به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
فهرست مطالب نویسنده:

m. saraj

  • ژاله شیرین نژاد، منصور سراج*، سارا شکراللهی، فاطمه کیانی

     این مقاله روشی برای رسیدن به جواب بهین سراسری مسایل برنامه ریزی چند هدفه ی کسری هندسی (سیگنومیال) با متغیر صحیح آمیخته پیشنهاد می دهد . دراین مقاله نخست یک مسیله ی برنامه ریزی چندهدفه ی کسری هندسی (سیگنومیال) به وسیله ی یک راهبرد جدید وآسان به یک مسیله ی غیر کسری تبدیل می شودو برای رسیدن به جواب سراسری ازیک تبدیل ریلکس محدب استفاده می کنیم. سپس برای رسیدن به جواب صحیح بهین توافقی اهداف مسیله تکنیک های مرسوم برنامه ریزی فازی و نیزالگوریتم شاخه و کران غیر خطی را بکار می گیریم .علاوه براین برای یافتن جواب صحیح و سراسری با کوچکترین فاصله ازجواب مسیله ی اولیه از الگوریتم شاخه و کران فضایی استفاده می کنیم.در پایان برای نشان دادن درستی و کارایی راهبرد پیشنهادی دو مثال عددی ذکر شده است.

    کلید واژگان: برنامه ریزی چند هدفه، برنامه ریزی هندسی‚ برنامه ریزی کسری، برنامه ریزی عدد صحیح، الگوریتم شاخه و کران فضایی
    Zh. Shirinnejad, M. Saraj *, S. Shokrolahi, F. Kiany

    This study proposes a method for solving mixed integer multi-objective fractional signomial geometric programming (MIMOFSGP) problems. A few methods have been applied in the recent past to convert a fractional signomial objective function into a non-fractional signomial objective function to find the optimal solution by use of some common mathematical programming techniques. In this paper, at first a multi-objective fractional signomial programming is converted into a non-fractional multi-objective signomial programming problem by a new convenient reformulation strategy. A convex relaxation is used to reach global solution and then fuzzy programming technique is applied to find the optimal compromise solution. A mixed integer compromise optimal solution of the convex programming problem can finally be found by use of nonlinear branch and bound algorithm. Then 0n using the Spacial branch and bound algorithm, we find a solution that has the shortest distance from the solution of original problem. Finally two illustrative examples are included to demonstrate the correctness and efficiency of the proposed strategy and compare the results with the other solutions obtained by the other methods.

    Keywords: Multi-objective programming, geometric programming, fractional programming, Mixed integer programming, Spatial branch, bound algorithm
بدانید!
  • در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو می‌شود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشته‌های مختلف باشد.
  • همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته می‌توانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
  • در صورتی که می‌خواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال