فرمت فایل : WORD (قابل ویرایش)
تعداد صفحات:128
پایان نامه
مقطع کارشناسی ارشد
رشته مهندسی صنایع
فهرست مطالب:
فصل اول: مقدمه و کلیات تحقیق 2
1-1 مقدمه 2
1-2 بیان مسأله اساسی تحقیق 2
1-3 اهمیت و ضرورت انجام تحقیق 3
1-4 جنبه جدید بودن و نوآوری در تحقیق 4
1-5 اهداف مشخص تحقیق 4
1-6 سؤالات تحقیق 4
1-7 تعریف واژهها و اصطلاحات فنی و تخصصی 4
فصل دوم: ادبیات و پیشینه تحقیق 6
2-1 مقدمه 7
2-2 تصمیم گیری 8
2-2-1 مراحل تصمیم گیری 10
2-2-2 انواع تصمیم گیری 10
2-2-3 روش های تصمیم گیری 11
2-2-4 انواع مدل های تصمیم گیری 11
2-3 تصمیم گیری چند معیاره 11
2-3-1 انواع مدل های تصمیم گیری چند معیاره (MCDM) 12
2-3-1-1 تصمیم گیری چند هدفه (MODM) 12
2-3-1-2 تصمیم گیری چند شاخصه ( ) 12
2-3-1-3 انواع روش های تصمیم گیری چند شاخصه 14
2-3-1-4 روش مجموع ساده وزین (SAW) 15
2-3-1-5 دلایل بکارگیری تصمیم گیری چند معیاره 15
2-3-1-6 لزوم تصمیم گیری چندمعیاره در پروژه ها و مسائل مختلف 16
2-4 جانمایی 16
2-4-1 مدل QAP 18
2-5 تفاوت بین الگوریتم های دقیق وهیورستیک ومتاهیورستیک 20
2-6 الگوریتم ژنتیک 24
2-6-1 تاریخچه 24
2-6-2 کاربرد های الگوریتم ژنتیک 24
2-6-3 مزایای بکارگیری الگوریتم ژنتیک 25
2-6-4 معایب الگوریتم ژنتیک 26
2-6-5 واژگان الگوریتم ژنتیک 26
2-6-6 مفاهیم کلیدی در الگوریتم ژنتیک 27
2-7 جمع بندی 37
فصل سوم: روش تحقیق 39
3-1 مقدمه 39
3-2 روش تحقیق 39
3-3 سوالات تحقیق 41
3-4 اهداف تحقیق 41
3-5 روش های گردآوری اطلاعات 41
3-6 اعتبار سنجی 42
3-7 روش حل مدل 42
3-8 شیوه تجزیه و تحلیل داده ها 42
3-9 جمعبندی 42
فصل چهارم: محاسبات و یافته های تحقیق 45
4-1 مقدمه 45
4-2 داده های مورد نیاز مدل 45
4-3 محدوده زمانی ومکانی تحقیق 45
4-4 داده های جمع آوری شده 45
4-5 حل مسئله QAP با استفاده از الگوریتم ژنتیک 53
4-6 نتایج حاصل از حل مسئله با استفاده از الگوریتم ژنتیک 57
4-6-1 نتایج حاصل از الگوریتم اول 57
4-6-2 نتایج حاصل از الگوریتم دوم 65
4-6-3 مقایسه دو الگوریتم 73
4-7 استفاده از رویکرد تصمیم گیری چند معیاره در انتخاب استقرار برتر 75
4-8 جمع بندی 79
فصل پنجم: نتیجه گیری و پیشنهادات 82
5-1 مقدمه 82
5-2 تحلیل نتایج حاصل از حل مدل 82
5-3 نتیجه گیری 90
5-4 پیشنهادات کاربردی 90
5-5 پیشنهادات تحقیقات آتی 91
منابع و مراجع 92
پیوست اول شرح الگوریتم اول برای مسئله QAP 96
پیوست دوم شرح الگوریتم دوم برای حل مسئله QAP 106
فهرست جداول
جدول 2 1 مقایسه روش های دقیق، ابتکاری و فراابتکاری 22
جدول 2 2 محاسبه احتمال در چرخه رولت 34
جدول 2 3 محاسبات روش مسابقه 35
جدول 2 4 محاسبات روش رتبه بندی 36
جدول 4 1 ماتریس فاصله 48
جدول 4 2 ماتریس جریان 51
