كليدواژه :
بهينه سازي , هرم بقاء , الگوريتم هاي فراابتكاري , دانش مديريت پروژه , سد مخزني قوچم
چكيده فارسي :
در سال‌هاي اخير پيچيدگي اجراي پروژه‌ها، فضاي رقابتي كسب وكار و محدوديت منابع سازمان‌ها، لزوم توجه به مديريت پروژه را در دست‌يابي به اهداف پروژه‌ها بيشتر مورد توجه قرار داده است .از اين رو در مراحل اجراي پروژه‌ها، كارفرمايان به دنبال افزايش كيفيت، كاهش مدت زمان و هزينه‌هاي اجرا و ريسك هستند كه از اهداف اصلي آنها به شمار مي روند. در اين تحقيق، بهينه‌سازي بين اجزاء هرم بقاء شامل زمان، هزينه، كيفيت و ريسك در پروژه‌هاي عمراني و به صورت موردي بر روي سد مخزني قوچم انجام گرفته است. به اين منظور از شش الگوريتم بهينه‌سازي فراابتكاري استفاده شده است كه سه الگوريتم كلاسيك (ژنتيك، جستجوي ممنوعه و تبريد شبيه‌سازي شده) و سه الگوريتم‌هاي جديد (پروانه، چرخه بكرزايي و شاهين هريس) مي‌باشند. در چهار حالت به بهينه‌سازي هر يك از اجزا هرم بقاء به طور جداگانه پرداخته شده است و در نهايت هر چهار حالت بطور همزمان بررسي شده است. كدنويسي‌هاي مربوط به توابع هدف و الگوريتم‌هاي بهينه‌سازي در نرم‌افزار متلب انجام گرفته است. نتايج نشانگر عملكرد مناسب الگوريتم ژنتيك است. همچنين در بهينه‌سازي شاخص كيفيت فقط الگوريتم ژنتيك بهترين جواب بهينه را داده است و در بهينه‌سازي مركب با در نظرگرفتن همزمان تمامي شاخص‌ها، الگوريتم‌هاي ژنتيك و شاهين هريس بهترين جواب را ارائه داده‌اند.
چكيده لاتين :
In recent years, the complexity of project implementation, competitive business environment, and limited resources of organizations have shown the need to pay attention to project management in achieving project goals. Therefore, in the implementation process, employers seek to increase quality, reduce execution time, costs, and risk, which are their main goals. In this research, optimization between the components of the survival pyramid including time, cost, quality, and risk in construction projects are done on a case-by-case basis on the Qucham reservoir dam. For this purpose, six Metahioristic optimization algorithms are used, which are three classical algorithms (genetics, Tabu search, and simulated annealing) and three new algorithms (butterfly, cyclical parthenogenesis, and harris hawk). In four cases, each component of the survival pyramid is optimized separately, and finally, all four cases are examined simultaneously. Coding related to objective functions and optimization algorithms has been done in MATLAB software. The results indicate the proper performance of the genetic algorithm. Also, in optimizing the quality index, only the genetic algorithm has given the best optimal answer, and in the combined optimization, considering all the indicators simultaneously, the genetic algorithms and the Harris hawk have given the best solution.
