes joined to that
https://jims.atu.ac.ir/article_5719_771185209c3d55f8b3296a89549ee5cc.pdf
مدیریت ریسک زنجیره تأمین
پروژه های خط انتقال
تئوری برخاسته از داده ها
Supply Chain Risk Management
Gas Transfer Pipeline
Grounded Theory
per
دانشگاه علامه طباطبایی
مطالعات مدیریت صنعتی
2251-8029
2476-602X
2016-09-22
14
42
199
237
10.22054/jims.2016.5720
5720
Research Paper
بهبود مدیریت موثر عدم قطعیت در تصمیم گیری های نظامی با استفاده از عامل های شناختی، دسته بندی براساس قوانین وابستگی فازی و انتخاب ژنتیکی قوانین
Improved Effective Management of the Uncertainty in
Army Decision Making using Cognitive Agents,
Classification based on Fuzzy Association Rules and
Genetic Rule Selection
مجتبی هروی
mojtaba.heravi@gmail.com
1
تبسم عظیمی گله
tabi.azimi@gmail.com
2
حسام زند حسامی
moniamari2015@gmail.com
3
کارشناسی ارشد مهندسی دانش و علوم تصمیم دانشگاه ازاد اسلامی واحد قزوین
کارشناس ارشد مدیریت بازرگانی - بازار یابی شرکت توزیع نیروی برق اهواز
استادیار گروه مدیریت صنعتی دانشگاه آزاد اسلامی واحد قزوین
تصمیم گیری یکی از مهمترین موضوعات مورد بررسی در تحقیقات نظامی بشمار می رود. یکی از چالش های موجود دراین بحث وجود عدم قطعیت در محیط های جنگی می باشد که تاثیرات مخربی بر کیفیت و دقت تصمیم گیری می گذارد.در مقاله هروی و همکارانش، چاپ شده در سال 2193 ، بکارگیری ترکیبی از دو موضوع عامل های شناختی و دسته بندیبراساس قوانین وابستگی فازی به عنوان زمینه های موثر و پرکاربرد، توانسته بود تا حدودی این مسئله را کمرنگ کرده وسعی در کاهش عدم قطعیت داشته باشد. ولی هم چنان در شرایط حساس و بحرانی، نیاز به سرعت عمل بیشتر با حذفقوانین نامعتبر و ناکارای استخراج شده در اتخاذ تصمیمهای موثرتر قابل انکار نیست.هدف این مقاله، بهره گیری از ظرفیت های الگوریتم ژنتیک در انتخاب قوانین واقعبینانهتر به عنوان یک روش فراابتکاریدر تکمیل روش قبلی بصورت ترکیبی، برای کاهش هرچه بیشتر عدم قطعیت در تصمیم گیری ها می باشد. نتایج تجربیبدست آمده در مقایسه با روش پیشین، به روشنی نشان می دهد که این ترکیب علاوهبر مزیتهای روش قبل، بدلیل کاهشهرچه بیشتر قوانین تولید شده برای اتخاذ تصمیم، قابل فهم تر، دقیقتر و ریسک پذیری عاقلانهتری دارد.
Decision making (DM) is an important problem in most of the armyoperations. One of the challenging issues in this area is uncertainty in warswith uncertain information which causes many destructive effects on theresults of strategies in battlefields. In the Heravi et al. article’s, published inthe year 2013, utilizing a combination of Cognitive Agent (CA) andClassification based on Fuzzy Association Rules (CFAR) as the mosteffective and widely used methods, was able to relatively reduce thisproblem and tried to reduce uncertainty. But still in critical condition, can’tdeny the need to act quickly and remove most invalid and inefficient rulesextracted in the effective decisions.This paper aims to utilize the capabilities of Genetic Algorithm (GA) in amore realistic selection rules as a meta-heuristic way to combinecomplementary methods to minimize the uncertainty in DM. In comparisonwith previous method, experimental results achieved, clearly show that thiscombination in addition to the advantages of the previous method, due to thefurther reduction of production rules for DM, are more understandable andaccurate and has more rational risk acceptance.
https://jims.atu.ac.ir/article_5720_f52ea15bf363d1cc5ba75144a7dbb4d7.pdf
تصمیم گیری
مدیریت عدم قطعیت
جنگ های نامتقارن
عامل های شناختی
دسته بندی براساس قوانین وابستگی فازی
انتخاب ژنتیکی قوانین
Decision making
Uncertainty Management
Asymmetric Warfare
Cognitive Agent
Classification based on Fuzzy Association Rules
Genetic Rule Selection