TY - JOUR ID - 241590 TI - موازنه زمان-هزینه-کیفیت در شبکه‌های PERT با استفاده از شبکه‌ عصبی و الگوریتم-های تکاملی JO - پژوهش های نوین در تصمیم گیری JA - MRDM LA - fa SN - AU - یوسفی هنومرور, احمد AU - امیری, مقصود AU - الفت, لعیا AU - ناصر صدرآبادی, علیرضا AD - دانشجوی دکتری، مدیریت صنعتی گرایش تحقیق در عملیات، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران AD - استاد، گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران AD - استاد، گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران. AD - استادیار، گروه مدیریت صنعتی، دانشکده اقتصاد و مدیریت، دانشگاه یزد، یزد، ایران Y1 - 2021 PY - 2021 VL - 6 IS - 1 SP - 92 EP - 122 KW - الگوریتم MOPSO KW - الگوریتم NSGA-II KW - شبکه PERT KW - شبیه‌سازی KW - مدیریت پروژه DO - N2 - از اهداف مهم هر پروژه زمان، هزینه و کیفیت می‌باشند. امروزه، ذی‌نفعان هر پروژه به دنبال کاهش هزینه‌های کل پروژه همزمان با کاهش زمان و افزایش کیفیت پروژه می‌باشند. این مسئله پژوهشگران را به سوی توسعه مدل‌هایی که عامل کیفیت را به مدل‌های قبلی موازنه هزینه -زمان می‌افزاید، هدایت می‌کند. در این مقاله یک مدل موازنه زمان – هزینه – کیفیت با سه تابع هدف، کمینه کردن زمان ختم پروژه، کمینه کردن هزینه کل پروژه و بیشینه کردن کیفیت کل انجام فعالیت‌ها در یک شبکه PERT با فعالیت‌های چند حالته مورد بررسی قرار گرفت. بعد از ارائه مدل ریاضی مناسب، بر اساس یک طرح آزمایش برای سطوح ممکن هر متغیر تصمیم تعیین گردید. سپس با استفاده از فرایند شبیه‌سازی، مقادیر تصادفی متغیرهای تصمیم و متغیرهای پاسخ در هر بار اجرا حاصل و با به کارگیری شبکه‌های عصبی، یک مدل شبکه عصبی برقرار گردید. برای حل این مدل، از آنجا که مسئله مورد نظر در مقوله NP-hard قرار می‌گیرد، از دو الگوریتم NSGA-II و MOPSO استفاده گردید. برای ارزیابی کارایی مدل، مسائل مورد نظر در یک شبکه PERT با مقیاس‌های کوچک، متوسط و بزرگ آزمایش شد. پارامترهای این دو الگوریتم فراابتکاری به وسیله روش تاگوچی تنظیم و نتایج به دست آمده بر مبنای پارامترهای تنظیم شده نشان داد که الگوریتم NSGA-II نسبت به MOPSO عملکرد بهتری دارد UR - https://journal.saim.ir/article_241590.html L1 - https://journal.saim.ir/article_241590_24b7038b52fc482878c6643fa0516cbf.pdf ER -