صفحه محصول - پاورپوینت مفاهیم عدم قطعیت و به کار گیری روش استوار

پاورپوینت مفاهیم عدم قطعیت و به کار گیری روش استوار (pptx) 31 اسلاید

دسته بندی : پاورپوینت

نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )

تعداد اسلاید: 31 اسلاید

قسمتی از متن PowerPoint (.pptx) :

مفاهیم عدم قطعیت و به کار گیری روش استوار فهرست مفاهیم عدم قطعیت و لزوم به کار گیری روش استوار 1 مساله جایابی و تخصیص نقاط لجستیکی 2 چند رویکرد استوار در حل مساله 3 معرفی مساله، متغیر ها و پارامتر ها 4 فرمولاسیون مدل 5 Contents مدل سازی با نرم افزار GAMS 6 جواب های مدل 7 نتیجه گیری 8 فهرست -در این تحقیق، مساله جایابی و تخصیص نقاط لجستیکی در حالت گسسته در شرایطی که داده ها در شرایط عدم قطعیت هستند مورد بررسی قرار می گیرد. -بدین منظور از رویکرد بهینه سازی استوار (Robust Optimization) استفاده شده است. زیرمجموعه های زیادی از این رویکرد می تواند مورد استفاده قرار گیرد، در این مقاله رویکرد regret مورد بررسی قرار گرفته است. چکیده چکیده -برای حل مدل قطعی ارائه شده و مدل استوار برای حالت غیر قطعی در سایز مساله کوچک از نرم افزار GAMS استفاده شده است و نتایج در انتها آورده شده است. - در ادامه و در مسائلی با سایز بزرگ می توان از الگوریتم های فراابتکاری مانند ژنتیک الگوریتم در حل این مساله استفاده نمود. مفاهیم عدم قطعیت و لزوم به کار گیری روش استوار اهمیت موضوع از آنجا روشن ترمی شود که: 1- اکثر اطلاعات مورد استفاده در بهینه سازی، در واقعیت بیشتر از نوع غیر قطعی هستند که موارد زیر از دلایل این موضوع است: اندازه گیری، تخمین خطاهای ناشی از عدم توانایی اندازه گیری دقیق ،شرایط محیطی،فرآیند های تکنولوژیکی، خطاهای پیاده سازی که از عدم توانایی پیاده سازی جواب دقیق ناشی می شود. 2- در واقعیت هم، میزان اندکی انحراف از مقدار واقعی ممکن است باعث شود جواب ما را از حالت بهینه خارج کند و شاید حتی بی معنا شود. با توجه به 2 مورد مطرح شده در بالا از لزوم کاربرد روش Robust Optimization روشن تر می شود. مفاهیم عدم قطعیت و لزوم به کار گیری روش استوار - موضوع و ایده اصلی در تمام این مسائل بهینه سازی با داده های غیر قطعی است. - موضوع بهینه سازی تصادفی( Stochastic Optimization ) از مدت ها قبل و از زمان Dantzing مطرح بوده است ولی موضوع مطرح شده در بهینه سازی استوار با بهینه سازی تصادفی متفاوت است. - موارد اصلی بررسی شده در بحث به دو دسته کلی زیر تقسیم می شوند: 1-داده غیر قطعی چیست و چگونه می توان آن را دسته بندی نمود. 2-چگونه می توانیم روش های مرسوم بهینه سازی مرسوم را برای داده های غیرقطعی نیز به کار ببریم. مفاهیم عدم قطعیت و لزوم به کار گیری روش استوار - در بهینه سازی تصادفی( Stochastic optimization ) داده ها، مقادیری غیر قطعی فرض می شوند که به صورت تصادفی حضور دارند و در ساده ترین حالت این اطلاعات تصادفی از توزیع پیشرفته آماری خاصی پیروی می کنند. در بسیاری از موارد توزیع شناخته شده نیست.در این بحث احتمال اینکه محدودیتی برقرار باشد مطرح است. - این گونه مسائل تا حدودی به نظر می رسد که نسبت به Robust Optimization محدودتر باشد. در کل، اگر داده های غیر قطعی از طبیعت تصادفی برخوردار بودند و توانستیم توزیع احتمال مربوط به داده ها را کشف کنیم و حاضر به تحمل هزینه خطای احتمالی در محدودیت ها شدیم این روش کاربرد خواهد داشت. با توجه به شروط مطرح شده می توان دریافت که فضای حل ما محدود می شود. هر دو موضوع Robust Optimization و Stochastic Optimization مکمل یکدیگر هستند و معایب و مزایای مربوط به خود را دارند ولی Robust Optimization حالت کلی تری از مسائل بهینه سازی را دربر می گیرد. مروری بر ادبیات موضوع 1963: مسئله جایابی-تخصیص تسهیلات توسط Cooper مطالعه شد وسپس Hakimi آن رادر طراحی شبکه به عنوان ابزاری قدرتمند بکار برد. 1967 : مشاهدات نشان دادند که عوامل اولیه انتخاب مکان،به ترتیب اهمیتشان،موجود بودن نیروی انسانی،مکان و نزدیکی به بازار بودند. در دهه 1970:تمایل به سمت فعالیتهای آگاهانه کسب و کار که افزایش اهمیت ملاحظات غیراقتصادی در تعیین موقعیت را به همراه داشت ،صورت گرفت. 1972 : ملاحظات اولیه ای از قبیل ملاحظات محیطی ،کیفیت نیروی انسانی وغیره گزارش داده شد. Revelle :نشان داد که قوانین دولتی شامل کنترل آلودگی ،فرصتهای یکسان و فعالیتهای مثبت وحفظ منابع و زیبا گرایی می تواند در انتخاب مکان نقش داشته باشد. 1982: Murtagh&niwattisyamong مسئله جایابی-تخصیص ظرفیت داده شده را پیشنهاد کردند،که به عنوان یکی از تحقیقات بسیار مهم در این زمینه به شمار می آیند. مروری بر ادبیات موضوع - ضمنا ،تحقیقات قابل ملاحظه ای در زمینه تئوری مسئله جایابی-تخصیص انجام شد.این قضیه دال بر این است که این مسئله یک مسئله NP hard است. بنابراین رویکردهای حل بسیاری برای مدلهای متفاوت در دهه های اخیر پیشنهاد شده است. Logendran&terrel- مسئله جایابی-تخصیص را در حضور تقاضای احتمالی برای ماکزیمم کردن سود خالص بکار بردند. - مدلهای احتمالی برای توصیف بسیاری از موقعیتها کافی نبودند،در جاهایی که توزیعهای احتمالی تقاضاهای مشتریان نامعلوم یا نسبتا معلوم بودند. - برای مثال:برای ساختن تعدادی شرکت آبرسانی در مناطق جدید برای سرویس دهی به مشتریان جدید که تقاضاهایشان نه به طور دقیق مشخص است ونه سوابق گذشته ای در دست است،اما می توان این تقاضاها را توسط کلماتی از قبیل زیاد،کم و یا عادی بیان کرد،در اینگونه موارد تئوری مجموعه فازی بهتر می تواند برای اینچنین اطلاعات مبهمی بکار رود. Zadeh :تئوری مجموعه فازی را مطرح کرد و به طور وسیعی در مسائل بکار گرفته می شود. Zhou&liu :مسئله جایابی –تخصیص ظرفیت داده شده با تقاضاهای فازی مشتریان را مدلسازی کردند .