ارايه مدلي تركيبي براي تسطيح منابع چندگانه با استفاده از الگوريتم چند معياره تكاملي تفاضلي در شرايط عدم قطعيت

Proposing a Hybrid Model for Resource Leveling by Multi-Criteria Differential Evolution Algorithm under Uncertainty

حين اجراي پروژه ­ها، كاهش نوسان در الگوي استفاده از منابع، به­ ويژه در مواردي كه حتي تغييرات بسيار كم در سطح استفاده از منبع مي­تواند منجر به بار مالي و يا ريسك­هاي بالا گردد از اهميت به سزايي برخوردار است. روش­هاي سنتي تسطيح منابع، در حل مسايل چندهدفه مقيد كارآيي چنداني ندارند. در اين مقاله تلاش شده است تا با ارايه ­ي روشي برمبناي توسعه­ اي از الگوريتم تكاملي ـ تفاضلي مبتني بر فرايند الكتر، مشكلات روش­هاي سنتي رفع شود. روش پيشنهادي علاوه بر رفع چالش­هاي متداول ناشي از نرمال سازي و وزن­ده ي توابع هدف، با استفاده از شبه­ م معيار به جاي معيار امكان در نظرگرفتن ابهام و يا عدم قطعيت در مصرف منابع را فراهم مي­آورد. ساختار مدل پيشنهادي متناسب با شرايط واقعي پروژه­ ها طراحي شده است. نتايج حاصل از مثال عددي مبين عملكرد بهتر مدل پيشنهادي نسبت به روش­هاي سنتي، در حل مسايل تسطيح تك ­هدفه و تسطيح چندهدفه است.

The importance of resource leveling cannot be ignored throughout a project, especially in cases where a trivial fluctuation in using resources will lead into high financial risks or costs. Traditional approaches are usually insufficient in solving the problems of multi-objective constraint resource leveling. In this paper, we propose an optimized technique based on Differential Evolution (DE) algorithm and ELECTERE method in order to overcome the drawbacks of the traditional resource leveling algorithms. Furthermore, obviating the challenges of normalizing and weighting objective functions, this approach takes the uncertainty and ambiguity of the objective functions into account through application of pseudo-criterion. The structure of proposed model is designed based on real situations. Results obtained from the numerical example verify the efficiency of the proposed model in solving the problems of resource leveling, and in comparison with traditional models; they confirm the better performance of this model to overcome single and multi-objective problems.