یکی از روش های مؤثر در حل مسائل بهینه سازی چندهدفه، روش ε-محدودیت می باشد که بر خلاف روش مجموع وزن دار شده قادر به یافتن نقاط غیرمغلوب در قسمت های نامحدب از مرز غیرمغلوب است. از معایب عمده این روش یافتن نقاط غیرمغلوب تکراری به ازای انتخاب پارامترهای متفاوت و در أکثر
یکی از روش های مؤثر در حل مسائل بهینه سازی چندهدفه، روش ε-محدودیت می باشد که بر خلاف روش مجموع وزن دار شده قادر به یافتن نقاط غیرمغلوب در قسمت های نامحدب از مرز غیرمغلوب است. از معایب عمده این روش یافتن نقاط غیرمغلوب تکراری به ازای انتخاب پارامترهای متفاوت و در نتیجه افزایش پیچیدگی محاسباتی الگوریتم و کاهش کارایی آن در حالت کلی است که به لحاظ زمان و هزینه پیاده سازی مقرون به صرفه نیست. در این مقاله اصلاحی بر روش ε-محدودیت انجام می گیرد که به واسطه هوشمندسازی الگوریتم، نواحی غیرضروری که منجر به تولید نقاط غیرمغلوب تکراری می شوند، از همان ابتدا حذف می گردند و در نتیجه لزوم تلاش های محاسباتی اضافی جهت یافتن نقاط غیرمغلوب تکراری منتفی می شود. مباحث و جزییات روش پیشنهادی به همراه الگوریتم آن، ارائه شده و در بخش مثال های عددی، کارایی روش پیشنهادی در مقایسه با روش ε-محدودیت، مورد بررسی قرار می گیرد.
تفاصيل المقالة
زمینۀ تحلیل پوششی دادهها در حوزۀ علوم داده و تجزیه وتحلیل آن ها قرار میگیرد. هدف اصلی این تحلیل، بررسی و تحلیل جوانب مختلف و متنوع دادهها در یک مجموعه داده است. تحلیل پوششی برای شناخت بهتر دادهها، شفافیت بیشتر و فهم عمیقتر از الگوها، روابط و خصوصیات دادهها به کار أکثر
زمینۀ تحلیل پوششی دادهها در حوزۀ علوم داده و تجزیه وتحلیل آن ها قرار میگیرد. هدف اصلی این تحلیل، بررسی و تحلیل جوانب مختلف و متنوع دادهها در یک مجموعه داده است. تحلیل پوششی برای شناخت بهتر دادهها، شفافیت بیشتر و فهم عمیقتر از الگوها، روابط و خصوصیات دادهها به کار میرود. هدف اصلی تحلیل پوششی دادهها، کشف اطلاعات پنهان و ناشناخته در دادهها و استخراج دانش از آن ها است. با استفاده از روشهای تحلیل پوششی، میتوان مشاهده و شناخت الگوها، روابط، اختلافها و تغییرات در دادهها را انجام داد و به ارائۀ دیدگاههای جدید و بالقوۀ مفید در مورد دادهها و فرآیندهای مربوط به آن ها پرداخت. از این رو، در این مقاله با استفاده از فرآیند شبیه سازی بوت استرپ برای بالا بردن دقت کارایی برآورده شده استفاده شده است. برای این منظور امتیاز کارایی کلی و مرحله ای به طور جداگانه برای هر یک از واحدها از طریق مقادیر شبیه سازی شده برای ورودی ها و خروجی ها تعیین می شوند؛ لذا، مهمترین نوآوری این تحقیق ارائۀ چارچوبی برای تعیین امتیاز کارایی واحدهایی که به طور شبکه ای در ارتباط هستند با استفاده از تحلیل پوششی داده های بوت استرپ شده است. برای نشان دادن روش پیشنهادی، یک مورد مطالعاتی واقعی در شبکۀ زنجیرۀ تأمین رب گوجه فرنگی در نظر گرفته شده است. بر طبق نتایج، دقت روش بکار گرفته شده نشان داده شده است.
تفاصيل المقالة
تحلیل پوششی برای شناخت بهتر دادهها، شفافیت بیشتر و فهم عمیقتر از الگوها، روابط و خصوصیات دادهها به کار میرود. هدف اصلی این تحقیق ارائه یک چارچوب برای سنجش پایداری عملکرد زنجیره تأمین با استفاده از اصول دسترسی پذیری طبیعی، مدیریتی و شبیه سازی بوت استرپ می باشد. بنارا أکثر
تحلیل پوششی برای شناخت بهتر دادهها، شفافیت بیشتر و فهم عمیقتر از الگوها، روابط و خصوصیات دادهها به کار میرود. هدف اصلی این تحقیق ارائه یک چارچوب برای سنجش پایداری عملکرد زنجیره تأمین با استفاده از اصول دسترسی پذیری طبیعی، مدیریتی و شبیه سازی بوت استرپ می باشد. بناراین، در این مقاله یک مدل جدید برای ارزیابی عملکرد زنجیره تامین پایدار با استفاده از تحلیل پوششی داده های شبکهای و شبیهسازی بوت استرپ از طریق تلفیق اصول حاکم بر دسترسی پذیری طبیعی و مدیریتی ارائه خواهد شد. در این مدل، عوامل کلیدی زنجیرۀ تامین پایدار شامل عوامل اقتصادی، اجتماعی و محیط زیستی به صورت ورودی و خروجی در مدل تحلیل پوششی داده های در نظر گرفته خواهند شد. علاوه بر این، ورودی ها به دو صورت مدیریتی (تحت کنترل) و غیرمدیریتی (غیرکنترل) طبق اصول دسترسی پذیری طبیعی و مدیریتی در نظر گرفته شده اند. سپس با استفاده از روش شبیهسازی بوت استرپ، و ساخت داده های مورد نیاز نسبت به برآورد امتیاز کارایی شبکه ایی برای واحدهای تصمیم گیری اقدام می شود. برای نشان دادن روش پیشنهادی، یک مورد مطالعاتی واقعی در شبکه زنجیره تأمین رب گوجه فرنگی در نظر گرفته شده است. بر طبق نتایج، دقت روش بکارگرفته شده نشان داده شده است.
تفاصيل المقالة
سند
Sanad is a platform for managing Azad University publications