تصميم نظام أمثل باستخدام الفاصل التقريبي لبرمجة دي نوڨو متعددة الأهداف
محتوى المقالة الرئيسي
الملخص
تُعد برمجة دي نوڤو متعددة الأهداف، أداة فعالة تتعامل مع تصميم نظام أمثل، وذلك من خلال تحديد المستوى الأمثل لتخصيص الموارد، وتحسين قيمة دوال الهدف وفقاً لسعر الموارد (هذا فيما لو كانت الظروف طبيعية ولا يوجد تقلب في الاسعار). في هذه البحث اُقتِرحَ نهجاً جديداً لحل مشكلة عدم اليقين لمشكلة برمجة دي نوفو، وذلك باستخدام أنموذج مركب يتضمن نوعين من البرمجة: الأول هو برمجة متعددة الأهداف ذات الفاصل التقريبي (RIMOP)، والثاني: برمجة دي نوڤو(DNP)، علماً بأن معاملات متغيرات القرار لدالة الهدف والقيود عبارة عن فاصل تقريبي RIC. وقد استخدامنا ثلاث طرائق لحل الانموذج المقترح وإيجاد تصميم نظام أمثل، الطريقة الاولى هي طريقة المجموع الموزون WSM والتي تُستخدم قبل اعادة صياغة النموذج المقترح RIMOP (وكانت الموارد معروفة)، وقد وجد ان نتائج طريقة WSM تعطي حلاً واحداً (حل وسط قريب من المثالية) من بين الحلول المقبولة تحت كل حد من حدود المشكلة، وبالتالي يمكن تقديم أربع حلول (بدائل) لصانع القرار (DM). اما منهجية زيلني وطريقة نسب المسار الأمثل فقد استخدمت بعد صياغة الانموذج المقترح (RIMODNP) (وكانت الموارد للطرف الأيمن للقيود ليست معروفة). وجد ان منهجية زيلني تعطي تصميم نظام أمثل واحداً لكل حد من حدود المشكلة، في حين ان طريقة المسار الأمثل طبقت بعد ان تم التأكد من حدود النموذج المقترح وفقاً النظرية شاي فقد استخدمنا ثلاثة أنواع من النسب تحت كل مشكلة فرعية، فقد وجد ان هذهِ الطريقة تعطي ثلاث تصاميم انظمة مثلى تحت كل حد للمشكلة، وقد اتضح من خلال النتائج ان طريقة نسب المسار الامثل هي أكثر كفاءة من غيرها بعد تطبيقها على النموذج المقترح، لأنها اعطت اثنا عشر بديلاً لـ(DM)، لوحظ ان الانموذج المقترح يتوافق مع شروط ونظريات RIC. يُعد الانموذج المقترح مناسباً جداً لظروف عدم اليقين، اخيراً، طبق مثال رقمي على الانموذج المقترح.
Received 12/03/2023
Revised 05/07/2023
Accepted 09/07/2023
Published Online First 20/10/2023
تفاصيل المقالة
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
كيفية الاقتباس
المراجع
Tirkolaee EB, Goli A, Hematian M, Sangaiah AK, Han T. Multi-objective Multi-mode Resource Constrained Project Scheduling Problem Using Pareto-based Algorithms. Comput. January 2019; 101: 547-570. https://doi.org/10.1007/s00607-018-00693-1
Torkayesh AE, Vandchali HR, Tirkolaee EB. Multi-objective Optimization for Healthcare Waste Management Network Design with Sustainability Perspective. Sustainability. 2021; 13(15): 1-17. https://doi.org/10.3390/su13158279
Odu GO. Weighting Methods for Multi-criteria Decision-making Technique. J Appl Sci Environ Manage. 2019; 23 (8): 1449-1457. 10.4314/jasem.v23i8.7
Kamal M, Jalil SA, Muneeb SM, Ali I. A Distance Based Method for Solving Multi-Objective Optimization Problem. J Mod Appl Stat Methods. 2018; 17(1): 1-23. https://dx.doi.org/10.22237/jmasm/1532525455
Mediya BM, Ayad MR, Rzgar FM, Ronak MA. A novel technique for solving multi-objective linear programming problems. Math Forum. 2020; 28(2): 155-165.
