موازنه زمان-هزینه-کیفیت در شبکه های PERT با استفاده از شبکه عصبی و الگوریتم-های تکاملی

از اهداف مهم هر پروژه زمان، هزینه و کیفیت می باشند. امروزه، ذی نفعان هر پروژه به دنبال کاهش هزینه های کل پروژه همزمان با کاهش زمان و افزایش کیفیت پروژه می باشند. این مسئله پژوهشگران را به سوی توسعه مدل هایی که عامل کیفیت را به مدل های قبلی موازنه هزینه -زمان می افزاید، هدایت می کند. 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 فعالیت ها در یک شبکه PERT با فعالیت های چند حالته مورد بررسی قرار گرفت. بعد از ارایه مدل ریاضی مناسب، بر اساس یک طرح آزمایش برای سطوح ممکن هر متغیر تصمیم تعیین گردید. سپس با استفاده از فرایند شبیه سازی، مقادیر تصادفی متغیرهای تصمیم و متغیرهای پاسخ در هر بار اجرا حاصل و با به کارگیری شبکه های عصبی، یک مدل شبکه عصبی برقرار گردید. برای حل این مدل، از آنجا که مسئله مورد نظر در مقوله NP-hard قرار می گیرد، از دو الگوریتم NSGA-II و MOPSO استفاده گردید. برای ارزیابی کارایی مدل، مسایل مورد نظر در یک شبکه PERT با مقیاس های 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