ارايه يك رويكرد استوار براي بهينه سازي شبكه هاي صف

Providing One Robust Approach to Optimize Queuing Networks

سيستم هاي صف در دنياي امروزي از نقشي مهم در مدلسازي و تفسير مسايل مختلف نظير تكنولوژي اطلاعات، حمل و نقل، زنجيره تامين و كنترل ترافيك، در سيستم هاي صنعتي و غير صنعتي برخوردار هستند. يكي از پيچيده ترين و در عين حال كاربردي ترين مدلها در سيستم هاي صف، شبكه هاي صف مي باشند، كه به منظور استقرار سيستمي مناسب، بهينه سازي آنها حايز اهميت است. براي اين مهم، رويكردهاي موجود به تجزيه و تحليل شرايط و يا تعيين اندازه بهينه متغير هاي سيستم تنها بر اساس يك هدف مي پردازند و اين در حالي است كه براي تعيين سيستمي بهينه، در نظر گرفتن اهداف مختلف امري منطقي است و لذا بهينه سازي بر اين اساس باعث واقعي تر شدن سيستم مي گردد. از اين رو در اين مقاله يك رويكرد بهينه سازي چند هدفه بر اساس رويكرد تابع مطلوبيت براي حل مسايل شبكه هاي صف ارايه مي كنيم. مفهوم مهم ديگري كه در رويكرد پيشنهادي در نظر گرفته شده، استوار سازي مدل شبكه هاي صف است كه به حساسيت كم اهداف به متغيرهاي غير قابل كنترل (فاكتورهاي اختلال) اطلاق مي گردد. ويژگي هاي رويكرد پيشنهادي از طريق ارايه مثال عددي ترسيم شده اند.

Queuing systems play important role on modeling and interpreting different issues such as information technology, transportation, supply change management, and traffic control at industrial and non-industrial systems in current world. One of more complex but applicable forms in queuing systems, is queue networks which are important in order to establish proper system and optimize them. So, available approaches deal with to analyze situations or decide optimal size of system’s variables only base on one goal, while it is logical to consider various goals for determining optimal system, thus optimizing base on this, leads to system being more realistic. Therefore in this paper, we offer one multi-objective optimization approach base on desirability function in order to solve queue network’s problems. Another important intended concept in proposed approach, is making robust process which refers to low sensitivity of goals to uncontrollable variables (noise factors). Features of proposed approaches were mapped through giving numerical examples.