Zeleny M. Multi-objective Optimization, Systems Design and De Novo Programming. In: Handbook of Multicriteria Analysis. Zopounidis C, Pardalos PM, editors. Springer-Verlag, 2010; pp. 243–262. http://dx.doi.org/10.1007/978-3-540-92828-7_8
Afli F, Hasbiyati I, Gamal MDH. Modification Goal Programming for Solving Multi-objective De-novo Programming Problems. Int J Manag Fuzzy Syst. 2019; 5(4): 64-69. https://doi.org/10.11648/J.IJMFS.20190504.11
Brozova H, Vlach M. Optimal Design of Production Systems: Meta Optimization with Generalized De Novo Programming. Int Conf Ops Res Enterp Syst. 19 Feb. 2019: 473-480. https://doi.org/10.5220/0007682404730480
Umarusman N. Using Global Criterion Method to Define Priorities in Lexicographic Goal Programming and An Application for Optimal System Design. MANAS J Soc Stud. 2019; 8(1): 326-341. https://doi.org/10.33206/mjss.519112
Banki S, Bhattacharya D. A Note on min-max Goal Programming Approach for Solving Multi-objective De Novo Programming Problems. Int J Oper Res. 2020; 37(1): 32–47. https://doi.org/10.1504/IJOR.2020.104223
Lo WC, Lu CH, Chou YC. Application of Multi-Criteria Decision Making and Multi-Objective Planning Methods for Evaluating Metropolitan Parks in Terms of Budget and Benefits. Mathematics. 2020; 8(8): 1-17. https://doi.org/10.3390/math8081304
Nath J, Banik S, Bhatacharya D. Portfolio Optimization in Share Market Using Multi-objective Linear Programming. Int J Math Comput Res. 2020; 8(8): 2121-2123. https://doi.org/10.47191/IJMCR%2FV8I8.02
Budianti RS, dan Ramdani Y. Optimasi Produksi Buis Beton Menggunakan Model De Novo Programming pada Sakti Beton Jaya Mandiri. J Ris Mat. 2021; 1(1): 46-56. http://dx.doi.org/10.29313/jrm.v1i1.161
Banki S, Bhattacharya D. General Method for Solving Multi-objective De Novo Programming Problems. Optimization. 16 Jun 2022. https://doi.org/10.1080/02331934.2022.2088367
Banik S, Bhattacharya D. One-step Approach for Solving General Multi-objective De Novo Programming Problem involving fuzzy parameters. Hacet J Math Stat. 2019; 48(6): 1824 – 1837.
Khalifa H. On Solving Fully Fuzzy Multi-Criteria De Novo Programming via Fuzzy Goal Programming Approach. J Appl Res Ind Eng. 2018; 5(3): 239–252. https://doi.org/10.22105/JARIE.2018.148642.1054
Khalifa HA. On Solving Possibilistic Multi- Objective De Novo Linear Programming. Iranian J Optim. 2019; 11(2): 277-284. https://dorl.net/dor/20.1001.1.25885723.2019.11.2.16.7
Sharahi SJ, Damghani KK. Fuzzy Type-II De-Novo Programming for Resource Allocation and Target Setting in Network Data Envelopment Analysis: A Natural Gas Supply Chain. Expert Syst Appl. 2019; 117: 312-329. https://doi.org/10.1016/j.eswa.2018.09.046
Umarusman N. Soft Computing: Techniques in Engineering Sciences. Berlin: Walter de Gruyter GmbH; 2020. Chapter 2, A new fuzzy de novo programming approach for optimal system design; p. 13-31. http://dx.doi.org/10.1515/9783110628616-002
Kacprzyk J. On Some De Novo Type Approaches to Fuzzy Decision Making, Optimization and Control: An Application to Sustainable Regional Development. In: Aliev RA, Kacprzyk J, Pedrycz W, Jamshidi M. Babanli MB, Sadikoglu F, editors. 15th Int Conf Appl Fuzzy Syst. Soft Computing and Artificial Intelligence Tools – ICAFS-2022. ICAFS 2022. Lect. Notes Netw. 2023; 610. https://doi.org/10.1007/978-3-031-25252-5_1
Rivaz S, Saeidi Z. Solving Multi-objective Linear Programming Problems with Interval Parameters. Fuzzy Inf Eng. 2021; 13(4): 497-504. https://doi.org/10.1080/16168658.2021.2002544
Miao DY, Li YP, Huang GH. Optimization Model for Planning Regional Water Resource Systems under Uncertainty. J Water Resour Plan Manag. Feb 2014; 140(2): 238-249.
