کاربرد روش ترکیبی الگوریتم ژنتیک و شبیه سازی MCS-GA در بهینهسازی تصمیمات تولید کشاورزی

مدلهای ریاضی با هدف تخصیص بهینه منابع با اعمال قیدهای محیطی و روابط متقابل بین متغیرها ب هعنوان ابزاری نیرومند در تصمیمگیری استفاده میشوند. در این میان مدلهای برنامهریزی ریاضی بعنوان جزئی از مدل های تحلیلی از قدیمیترین روشهای بهینه سازی هستند که با وجود کاربرد فراوان بینقص نیستند؛ بهطوریکه فرض های ساده کننده در برخی از این مدل ها همچون مدل موتاد MOTAD: Minimization Of Total Absolute Deviation و واریانس ارزش انتظاری (EV: Expected value-variance یک کاهش اطمینان را نسبت به برنامه های پیشنهادی در پی دارد. روش ترکیبی الگوریتم تکاملی Genetic Algorithm: GA و شبیه سازی مونت کارلو Mont Carlo Simulation: MCS مدل قابل اعتمادتری در اختیار تصمیمگیرندگان قرار میدهد که همچون مدل مانور عملیاتی از درجه واقعبینی بالایی برخوردارست؛ اما هزینه کمتری را تحمیل میکند؛ بهطوریکه بدون هیچ گونه پیش فرضی، شبیهسازی مونتکارلو مدلسازی فرآیندهای تصادفی سری های زمانی محصولات را برعهده دارد و الگوریتم تکاملی بهینهسازی این مدل را به بهترین نحو، حتی در حالت پیچیده بودن اطلاعات تصادفی انجام می دهد . در این تحقیق بعد از تشریح این مدل، الگوی بهینه کشت محصولات زراعی دشت مشهد بهدست آمد . دادهها شامل سریهای زمانی 7مورد از محصولات عمده زراعی مشهد برای یک دوره 24 ساله ( 1386 تا 1362 ) است . در نهایت با توجه به این که فرآیندهای تصادفی به بهترین شکل ممکن و بدون در نظر گرفتن هیچ گونه پیش فرضی به دست آمدند، الگوی بهینه تصمیمات تولید در مقایسه با روشهای برنامهریزی ریاضی به واقعیت نزدیک تر هستند . به طور خلاصه با این مدل ترکیبی و داشتن اطلاعات سری زمانی متغیرها میتوان الگوی کشتی را پیشنهاد کرد که انطباق بیشتری با دنیای واقعی دارد

کلیدواژه ها:

الگوریتم تکاملی ، برنامهریزی ریاضی ، تصمیمات تولید ، شبیهسازی مونت کارلو