Hybrid Multi-population Genetic Algorithm for Multi Criteria Project Selection

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 149

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_KJMMRC-11-2_006

تاریخ نمایه سازی: 16 خرداد 1401

چکیده مقاله:

Resources scarcity, available capabilities and cost-benefit point of view, make it essential to select the best project(s) from available project portfolio. Project selection process has a significant role in the success. Here the main problem is what projects must be selected and how manage simultaneous projects. Used approach to answer these questions must be real, fast, global, flexible, economic and easy to use. It is clear that choosing a good approach for project selection problem with economic and non-economic criteria can be vital for a project manager to success within constraints. The complexity of this problem increases as the number of projects and the number of objectives increase. Therefore, in this research we aim to present a heuristic based on genetic and simulates annealing to select and prioritize available projects based on economic and non-economic criteria. Considered issues are benefit, credit and risk (technical and financial). Presented method starts from multi population of generated solutions and moves toward the final solution. Comparison studies between our method with other recently method in the literature demonstrates the capability of it to find a good basket of projects. Experimental results demonstrate that this method can be used for all kinds of projects basket.

نویسندگان

Mohammad Mirabi

Department of Industrial Engineering, Meybod University, Meybod, Iran

Hossein Ghaneai

Department of Computer Engineering, Meybod University, Meybod, Iran

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Afshar, M. Shahhosseini, V. Sabet, M. A genetic algorithm for ...
  • Blum, C., Andrea, R. (۲۰۰۳). Metaheuristics in Combinatorial Optimization: Overview ...
  • Brester, C., Ryzhikov, I., Semenkin E., Multi-objective optimization algorithms with ...
  • Carazo, A.F., Gomez, T., Molina, J., Hernandez-Daz, A.J., Guerrero, F.M., ...
  • Davoudabadi, R., Mousavi, S. M., Saparauskas, J., Gitinavard, H. (۲۰۱۹). ...
  • El-Ghazali, Talbi, (۲۰۰۹). Meta-heuristics, from design to implementation, published by ...
  • Esfahani, H.N., hossein Sobhiyah, M., Youse , V.R., Project portfolio ...
  • Fernandez, E., Gomez, C., Rivera, G., Cruz-Reyes L., Hybrid metaheuristic ...
  • Kumar, M., Mittal, M., Soni, G., Joshi, D., A hybrid ...
  • Kumar, M., Mittal, M., Soni, G., Joshi, D. Selection and ...
  • Mohagheghi, V., Mousavi, M., Antucheviciene, J., Mojtahedi, M., (۲۰۱۹). Project ...
  • Project Portfolio Selection with the Maximization of Net Present Value [مقاله ژورنالی]
  • Nowak, M., Project Portfolio Selection Using Interactive Approach, Procedia Engineering, ...
  • Osman, I.H., Potts, C.N. (۱۹۸۹). Simulated annealing for permutation ow-shop ...
  • Panadero, J., Doering, J., Kizys, R., Juan, A.A., Fito, A., ...
  • To ghian, A.A., Moezzi, H., Barfuei, M.K., Sha ee, M., ...
  • نمایش کامل مراجع