2-5-1-3-4 ساخت ویژگی………………………………………………………………………. 21

2-5-1-3-5 نرمال سازی………………………………………………………………………….. 21

2-5-1-4 کاهش داده ها……………………………………………………………………………… 21

2-5-1-4-1 تجمیع مکعبی داده…………………………………………………………………. 23

2-5-1-4-2 انتخاب زیر مجموعه مشخصه ها……………………………………………….. 23

2-5-1-4-3 کاهش تعدد نقاط…………………………………………………………………… 24

2-5-1-5 تصویر کردن برای کاهش بعد………………………………………………………….. 24

2-6 روش های ارزیابی دسته بندی……………………………………………………………………….. 25

2-6-1 ارزیابی صحت روشهای دسته بندی………………………………………………………….. 27

2-7 تکنیک حداقل مربعات……………………………………………………………………………….. 30

2-7-1 تقریب کمترین مربعات گسسته چند جمله ای……………………………………………. 31

2-8 ماشین بردار پشتیبان……………………………………………………………………………………. 33

2-8-1مقدمه……………………………………………………………………………………………….. 33

2-8-2دلایل استفاده از SVM…………………………………………………………………………….

2-8-3 کاربردهای SVM…………………………………………………………………………………..

2-8-4 مزایا و معایب SVM……………………………………………………………………………….

2-8-5 تعاریف کلی……………………………………………………………………………………….. 36

2-8-5-1تابع تصمیم مسائل دو کلاسی……………………………………………………………. 36

2-8-5-2 تعیین تابع تصمیم(ابر صفحه جداکننده)………………………………………………. 38

2-8-5-3 بعد VC……………………………………………………………………………………… 39

2-8-5-4حداقل سازی ریسک تجربی…………………………………………………………….. 40

2-8-5-5حداقل سازی ریسک ساختاری…………………………………………………………. 42

2-8-6 ماشین بردار پشتیبان طبقه بندی کننده خطی با داده های جدا شدنی به طور خطی 44

2-8-7ماشین بردار پشتیبان طبقه بندی کننده خطی با داده های جدا نشدنی به طور خطی ( 49

2-8-8 ماشین بردار پشتیبان غیر خطی……………………………………………………………… 52

2-8-9 انواع کرنل ها……………………………………………………………………………………… 55

2-8-9-1 کرنل چند جمله ای……………………………………………………………………….. 55

2-8-9-2 کرنل های شبکه عصبی………………………………………………………………….. 55

2-8-9-3 کرنل های گوسی…………………………………………………………………………. 56

2-9 تکنیک های پیش پردازش نامتوازن…………………………………………………………………. 58

2-9-1 ماشین بردار پشتیبان و مشکل عدم توازن کلاس…………………………………………. 58

2-9-1-1 عیب مشکل بهینه سازی با ناحیه مرزی نرم………………………………………… 59

2-9-1-2 نسبت بردار پشتیبان نامتوازن……………………………………………………………. 60

2-9-2 روشهای یادگیری عدم توازن خارجی برای SVM (روشهای پیش پردازش داده) 61

2-9-2-1 روشهای نمونه برداری دوباره………………………………………………………….. 61

2-9-2-1-1زیر نمونه برداری…………………………………………………………………….. 61

2-9-2-1-2بیش نمونه برداری…………………………………………………………………… 62

2-9-2-1-3 SCM……………………………………………………………………………………

2-9-2-1-4 نمونه برداری پیشرفته……………………………………………………………… 63

2-9-2-1-5 تکنیک بیش نمونه برداری اقلیت مصنوعی……………………………………. 64

2-9-2-1-6 نزدیک ترین همسایه فشرده(CNN)……………………………………………..

2-9-2-1-7 نزدیک ترین همسایه تغییر یافته(ENN)………………………………………….

2-9-2-1-8 Tomek-Link…………………………………………………………………………

2-9-2-2 روشهای یادگیری جمعی………………………………………………………………… 68

2-9-2-2-1الگوریتم آموزشی Bagging…………………………………………………………

2-9-2-2-2 الگوریتم آموزشی Boosting………………………………………………………

2-9-3 روشهای یادگیری عدم تعادل داخلی برای ماشین بردار پشتیبان………………..71

2-9-3-1 هزینه خطای متفاوت……………………………………………………………………… 71

2-9-3-2 یادگیری یک کلاس………………………………………………………………………. 73

2-9-3-3zSVM………………………………………………………………………………………….

