کاربرد الگوریتم های بهینه سازی در زمان بندی و مدیریت پروژه های بزرگ مقیاس

این تحقیق به مقایسه عملکرد سه الگوریتم بهینه سازی ژنتیک (GA)، گرگ خاکستری (GWO) و ازدحام ذرات (PSO) در حل مسائل بهینه سازی پروژه ها پرداخته است. نتایج نشان داد که الگوریتم PSO سریع ترین زمان تکمیل پروژه ها را داشت و با ۱۱۹ روز، عملکرد بهتری نسبت به GWO و GA ارائه داد. از نظر زمان اجرای الگوریتم ها، GWO سریع ترین زمان اجرا را با میانگین ۱۳.۹ ثانیه ثبت کرد. در ارزیابی پایداری، GWO با انحراف معیار ۱.۸ بیشترین ثبات را داشت و در زمینه نرخ همگرایی نیز این الگوریتم با ۹۴% بیشترین میزان همگرایی را نشان داد. علاوه بر این، GWO در بیشترین دفعات رسیدن به جواب بهینه (۲۶ مرتبه از ۳۰ اجرا) عملکرد بهتری نسبت به PSO (۲۵ مرتبه) و GA (۲۱ مرتبه) داشت. بر اساس نتایج کلی، الگوریتم GWO در تمامی شاخص ها، از جمله زمان تکمیل پروژه، پایداری، و همگرایی به جواب بهینه، نسبت به دو الگوریتم دیگر برتری داشت. به طور کلی، GWO به عنوان بهترین گزینه برای مسائل بهینه سازی پیچیده شناخته شد و الگوریتم های PSO و GA در رتبه های بعدی قرار گرفتند.

کلیدواژه ها:

الگوریتم بهینه سازی ، ژنتیک ، گرگ خاکستری ، ازدحام ذرات ، بهینه سازی پروژه ها