کاربرد الگوریتم ها در انتخاب و بهینه سازی پرتفوی پروژه مبتنی بر مدل چندهدفه فازی

در این پژوهش مشکل انتخاب پرتفوی پروژه ارائه و ارتباط فعلی آن توجیه شد. در ادامه شرح مختصری از مدل های موجود معرفی و مسئله ریاضی چند هدفه نهایی فرموله گردید. همچنین توسعه مدل با استفاده از مجموعه های فازی برای در نظر گرفتن عدم دقت شاخص های پروژه های قبلی شرح داده شد. در واقع ما مدل ریاضی چندهدفه مسئله انتخاب پرتفوی پروژه را که بر روی اعداد ذوزنقه ای فازی تعریف شده است، پیشنهاد کردیم. مروری بر روش های موجود برای حل مسئله بهینه سازی چند هدفه انجام دادیم و در نتیجه روش بهینه سازی کلونی مورچه ها و الگوریتم ژنتیک به دلیل پیچیدگی مجانبی آن برای پیاده سازی انتخاب شدند. به عبارت بهتر برای حل این مشکل، یک رویکرد شاخه و کران، یک طرح تغییر پارامتر تطبیقی مبتنی بر روش محدودیت اپسیلون، روش بهینه سازی کلونی مورچه ها و الگوریتم ژنتیک ارائه شد. پس از تجزیه و تحلیل، روش بهینه سازی کلونی مورچه ها و روش SPEA II را انتخاب کردیم که اصلاح الگوریتم ژنتیک است. آزمایش های انجام شده نشان می دهد که زمان اجرای الگوریتم بهینه سازی کلونی مورچه ها با تعداد پروژه ها به طور قابل توجهی افزایش می یابد، که در مقایسه با اصلاحات الگوریتم ژنتیک در صورتی که تعداد پروژه ها بیش از ۲۵۰ پروژه باشد، به طور قابل توجهی کندتر می شود و الگوریتم ژنتیک مبتنی بر جمعیت اولیه قوی از سایر الگوریتم های ارائه شده پیشی می گیرد و یکی از کارآمدترین الگوریتم ها برای حل مسئله انتخاب پرتفوی پروژه است.