2-9-3-4 روشهای اصلاح کرنل……………………………………………………………………. 74

2-9-3-5 یادگیری فعال………………………………………………………………………………. 75

2-9-3-6 روش های ترکیبی………………………………………………………………………… 75

فصل سوم:روش تحقیق

3-1مقدمه……………………………………………………………………………………………………….. 77

3-2 ماشین بردار پشتیبان فازی برای یادگیری عدم توازن کلاس…………………………………… 77

3-2-1 روش SVMFuzzy………………………………………………………………………………..

3-2-2متد FSVM-CIL…………………………………………………………………………………..

3-3 ماشین بردار پشتیبان حداقل مربعات (LS-SVM)…………………………………………………

3-4 الگوریتم پیشنهادی……………………………………………………………………………………… 87

فصل چهارم: محاسبات و یافته های تحقیق

4-1 مقدمه………………………………………………………………………………………………………. 90

4-2 مجموعه داده ها………………………………………………………………………………………… 90

4-3 نتایج کارایی روش های مختلف بر روی مجموعه داده ها…………………………………….. 91

فصل پنجم:نتیجه گیری و پیشنهادات

5-1 جمع بندی و نتیجه گیری……………………………………………………………………………… 94

5-2 کارهای آتی………………………………………………………………………………………………. 96

منابع و مآخذ :………………………………………………………………………………………. 97

چکیده انگلیسی…………………………………………………………………………………………….102

چکیده:

برای دست یابی به نتایج مطلوب در داده کاوی نیاز به پیش پردازش داده ها داریم.پیش پردازش داده ها یکی از اجزای مهم در فرایند کشف دانش است.روش های بسیاری برای پیش پردازش داده وجود دارد که می­توان از آنها استفاده کرد.اما این روش ها برای داده های نامتوازن مناسب نیستند. اصطلاح “مجموعه داده نامتوازن” عموما به مجموعه داده ای گفته می شود که در آن تعداد نمونه هایی که نمایانگر یک کلاس هستند از نمونه های دیگر در کلاس های متفاوت کمتر است مشکل عدم توازن کلاس در بسیاری از برنامه های کاربردی جهان واقعی به رسمیت شناخته شده است و موضوع تحقیقات یادگیری مبتنی بر ماشین قرار گرفته است از این رو اخیراً مشكل نامتوازن بودن كلاسها مورد توجه محققان در زمینه ی داده كاوی قرار گرفته است.آنها به دنبال کشف روش هایی بودند که با اعمال بر روی داده های نامتوازن به نتایج مطلوبی دست یابند.

در این پروژه روش های گوناگون پیش پردازش داده های نامتوازن مورد بحث قرار گرفته و الگوریتم جدیدی برای بهبود نتایج طبقه بندی ارائه می­شود، به گونه ای که کارایی و دقت آن مورد توجه باشد.

فصل اول: مقدمه و کلیات تحقیق

1-1- مقدمه

کشف دانش و داده کاوی یک حوزه جدید میان رشته ای و در حال رشد است که حوزه های مختلفی همچون پایگاه داده، آمار، یادگیری ماشین و سایر زمینه های مرتبط را با هم تلفیق کرده تا اطلاعات و دانش ارزشمند نهفته در حجم بزرگی از داده ها را استخراج کند.هدف کشف دانش و داده کاوی یافتن الگوها در پایگاه داده است که در میان حجم عظیمی از داده ها مخفی هستند]1[ .کشف دانش شامل مراحل متعددی است که در این تحقیق به مرحله پیش پردازش توجه می­کنیم.

4-1 : پایگاه داده هدف ……………………………………………………………………………. 62

4-2 : آماده سازی مجموعه داده ……………………………………………………………….. 63

4-3 : استخراج اطلاعات جهت تعیین معیارهای RFM …………………………………… 78

4-4 : داده کاوی ……………………………………………………………………………………. 82

4-5 : ارائه تبلیغات مناسب به مشتری ……………………………………………………….. 117

4-6 : ارزیابی مدل …………………………………………………………………………………. 119

فصل پنجم : نتیجه گیری و کار آینده

5-1 : نتیجه گیری …………………………………………………………………………………. 126

5-2 : پیشنهادها و کار آینده ………………………………………………………………….. 128

منابع …………………………………………………………………………………………………. 131

چکیده:

به دلیل بازار رقابتی شدیدی که امروزه در تجارت الکترونیک وجود دارد شرکت های تجاری در تلاش هستند تا شرایط مدیریت ارتباط با مشتری را هرچه بیشتر بهبود بخشند تا بتوانند مشتریان فعلی را حفظ و دیگر مشتریان را هم جذب کنند.به همین خاطر است که شرکت هایی که کالاهای خود را بصورت اینترنتی به فروش می رسانند به دنبال این هستند تا تبلیغات کالاهایشان بر اساس ترجیحات فردی مشتریان باشد، یعنی تبلیغات را برای هر مشتری شخصی سازی کنند.

