بهینه سازی استوکاستیک چندهدفه در مدیریت مگا پروژه های زیرساختی با کلان داده و سیستمهای تصمیم یار خود تکاملی

مدیریت مگاپروژه های زیر ساختی به دلیل پیچیدگی بالا، حجم عظیم داده ها، عدم قطعیتهای چندلایه و تعارض میان اهدافی نظیر هزینه، زمان، کیفیت و ریسک نیازمند رویکردهای تصمیم گیری پیشرفته و تطبیقی است. این مقاله چارچوبی نوین برای بهینه سازی استوکاستیک چندهدفه در مدیریت مگاپروژه های زیرساختی ارائه می کند که بر تلفیق کلان داده و سیستم های تصمیم یار خود تکاملی استوار است. هدف اصلی، پژوهش توسعه مدلی هوشمند برای پشتیبانی از تصمیم گیری پویا در شرایط عدم قطعیت و تغییرات مستمر محیط پروژه است. در این راستا ابتدا داده های ناهمگن حاصل از منابع مختلف پروژه شامل داده های اجرایی، مالی، زمانی و محیطی تجمیع و پردازش شده و سپس در قالب یک مدل چندهدفه استوکاستیک به کار گرفته می شوند. در ادامه یک سیستم تصمیم یار خود تکاملی با قابلیت یادگیری از داده های جدید و بازتنظیم راهبردهای تصمیم گیری طراحی می شود تا بتواند همزمان هزینه ها را کاهش داده، زمان اجرا را بهینه سازد، ریسک را کنترل کند و تاب آوری پروژه را افزایش دهد. نتایج نشان می دهد که چارچوب پیشنهادی نسبت به رویکردهای سنتی و ایستا در شناسایی راه حل های متعادل تر، بهبود کیفیت تصمیم گیری و افزایش انطباق پذیری در محیط های پیچیده و پویا عملکرد موثرتری دارد. این رویکرد می تواند مبنایی کارآمد برای ارتقای حکمرانی داده محور در مگاپروژه های زیر ساختی فراهم آورد.

کلیدواژه ها:

بهینه سازی استوکاستیک چندهدفه ، مگاپروژه های زیرساختی ، تحلیل کلان داده ، سیستمهای تصمیم یار خود تکاملی ، عدم قطعیت