جدول 4 3 نتایج حاصل از 1000 بار تکرار الگوریتم 57
جدول 4 4 نتایج حاصل از 2000 بار تکرار الگوریتم 60
جدول 4 5 نتایج حاصل از 3000 بار تکرار الگوریتم 61
جدول 4 6 نتایج حاصل از 4000 بار تکرار الگوریتم 61
جدول 4 7 نتایج حاصل از 5000 بار تکرار الگوریتم 62
جدول 4 8 نتایج حاصل از 10000 بار تکرار الگوریتم 63
جدول 4 9 نتایج حاصل از 1000 بار تکرار الگوریتم 65
جدول 4 10 نتایج حاصل از 2000 بار تکرار الگوریتم 66
جدول 4 11 نتایج حاصل از 3000 بار تکرار الگوریتم 66
جدول 4 12 نتایج حاصل از 4000 بار تکرار الگوریتم 67
جدول 4 13 نتایج حاصل از 5000 بار تکرار الگوریتم 68
جدول 4 14 نتایج حاصل از 10000 بار تکرار الگوریتم 71
جدول 4 15 استقرار های به دست آمده از الگوریتم دوم با 5000 تکرار 76
جدول 4 16 خوشه بندی نقشه دانشگاه برای امتیاز دهی به معیارها 76
جدول 4 17 خوشه بندی نقشه دانشگاه برای امتیاز دهی به معیارها 76
جدول 4 18 امتیاز هرگزینه با توجه به معیارها در روش SAW 77
جدول 4 19 نمره هر گزینه با استفاده از روش SAW 78
جدول 5 1 هزینه های چیدمان ها 82
فهرست شکل ها
شکل 2 1 نقاط بهینه سراسری و محلی 22
شکل 2 2 روش ادغام 30
شکل 2 3 چرخه رولت 35
شکل 2 4 چرخه رولت در روش رتبه بندی 37
شکل 4 1 چیدمان تسهیلات موجود 47
شکل 4 2 فلوچارت الگوریتم اول 54
شکل 4 3 فلوچارت الگوریتم دوم 55
شکل 4 4 عدم همگرایی الگوریتم اول (استراتژی بد) 56
شکل 4 5 همگرایی الگوریتم دوم (استراتژی خوب) 56
شکل 4 6 روند حرکت بهترین جواب هر تولید مثل الگوریتم (برای 1000 بار تکرار) 58
شکل 4 7 نقشه 1000 بار تکرار 59
شکل 4 8 روند حرکت بهترین جواب هر تولید مثل الگوریتم (برای 2000 بار تکرار) 60
شکل 4 9 روند حرکت بهترین جواب هر تولید مثل الگوریتم (برای 3000 بار تکرار) 61
شکل 4 10 روند حرکت بهترین جواب هر تولید مثل الگوریتم (برای 4000 بار تکرار) 62
شکل 4 11 روند حرکت بهترین جواب هر تولید مثل الگوریتم (برای 5000 بار تکرار) 63
شکل 4 12 روند حرکت بهترین جواب هر تولید مثل الگوریتم (برای 10000 بار تکرار) 64
شکل 4 13 روند تغییر زمان و هزینه در ازای افزایش تکرار (تولید مثل) 64
شکل 4 14 روند حرکت بهترین جواب هر تولید مثل الگوریتم (برای 1000 بار تکرار) 65
شکل 4 15 روند حرکت بهترین جواب هر تولید مثل الگوریتم (برای 2000 بار تکرار) 66
شکل 4 16 روند حرکت بهترین جواب هر تولید مثل الگوریتم (برای 3000 بار تکرار) 67
شکل 4 17 روند حرکت بهترین جواب هر تولید مثل الگوریتم (برای 4000 بار تکرار) 68
شکل 4 18 روند حرکت بهترین جواب هر تولید مثل الگوریتم (برای 5000 بار تکرار) 69
شکل 4 19 چیدمان تسهیلات از5000 تکرار الگوریتم 70
شکل 4 20 روند حرکت بهترین جواب هر تولید مثل الگوریتم (برای 10000 بار تکرار) 71