برای شخصی سازی تبلیغات شرکت ها باید اطلاعاتی در مورد رفتار خرید پیشین مشتریانشان کسب کنند و بعد از آن این اطلاعات را تجزیه و تحلیل کنند تا بتوانند رفتار خرید آتی مشتریان را پیش بینی کنند. تکنیک داده کاوی ابزاری است که می تواند به شرکت ها کمک کند تا بتوانند اطلاعات رفتار خریدهای پیشین مشتری را تجزیه و تحلیل کرده و قوانینی را استنتاج کنند که برای پیش بینی رفتار خرید آتی مشتری مفید باشند و بر طبق آن بتوانند راهبردهای شخصی سازی تبلیغات برای مشتریان را برپا کنند.

ما در تحقیق خود از داده های جمع آوری شده از مشتری، که رفتار خریدهای پیشین مشتری هستند، استفاده کرده و با بکارگیری روش تاخر، تناوب و مالی ارزش مشتریان را برای شرکت مشخص کردیم.سپس برای خوشه بندی مشتریان بر اساس ارزش آنها، بصورت موازی از الگوریتم خوشه بندی K-Means و K-Harmonic Means استفاده کردیم سپس از الگوریتم استقرایی که یکی از الگوریتم های کشف قوانین وابستگی است استفاده کردیم و تکنیک قوانین وابستگی را بر روی داده های مربوط به هر یک از خوشه هایی که توسط K-Means مشخص شده اند بکار گرفتیم. با استفاده از قوانین بدست آمده از هر خوشه راهبردهای شخصی سازی تبلیغات برای هر خوشه از مشتریان را مشخص کردیم. برای هر مشتری علاوه بر قوانین مربوط به خوشه اصلی که به آن تعلق دارد از قوانین خوشه های دیگری که درجه تعلق مناسبی نسبت به آنها دارد نیز برای تعیین راهبردهای شخصی سازی تبلیغات استفاده کردیم تا بدین ترتیب تعداد تبلیغات پیشنهادی که مطابق با علایق مشتری است را بیشتر کنیم.

فصل اول: مقدمه و کلیات تحقیق

1-1- مقدمه

پیشرفت فناوری های اطلاعات و ارتباطات، حجم وسیعی از اطلاعات و داده های مفید را در دسترس قرار داده است.با توجه به رشد روز افزون بازار خرید اینترنتی و رقابت شدید بین شرکت ها و سایت های فروش اینترنتی، استفاده بهینه از اطلاعات بازار و مشتری اهمیت ویژه ای پیدا کرده است.

ایده ها و راه حل های گوناگونی برای استفاده از اطلاعات بدست آمده از بازار و مشتریان جهت جذب مشتری و مهمتر از آن جهت نگهداری مشتریان فعلی پدید می آیند که یکی از این ایده ها، استفاده از اطلاعات مشتری برای بدست آوردن و پیش بینی کردن علایق آن است.فرایندهای زیادی را می توان برای بدست آوردن علایق مشتریان متصور شد، اما یکی از این فرایندها که امروزه با استقبال زیادی از سوی شرکت های تجاری و صاحبان سایت های فروش اینترنتی مواجه شده است، استفاده از تکنیک های داده کاوی¹می باشد.

با استفاده از تکنیک خوشه بندی²و تکنیک قوانین انجمنی³که از تکنیک های داده کاوی به شمار می آیند و بر روی داده های مربوط به رفتار خرید پیشین مشتری اعمال می شوند، می توان اطلاعات مفیدی جهت پیش بینی رفتار خرید آتی مشتری کسب نمود.شرکت ها از این اطلاعات استفاده می کنند تا بتوانند کالاهای مورد علاقه مشتریان را در مکان و زمان مناسب به آنها پیشنهاد دهند و بدین ترتیب در جهت سیاست نگهداری و حفظ مشتریان گام بردارند.