Zheng RB, Huang GH, Zhang YM. Inexact De Novo Programming for Agricultural Irrigation System Planning. Environ Eng Sci. 2 Jul 2012; 29(7). https://doi.org/10.1089/ees.2010.0315
Bhattacharya D, Chakraborty S. Solution of the General Multi-objective De-Novo Programming Problem Using Compensatory Operator under Fuzzy Environment. J Phys.: Conf. Ser. 2018; 1039: 012012. https://ui.adsabs.harvard.edu/link_gateway/2018JPhCS1039a2012B/doi:10.1088/1742-6596/1039/1/012012
Gao PP, Li YP, Gong JW, Huang GH. Urban Land-use Planning under Multi-uncertainty and Multi-objective Considering Ecosystem Service Value and Economic Benefit - A Case Study of Guangzhou-China. Ecol Complex. 2021; 45: 1-20. https://doi.org/10.1016/j.ecocom.2020.100886
Babic Z, Veza I, Balic A, Crnjac M. Application of De Novo Programming Approach for Optimizing the Business Process. Int J Ind Syst Eng. 2018; 12(5): 519-524. https://zenodo.org/record/1316522/files/10008915.pdf
Rawia TM, Razali Y, Nurfadhlina MS, Rusli A. Unifying the Evaluation Criteria of Many Objectives Optimization Using Fuzzy Delphi Method. Baghdad Sci J. 2021; 18(4(Suppl.)): 1423-1430. http://dx.doi.org/10.21123/bsj.2021.18.4(Suppl.).1423
Ammar S, Eljerbi T. On Solving Fuzzy Rough Multi-objective Integer Linear Fractional Programming Problem. J Intell. fuzzy syst. 2019; 3(4): 2099-2120. https://doi.org/10.3233/jifs-182552
Zhuang ZY, Hocine A. Meta Goal Programing Approach for Solving Multi-criteria De Novo Programing Problem. Eur J Oper Res. 2018; 265(1): 228-238. https://doi.org/10.1016/j.ejor.2017.07.035
Allahdadi M, Nehi HM. The Optimal Value Bounds of the Objective Function in the Interval Linear Programming Problem. Chiang Mai J Sci. 2015; 42(2): 501-511. http://epg.science.cmu.ac.th/ejournal/
Shi Y. Studies on Optimum-path Ratios in Multi-criteria De Novo Programming Problems. Computers Math. Appl. 1995; 29(5): 43-50. https://doi.org/10.1016/0898-1221(94)00247-I
Zhang Z, Wang X, Lu J. Multi-objective Immune Genetic Algorithm Solving Nonlinear Interval-valued Programming. Eng Appl Artif Intell. 2018; 67: 235-245. https://doi.org/10.1016/j.engappai.2017.10.004
Zainb HR, Firas HM, Nagham KH. Fuzzy-assignment Model by Using Linguistic Variables. Baghdad Sci J. 2021; 18(3): 539-542. http://dx.doi.org/10.21123/bsj.2021.18.3.0539.