شکل 4 21 چیدمان تسهیلات از 1000 تکرار الگوریتم 72
شکل 4 22 روند تغییر زمان و هزینه در ازای افزایش تکرار (تولید مثل) 73
شکل 4 23 مقایسه هزینه به دست آمده از دو الگوریتم در تکرار های مختلف 74
شکل 4 24 مقایسه زمان به دست آمده از دو الگوریتم در تکرار های مختلف 74
شکل 4 25 چیدمان بهینه تسهیلات از روش saw 79
شکل 5 1 چیدمان موجود تسهیلات 84
شکل 5 2 چیدمان حاصل از 10000 بار تکرار الگوریتم دوم 86
شکل 5 3 چیدمان حاصل ار روش تصمیم گیری 87
شکل 5 4 چیدمان دستی 89
چکیده:
یکی از مواردی که در طراحی تسهیلات باید مد نظر قرار گیرد، شکل چیدمان و کاهش میزان رفت و آمد میان تسهیلات است. اصولا یافتن یک چیدمان بهینه، کمک به سزایی در کاهش هزینه و تسهیل عبور و مرور در سطح تسهیلات می می کند.
یکی از متداول ترین مدل های تخصیص تسهیلات به مکان های از پیش تعیین شده، مسئله تخصیص درجه دوم می باشد. این مدل توانایی در نظر گرفتن هزینه هر دو تسهیل در هر دو مکان خاص را دارد. با این حال این مدل تنها فاصله و تواتر میان تسهیلات را دربر می گیرد و زمانی که تصمیم گیران معیارهای خاصی را مدنظر قرار داشته باشند، این مدل ناکارآمد می باشد. لذا برای مد نظر قرار دادن برخی از معیارهای تصمیم گیرندگان می توان از مدل های تصمیم گیری استفاده کرد.
یکی از مشکلاتی که طراحی چیدمان با آن روبرو است، افزایش تعداد تسهیلات است، چراکه در این صورت احتمال به دام افتادن در نقاط بهینه محلی افزایش یافته و از طرف دیگر حرکت به سمت نقطه بهینه سراسری بسیار زمان بر می گردد. از این رو برای حل مسائل و مدل های چیدمان از روش های فراابتکاری استفاده می شود.
در این تحقیق چیدمان جدیدی از تسهیلات دانشگاه گنبد با استفاده از مدل تخصیص درجه دوم ارائه می گردد. به دلیل اندازه بالای مسئله، برای حل مدل از روش فراابتکاری الگوریتم ژنتیک استفاده می شود. الگوریتم ژنتیک به عنوان یک روش فرا ابتکاری، توانایی بالایی در جستجوی فضای حل در چند جهت داشته، در نتیجه احتمال به دام افتادن در نقطه بهینه محلی را به شدت کاهش می دهد.
در ادامه برای لحاظ معیارهایی که مدل تخصیص درجه دوم توانایی درنظر گرفتن آن ها را ندارد. از روش تصمیم گیری چند معیاره استفاده می شود. برای این منظور با تعریف و وزن دهی معیارهای مدنظر تصمیم گیر، جواب های منتخب حاصل از مدل تخصیص درجه دوم امتیاز دهی شده و گزینه برتر انتخاب می شود.
در نظر گرفتن ماتریس تواتر و فاصله و هم چنین معیارهای تعریف شده توسط تصمیم گیر مهمترین مزیت چیدمان به دست آمده نهایی است. مقایسه میان هزینه چیدمان پیشنهادی و چیدمان فعلی دانشگاه، نشان می دهد که چیدمان پیشنهادی هزینه بسیار کمتری نسبت به چیدمان فعلی دارد.
