حل مسئله دو هدفه زمان‌بندي چندحالته پروژه با درنظر گرفتن برنامه‌ريزي پرداخت و منابع محدود با استفاده از الگوريتم

Solving a Bi-Objective Multi-Mode Project Scheduling Problem with Regard to Payment Planning and Constrained Resources using NSGA-II Algorithm

اين پژوهش به بررسي مساله زمان بندي چند حالته پروژه با در نظر گرفتن برنامه ريزي پرداخت و منابع محدود پرداخته مي شود، بطوري كه در مساله پيشنهادي جهت هر چه بيشتر در نظر گرفتن شرايط حاكم در دنياي واقعي، منابع تجديدپذير (از جمله نيروي انساني، ماشين آلات و تجهيزات) و همچنين منابع تجديدناپذير (از جمله مصرفي و پول) همزمان در نظر گرفته مي شوند. در ادامه پژوهش نيز مبحث زمانبندي و برنامه ريزي پرداخت پروژه با اهداف افزايش npv پروژه و كاهش زمان اتمام پروژه در مساله مورد بررسي قرار مي گيرد. به همين دليل ابتدا بر اساس فرضيات مطرح شده در فضاي مساله، مدل برنامه ريزي غيرخطي رياضي جهت فرموله سازي مساله ارائه مي شود. سپس جهت اعتبارسنجي مدل، چندين مساله نمونه در ابعاد مختلف طراحي مي شود و سپس توسط نرم افزار gams و روش محدوديت اپسيلون حل مي شود. جهت حل مساله در ابعاد بزرگ نيز از روش الگوريتم nsga-ii بهره مي بريم و كارايي آن از طريق مقايسه با روش محدوديت اپسيلون سنجيده مي شود.

This research studies the multi-mode project scheduling problem aiming to planning of payments considering limited resources. This model tries to propose a schedule as much as possible close to reality with taking the realistic assumptions into account. In the proposed model, renewable resources (including manpower, machinery, and equipment) as well as non-renewable resources (including consumption and money) are simultaneously considered. Then, the issues of scheduling and planning the project payment with the objectives of increasing the NPV of the project and reducing the completion time of the project in are examined. In doing so, a nonlinear mathematical programming model is presented based on the assumptions made in the problem space, to formulate the problem. Then, to validate the model, several random instances are designed in different dimensions and solved by GAMS software and ε-constraint method. To tackle the problem in large dimensions, we also proposed the NSGA-II algorithm. Finally, efficiency of the developed methodology is measured by comparing the results with ε-constraint method