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

integer programming

در نشریات گروه پدافند غیرعامل
تکرار جستجوی کلیدواژه integer programming در نشریات گروه فنی و مهندسی
تکرار جستجوی کلیدواژه integer programming در مقالات مجلات علمی
  • مهندس محبوبه پیمانکار، محمد رنجبر، احمد ایزدی پور، سعید بلوچیان
    با توجه به نقش و اهمیت نحوه تخصیص و زمان بندی تسلیحات موجود به تهدیدهای مهاجم در یک نبرد، استفاده از مدل های ریاضی و بهینه سازی در این گونه مسائل ضروری است. در این مقاله یک مدل برنامه ریزی عدد صحیح خطی برای مسئله "تخصیص و زمان بندی سلاح های آن ها به اهداف" با هدف بیشینه کردن متوسط میزان تخریب اهداف و میزان محافظت از مناطق حساس و استفاده کارا از سلاح های موجود و با در نظر گرفتن محدودیت های عملیاتی نحوه تخصیص و زمان بندی سلاح ها ارائه می شود. از آنجایی که حل دقیق مدل ارائه شده با استفاده از نرم افزارهای موجود تحقیق در عملیات در ابعاد نه چندان بزرگ امکان پذیر نیست، الگوریتم ژنتیک و روش تجمع ذرات آشوبی برای این مسئله طراحی شده است. نتایج به دست آمده از این روش ها با جواب دقیق حاصل از مدل سازی مقایسه شده و مشخص می شود، روش تجمع ذرات آشوبی پیشنهادی در صورت وجود محدودیت زمان حل کارایی مناسبی دارد.
    کلید واژگان: زمانبندی، برنامه ریزی عدد صحیح، الگوریتم ژنتیک، الگوریتم تجمع ذرات آشوبی
    Mahbubeh Peymankar Mrs., Mohammad Ranjbar Dr., Ahmad Izadipour Dr., Saeed Baloucian Dr.
    In the combat management systems, mathematical and optimization models have significant impact to find good solutions for fire allocation and scheduling problems. In this paper, a linear integer programming model has been developed for a fire allocation and scheduling problems the aim of which was to maximize the expected value of the target distruction and strategic realms protection and efficient use of weapons by considering the operational constraints for weapon allocation. Since the available operation research solvers can not find the optimal solution of this problem in the large scale sizes, two metaheuristics based on genetic algorithm and chaotic particle swarm optimization was developed. Finally, based on randomnly generated test instances and extensive computation results, the performance of the developed algorithms was evaluated. The computational experiments reveal that the developed chaotic particle swarm optimization algorithm is more efficient especially in the limited and short CPU run time
    Keywords: Allocation, Scheduling, Integer Programming, Genetic Algorithm, Chaotic Particle Swarm Optimization
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