کلمات کلیدی:
تخصیص – مدل تخصیص درجه دوم – تصمیم گیری چند معیاره – روش وزن دهی ساده – روش های فراابتکاری – الگوریتم ژنتیک
توضیحات :
پروژه ای که در این مطلب برای دانلود آماده شده است ، به شناسایی و دسته بندی تکنیک های تصمیم گیری چند معیاره گسسته پرداخته است. تصمیمگیری چند شاخصه یا multiple Attribute Decision making و به اختصار MADM شاخه ای از تصمیم گیری چند معیاره می باشد. این نوع از تصمیم گیری شامل مدلها و روشهایی می باشد که خود به دو دسته ی مدلهای جبرانی و مدلهای غیرجبرانی تقسیم می گردد.با توجه به اینکه هدف از این پروژه ، ارائه دسته بندی های جدیدی از تکنیک های MADM است، این تکنیک ها بررسی و در نهایت، ۷ نوع دسته بندی مختلف ارائه و توجیه شده است.
پس از بررسی تکنیک های MADM کلاسیک، سعی شد، متدهای جدید MADM شناسایی و بررسی شود که نتیجه این تحقیقات و بررسی ها در فصل سوم آورده شده است .در فصل چهارم ، ۷ نوع دسته بندی برای تکنیک های MADM ارائه شده و فواید هر کدام مورد ارزیابی قرار می گیرد. هر مسئله با چند معیار برای تصمیم گیری، باید توسط یکی از تکنیک های متعدد MADM حل شوند. با توجه به اینکه هدف از انجام این پایان نامه شناسایی تکنیک های جدید و دسته بندی تکنیک های تصمیم گیری چند معیاره گسسته (MADM)است ، آشنایی با مباحث اولیه مربوط به تکنیک های MADM ضروری به نظر می رسد.
مباحث تصمیم گیری های چند معیاره یک بخش مهم از دانش تصمیم گیری مدرن را تشکیل می دهد. این مباحث به طور گسترده در زمینه های متعددی مانند: اجتماعی، اقتصادی، نظامی، مدیریتی و … به کار می رود. محققین در دهه های اخیر توجه خود را معطوف به مدل های چند معیاره (MCDM ) برای تصمیم گیری های پیچیده کرده اند. در این تصمیم ها به جای استفاده از یک معیار سنجش بهینگی از چندین معیار سنجش ممکن است استفاده گردد.این مدلهای تصمیم گیری به دو دسته عمده تقسیم می شوند: مدلهای چند هدفه (MODM ) و مدلهای چند شاخصه (MADM).در مدلهای MADM شاخص ها اغلب از مقیاس های مختلف بوده و غالبا در تعارض با یکدیگر هستند، لذا گزینه ای که بتواند ایده آل هر شاخص را تامین نماید، معمولا غیر ممکن است. در نتیجه در مدلهای MADM به دنبال پیدا کردن مناسب ترین گزینه به طور نسبی هستند. تفاوت اصلی مدلهای تصمیمگیری چند هدفه با مدل های تصمیمگیری چند معیاره آن است که اولی در فضای تصمیمگیری پیوسته و دومی بر فضای تصمیمگیری گسسته تعریف میگردند.
یک گزینه MADM ممکن است توسط شاخص های کمی یا شاخص های کیفی توصیف شود.در شاخص های کمی، مقیاس های اندازه گیری ممکن است با یکدیگر متفاوت باشند (مانند فاصله به متر و هزینه به ریال).مدلهای MADM شناخته شدهترین شاخه تصمیمگیریهاست. این مدلها دارای تنوع تکنیکی بسیار گستردهای هستند و این امر به هنگام کاربرد ممکن است سردرگمی تحلیلگر یا کاربر را باعث شود.
فهرست مطالب :
چکیده
مقدمه
فصل ۱- مفاهیم اولیه
۱-۱- مقیاس دوقطبی فاصله ای
۱-۲- بی مقیاس کردن
۱-۲-۱- بی مقیاس کردن با استفاده از نرم
۱-۲-۲- بی مقیاس کردن خطی
۱-۲-۳- بی مقیاس کردن فازی
۱-۳- ارزیابی اوزان (wj) برای شاخص ها
۱-۳-۱- تکنیک آنتروپی
۱-۳-۲- روش LINMAP
۱-۳-۳- روش کمترین مجذورات وزین شده
۱-۳-۴- تکنیک بردار ویژه
۱-۴- MADM فازی
۱-۴-۱- تعریف زیر مجموعه فازی
۱-۴-۲- روشهای رتبه بندی فازی Ui (فازی)
فصل ۲- تکنیک های MADM کلاسیک
۲-۱- تکنیک های MADM کلاسیک
۲-۲- مدلهای غیر جبرانی
۲-۲-۱- روش تسلط
۲-۲-۲- روش ماکسی مین
۲-۲-۳- روش ماکسی ماکس
۲-۲-۴- روش رضایت بخش شمول
۲-۲-۵- روش رضایت بخش خاص
۲-۲-۶- روش لکسیکوگراف
۲-۲-۷- روش حذف
۲-۲-۸- روش پرموتاسیون
۲-۳- مدلهای جبرانی
۲-۳-۱- زیرگروه نمره گذاری و امتیاز دهی
۲-۳-۲- زیرگروه سازشی
۲-۳-۳- زیر گروه هماهنگ
۲-۴- روش AHP
۲-۵- AHP گروهی
۲-۶- ساختار غیر رده ای و توام با بازخور
فصل ۳- تکنیک های جدید MADM
۳-۱- روش های فازی با مجموع وزین
۳-۱-۱- روش باآس
۳-۱-۲- روش کواکرناآک
۳-۱-۳- روش دوبوس
۳-۱-۴- روش چنگ
۳-۱-۵- روش بونیسون
۳-۲- استفاده از AHP به صورت فازی
۳-۲-۱- روش باکلی
۳-۳- TOPSIS فازی
۳-۴- ELECTRE GD
۳-۴-۱- حل تعارضات ماتریس ارجحیت
۳-۴-۲- یک ارتباط برتری فازی برای جمع کردن ارجحیت های SDMها
۳-۵- ELECTRE TRI
۳-۵-۱- ارتباط ارجحیت در ELECTRE TRI
۳-۵-۲- رویه تخصیص
۳-۶- FMADM برای GDM
۳-۶-۱- مرحله مقداردهی
۳-۶-۲- مرحله تجمع براساس معیارها
۳-۷- TOPSIS برای GDM
۳-۸- GRA (Grey Relation Analysis)
۳-۹- AIRM
۳-۱۰- رویکرد (ER (Evidential Reasoning
۳-۱۱- DS-AHP
۳-۱۲- MP-MADM
فصل ۴- دسته بندی تکنیک های MADM
۴-۱- دسته بندی براساس نوع اطلاعات دریافتی از
۴-۲- دسته بندی براساس نوع کاربرد روش
۴-۳- دسته بندی براساس فازی و غیر فازی بودن
۴-۴- دسته بندی براساس تعداد DMها
۴-۵- دسته بندی بر مبنای قطعی یا احتمالی بودن اطلاعات
۴-۶- دسته بندی براساس کامل یا ناقص بودن اطلاعات ورودی
-۴-۷- دسته بندی براساس تعداد دوره های تصمیم گیری
منابع
پاورپوینت آماده و در صورت نیاز قابل ویرایش میباشد. برخی از مواردی که در آن اشاره شده است شامل:
1-روشهای موجود در MADM شامل روشهای جبرانی و غیر جبرانی 2- TOPSIS ، تعاریف 4- گامهای روش TOPSIS شامل گام اول تا ششم 5- مقاله مورد بحث با عنوان
Material selection for thin-film solar cells using multiple attribute decision
making approach