ارائه مدل رياضي چندهدفه براي مسأله تبادل هزينه -زمان و در نظر گرفتن ارزش زماني پول با استفاده از الگوريتم MOPSO

Presenting a Multi-Objective Mathematical Model for Time-Cost trade off Problem Considering Time Value of Money and Solve it by MOPSO Algorithm

مسأله تبادل هزينه و زمان يكي از مهم‌ترين مسائل موجود در زمينه زمان‌بندي پروژه مي‌باشد و تاكنون تحقيقات بسيار زيادي با رويكردهاي گوناگون كمي‌و كيفي بر روي اين موضوع انجام شده است. در اين تحقيق قصد داريم تا با ارائه يك مدل دو هدفه رياضي، شرايط را براي ايجاد توازن ميان فشرده‌سازي، صرفه‌جويي در هزينه و به تاخير انداختن زمان اجراي فعاليت‌ها مهيا كنيم به طوري كه ابزار مناسبي در اختيار تصميم‌گيرندگان براي تصميم‌گيري در رابطه با زمان اجراي هر فعاليت با توجه به امكانات در دسترس و نيز زمان در اختيار، براي اتمام پروژه فراهم آيد. در مدل رياضي پيشنهادي تلاش شده است تا با به كارگيري فرضياتي نظير تابع هزينه غيرخطي و همچنين در نظر گرفتن ارزش زماني پول، شرايط مسئله تا حد امكان به محيط واقعي نزديك‌تر گردد. در پايان مدل رياضي ارائه شده در اين مقاله را با استفاده از الگوريتم Objective Particle Swarm Optimization)MOPSO(Multi بررسي نموده و تاثير فشرده‌سازي و به تاخير انداختن فعاليت‌ها را بر روي مجموعه نامغلوب نهايي ارائه خواهيم داد.

The time - cost tradeoff problem is one of the most critical issues in the project scheduling field and so far, a lot of research has been done with a variety of quantitative and qualitative approaches on this subject. In this research, we intend to provide a two - objective mathematical model which balances crash and delay for activities. So that it provides the right tools for decision makers to decide on the scheduling of activities, with considering available facilities and time available, to complete the project. In the proposed mathematical model, it is attempting to use the assumptions such as the nonlinear cost function as well as the time value of money so that the problem conditions will be as close as possible to the real environment. At the end, we solve the mathematical model presented in this paper using the Multi Objective Particle Swarm Optimization (MOPSO) algorithm and the impact of the crash and delay for activities in the final non-dominated solutions is investigated.