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
جستجوی مقالات مرتبط با کلیدواژه

non-dominated sorting genetic algorithms

در نشریات گروه مدیریت
تکرار جستجوی کلیدواژه non-dominated sorting genetic algorithms در نشریات گروه علوم انسانی
تکرار جستجوی کلیدواژه non-dominated sorting genetic algorithms در مقالات مجلات علمی
  • Ahmad Amer Kazem Al-Bahadli *, Mohammadreza Dalvi, Badri Shahtalebi

    The aim of this research was to present an optimization model for a human resource management audit based on a genetic algorithm. This study is exploratory in nature due to the presentation of the model, and because its results are utilized by users, it is also considered practical. The Non-dominated Sorting Genetic Algorithm II (NSGA-II) was employed as a meta-heuristic method to solve nine simulation problems. The results obtained from this method were then compared with those from the epsilon constraint method. The relationship between the results indicates that the NSGA-II algorithm is capable of reaching optimal solutions in a shorter time compared to the epsilon method, although it has specific limitations when applied to large-scale problems. The results of solving the proposed mathematical model were demonstrated through nine simulations using the desired algorithms, which were implemented in GAMS and MATLAB software. The model considered in this research is a bi-objective model aimed at minimizing inter-cell movements and human resource management audit actions (cell formation), while maximizing the relationships among management audit operators, taking into account network considerations and the efficiency of operators in human resource allocation. This model not only enhances the efficiency of human resource management but also offers the flexibility to adapt to various organizational challenges by providing a new and effective approach. Therefore, the application of this optimization model can significantly improve performance and efficiency in human resource management, contributing to development and progress within the organizational environment.

    Keywords: Management Accounting, Genetic Algorithms, Human Resource Management Audit Knowledge, Non-Dominated Sorting Genetic Algorithms
  • حسین علی حسن پور، مرتضی جبله*
    یک محصول هنگامی که در تعداد مناسب و به موقع و در زمان مناسب به مشتری تحویل داده شود با ارزش است. امروزه، شرکت ها و مردم با چالش های چابکی و ارزش های محوری روبرو هستند که استفاده از هر دو رویکرد و ترکیب آنها در مدل تحلیلی زنجیره تامین و ادبیات پیشین وجود ندارد. در این پژوهش یک مطالعه مبتنی بر مدل سازی عدد صحیح خطی در زمینه طراحی شبکه زنجیره تامین برای رسیدگی به این شکاف تحقیقاتی انجام شده است. زنجیره تامین مورد نظر در سه سطح تولیدکنندگان، توزیع کنندگان و مشتریان به صورت چندهدفه، چندمحصولی و چنددوره ای ارایه شده است. توابع هدف شامل حداکثرسازی چابکی و ارزش های محوری است. برای حل مدل ریاضی از نرم افزار گمز استفاده شده است. سپس الگوریتم ژنتیک چندهدفه با مرتب سازی نامغلوب اعضای جمعیت ارایه شد و برای اعتبارسنجی الگوریتم پیشنهادی نتایج آن با حل دقیق مقایسه شده است. در پایان، نتایج مورد تحلیل قرار گرفته است.
    کلید واژگان: چابکی و ارزش های محوری، مدل سازی عدد صحیح خطی، الگوریتم ژنتیک چندهدفه با مرتب سازی نامغلوب
    Hossein Ali Hassanpour, Morteza Jabale *
    A product when at the number of appropriate and timely delivered to the customer at the appropriate time is worth. Today, companies and people are facing the challenges of agility and pivotal values that the use of both approaches and combine them there is no in analytic model of the supply chain and the previous literature. In this paper, a study based on linear integer modeling in the field of supply chain network design has been done to address this gap research. Supply chain proposed in three levels of manufacturers, distributors and customers is proposed for multi-objective, multi-product and multi-period. The objective functions is including: Maximizing agility and pivotal values. To solve the Mathematical model is used from GAMS program. Then multi-objective genetic algorithm using non-dominated sorting members of the population proposed and Meta heuristic algorithm and GAMS`s results are Compared to Validate proposed algorithm. In the End, results are analyzed.
    Keywords: Agility, pivotal values, linear integer modeling, non-dominated sorting genetic algorithms
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال