بهینه سازی سبد پروژه با اثر متقابل با استفاده از الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری (TLBO)

امروزه سازمان ها با انبوهی از پروژه ها و فرصت های سرمایه گذاری مواجه اند. با وجود ضرورت توجه به معیارهای مختلف، پیچیدگی مدل های چندهدفه در کنار ضعف ابزارهای بهینه سازی در حل این مدل ها، مدیران را مجبور ساخته تا معیارهای انتخاب را محدودتر کرده و اغلب به معیارهای مالی اکتفا کنند. در این مقاله با بهره گیری از الگوریتمی کارا مبتنی بر فرایند آموزش و یادگیری علاوه بر معیارهای مالی، عواملی همچون توانایی سازمان در اجرای موفقیت آمیز پروژه ها، میزان تحقق راهبرد های سازمان در پرتو پروژه های انتخابی و همچنین تاثیر متقابل مجموعه پروژه های منتخب بر یکدیگر در قالب یک مدل برنامه ریزی صفر و یک چندهدفه بررسی و بهینه گردید. در نهایت مدل ارائه شده در یک سازمان پروژه محور اعمال و نحوه عملکرد الگوریتم پیشنهادی با الگوریتم های ژنتیک و بهینه سازی گروه ذرات مقایسه شد. نتایج حاکی از توانایی الگوریتم پیشنهادی در دستیابی به پاسخ بهینه و برتری آن نسبت به سایرین است.