A new algorithm for deve.., p.25

A new algorithm for developing multiobjective models with utility function in fuzzy environment for distribution centers location problem, page 25

 

A new algorithm for developing multiobjective models with utility function in fuzzy environment for distribution centers location problem
Select Voice:
Brian (uk)
Emma (uk)  
Amy (uk)
Eric (us)
Ivy (us)
Joey (us)
Salli (us)  
Justin (us)
Jennifer (us)  
Kimberly (us)  
Kendra (us)
Russell (au)
Nicole (au)



Larger Font   Reset Font Size   Smaller Font  



 

 

 

  در ارتباط با روش حل این مدل، از تکنیک­های بسیار زیادی می­توان بهره برد. در این­جا روش LP-Metric به جهت توانمندی­های آن مورد استفاده قرار گرفته است. فرمول کلیدی در این روش به صورت زیر می­باشد.

  که در آن و به ترتیب مقدار بهینه برای تابع هدف اول و تابع هدف دوم است که با حل دو مدل مستقل به دست می­آید. هر یک از این مدل­ها را توسط یک تابع هدف به همراه محدودیت­های مربوط به آن تابع هدف ایجاد می­نماییم. همانطور که ملاحظه می­شود، علامت­های جبری در دومین عبارت، عکس عبارت اول است، چرا که تابع هدف دوم، ماکزیمم سازی است. مقادیر w1­ و w2 نیز نشان­دهندۀ اوزانی است که می­تواند بنابر اهیمت هر یک از توابع هدف از دید تصمیم­گیرندگان و مدل­سازان تغییر نماید.

  در مرحله بعد به دنبال یک سیستم پشتیبان تصمیم خواهیم بود. چرا که ارائه تنها یک جواب، از نظر تصمیم­گیرندگان کافی نبوده و ایشان علاقمند به دانستن تغییرات در جواب مذکور به ازای تغییراتی که در اوزان مربوط به توابع هدف مشتق از داده­های Subjective در مقابل توابع هدف مشتق از داده­های Objective، می­باشند. بنابراین مدلی را خواهیم ساخت که رابطه زیر به عنوان تابع هدف آن خواهد بود. با استفاده از این تابع هدف، امکان تحلیل حساسیت برای مدل فراهم خواهد شد. تصمیم­گیرندگان قادر خواهند بود تا با تغییر مقدار ­ که به عنوان یک پارامتر راهبردی تلقی می­شود ()، جواب­های مختلف را تست نمایند. لذا با استفاده از رابطه زیر به عنوان تابع هدف، این مهم را ایجاد می­نماییم.

  نمودار و جداولی که به ازای هر یک از مقادیر ­ به دست می­آید، همان سیستم پشتیبان تصمیم است که قبلا توضیح داده شد و به تصمیم­گیر کمک خواهد کرد تا به جای یک جواب، به طیف وسیعی از جواب­ها دسترسی پیدا کند. مراحل فوق به صورت خلاصه در شکل زیر ارائه شده است.

  شکل (4- 0): گام­های الگوریتم 9 مرحله­ای

  لازم به ذکر است که روش پیشنهاد شده جهت آنالیز حساسیت، حساسیت توابع هدف را نسبت به یکدیگر می­سنجد.

  4-7- جمع­بندی

  با توجه به مواردی که در قسمت­های قبلی ذکر گردید، در مواردی که با کمی­سازی نظرات تصمیم­گیرندگان یا داده­های Subjective روبرو هستیم، ابزارهای فازی بسیار کارا می­باشند. هم‏چنین به کارگیری تکنیک تحلیل سلسله مراتبی فازی، یکی از مناسب­ترین تکنیک­های قابل استفاده در ارتباط با مسأله مورد بحث این پایان­نامه، که عبارت است از چگونگی وارد نمودن نظرات کیفی تصمیم­گیرندگان در یک مدل تصمیم­گیری مکانیابی تسهیلات به منظور افزایش قابلیت کاربرد مدل­های تحقیق در عملیاتی می­باشد. این تکنیک از آن جهت حائز اهمیت است که امکاناتی را به لحاظ مقایسات زوجی در اختیار تصمیم­گیرندگان می­گذارد و نظرات کیفی آن­ها یا داده­های Subjective را که به صورت متغیرهای زبانی بیان می­شود را کمی می­نمایند. رویکردی که در الگوریتم پیشنهادی این پایان­نامه مد نظر قرار گرفت، برخلاف مدل­های جاری که داده­های Subjective از ابتدا وارد فرآیند تصمیم­گیری نمی­شوند، در همان مراحل ابتدایی این داده­ها از تصمیم­گیرندگان در قالب متغیرهای زبانی دریافت می­شود. چکیده این داده­ها بیانگر میزان مطلوبیتی است که به ازای برقراری هر یک از ارتباطات برای گروه تصمیم­گیرندگان ایجاد می­شود.

 

 

Add Fast Bookmark
Load Fast Bookmark
Turn Navi On
Turn Navi On
Turn Navi On
Scroll Up
Turn Navi On
Scroll
Turn Navi On
183