2-1- بیان مسئله

به خاطر بازار رقابتی شدیدی که امروزه در تجارت الکترونیک وجود دارد شرکت های تجاری در تلاش هستند تا شرایط مدیریت ارتباط با مشتری¹را هرچه بیشتر بهبود بخشند تا بتوانند هرچه بیشتر مشتریان فعلی را حفظ کنند و همچنین دیگر مشتریان را هم جذب کنند.

یکی از راه هایی که برای این اهداف شرکت ها و صاحبان کالا مصور است تبلیغ کالاها یا خدماتی است که مشتریان علاقه بیشتری به خرید یا دریافت آنها دارند. بنابراین شرکت ها باید به دنبال این باشند تا تبلیغاتشان بر اساس ترجیحات فردی مشتریان باشد، یعنی تبلیغات را برای هر مشتری شخصی سازی²کنند.

شرکت های تجاری برای اینکه بتوانند تبلیغات را برای مشتریان خود شخصی سازی کنند نیاز دارند تا اطلاعاتی در مورد علایق این مشتریان بدست آورند. بعضی از آنها برای بدست آوردن این اطلاعات از روش پرسشنامه استفاده می کنند و در ابتدای ارتباط با مشتری پرسش هایی در مورد شخص مشتری از قبیل سن و جنسیت و … از او می پرسند. بعلاوه همچنین ممکن است سوالاتی در مورد علایق خرید مشتری نیز از او پرسیده شود.این روش می تواند برای مشتری آزاردهنده و وقت گیر باشد، از این رو ممکن است مشتری عملیات خرید خود از سایت را متوقف کند.روش دیگری که برای جمع آوری اطلاعات مورد نیاز درباره علایق مشتری وجود دارد استفاده از داده های مورد استفاده پیشین کاربر از وب¹می باشد که با استفاده از این داده ها و بررسی آنها شرکت ها می توانند اطلاعاتی در مورد رفتار خرید کاربران بدست آورند.

داده کاوی ابزاری است که به شرکت ها کمک می کند تا ترجیحات و علایق فردی کاربران و مشتریان را بر اساس داده های به جای گذاشته شده از آنها استخراج کنند و بر این اساس استراتژی های بازاریابی خود را برقرار کنند و به شخصی سازی تبلیغات بپردازند. شرکت ها با استفاده از ابزارهای داده کاوی ابتدا داده های مورد نیاز برای کاوش رفتار خرید مشتری را آماده می کنند و با استفاده از الگوریتم های متعدد خوشه بندی می توانند مشتریان خود را بخش بندی کنند.بعد از آن می توانند با استفاده از الگوریتم های کاوش قوانین وابستگی، قوانینی برای پیش بینی رفتار خرید آتی مشتری بدست آورند و با استفاده از این قوانین، راهبردها و روش های شخصی سازی تبلیغات برای مشتری را مشخص کنند.

ما درصدد هستیم تا با استفاده از تکنیک های داده کاوی، مشتریان را بر اساس ارزش آنها که از رفتار خرید گذشته آنها بدست می آید دسته بندی و گروه بندی کنیم و علایق و رفتار خرید آینده هر دسته از این گروه ها را پیش بینی و مشخص کنیم تا با استفاده از این بتوانیم تبلیغات کالا را برای هر مشتری شخصی سازی کنیم.

1-3 هدف تحقیق:

در تحقیقاتی که تا به حال انجام گرفته با خوشه بندی مشتریان را به گروه هایی تقسیم می کنند و بر روی هر یک از این گروه ها تکنیک قوانین انجمنی را بکار می برند تا رفتار خرید آینده هر مشتری را پیش بینی کنند.برخی از این تحقیقات از الگوریتم k-means برای خوشه بندی مشتریان استفاده کردند و برخی دیگر به دلیل اشکالاتی که در این الگوریتم وجود دارد از الگوریتم هایی دیگر یا بهبودی از این الگوریتم استفاده کردند.

هدف از این تحقیق مشخص کردن ارزش مشتریان برای شرکت ها بر اساس رفتارهای خرید آنان، شخصی سازی تبلیغات اینترنتی برای مشتریان و ارائه حداکثری تبلیغات اینترنتی مطابق با علایق هر مشتری می باشد.برای این منظور از خوشه بندی موازی مشتریان توسط دو الگوریتم k-means و k-harmonic means و بکار گیری الگوریتم استقرایی¹روی هر یک از خوشه های حاصل شده از خوشه بندی k-means استفاده شده است. و بعد از آن از نتایج بدست آمده از بکارگیری الگوریتم استقرایی برای هر یک از مشتریان، با توجه به درجه تعلق آنها به هر خوشه ( که توسط الگوریتم k-harmonic means مشخص شده است ) برای شخصی سازی تبلیغات برای آنان استفاده می شود.

2-12-4-سیستم های اطلاعاتی مدیران جرایی (EIS)……………………..

2-12-5-سیستم های خبره یا مبتنی بر دانش (KBS)……………………..

2-12-6-سیستم اتوماسیون اداری (OAS)……………………..

2-12-7-سیستم مدیریت دانش (KMS)……………………..

2-13-اهمیت اطلاعات………………………. 30

2-14-سیستم های اطلاعاتی منابع انسانی………………………. 31

2-15- محدودیت های سیستم های اطلاعاتی………………………. 32

2-16- فناوری………………………. 32

2-16-1-فناوری اطلاعات………………………. 32

2-16-2-زمینه های فناوری اطلاعات………………………. 34

2-16-3-تأثیر فناوری اطلاعات بر سازمان……………………… 34

2-16-5-ماهیت فناوری اطلاعات و ارتباطات………………………. 35

2-16-6-فناوری اطلاعات و ارتباطات………………………. 37

2-1-7-تاریخچه پیدایش گاز و صنعت گاز در ایران…………………….. 42

2-18-مقدمه……………………… 46

2-19-تعریف تولید……………………… 46

2-20-سیستم های اطلاعات تولید……………………… 47

2-21-تفاوت سیستم اطلاعات با فناوری اطلاعات……………… 48

2-22-تولید یکپارچه ای رایانه ای………………………. 48

2-23-تولید به کمک رایانه و سیستم اجرایی تولید………….. 49

2-24-شبکه همکاری تولید………………………49

2-25-کنترل فرآیند……………………… 49

2-26-تعریف کیفیت………………………. 51

2-27-تعریف کیفیت از دیدگاه فلسفی………………………. 51

2-28-تعریف کیفیت مبتنی بر محصول……………………… 51

2-29-تعریف کفیت مبتنی بر مصرف کننده…………………….. 52

2-30-تعریف کیفیت مبتنی بر تولید……………………… 52

2-31-ابعاد کیفیت………………………. 52

2-32-رقابت در ابعاد کیفیت………………………. 54

22-32-تعریف هزینه……………………… 56

2-33-1-هزینه فرصت………………………. 56

2-33-1-2-هزینه ها صریح یا آشکار…………………….. 56

2-33-1-3-هزینه های ضمنی یا غیر آشکار ……………………..56

2-33-1-4-هزینه از نظر زمان……………………… 57

2-33-1-5-هزینه های متغیر……………………… 57

2-33-1-6-هزینه های ثابت………………………. 58

2-33-1-7-هزینه کل………………………. 58

2-33-1-8-هزینه های متوسط کل (ATC) 58

2-33-1-9-هزینه نهایی (MC) 59

2-33-1-10-هزینه های ثابت متوسط (AFC)……………………..

2-34-بهره وری……………………..61

2-34-1-بهره وری از دیدگاه اقتصاد دانان …………………….. 61

2-34-2-بهره وری از دیدگاه مهندسان ……………………..61

2-34-3-بهره وری از دیدگاه مدیران…………………….. 61

2-35-پی آمد های مثبت بهره وری………………………. 62

2-36-موانع بهره وری………………………. 63

2-37-عومل موثر بر افزایش بهره وری………………………. 64

2-38-مولفه های بهره وری………………………. 64

فصل سوم: روش تحقیق

3-1-مقدمه……………………… 72

3-2-روش تحقیق………………………. 72

3-3-نوع تحقیق………………………. 74

3-3-تبیین و توصیف سئوالات………………………. 74

3-4-عوامل موثر بر میزان تولید به شرح زیر می باشد …………………….. 74

3-4-جامعه آماری………………………. 76

3-5-روش نمونه گیری………………………. 76

3-6-ابزار جمع آوری طلاعات……………………… 76

3-7-پرسشنامه……………………… 77

3-8-آشنایی با پرسشنامه……………………… 78

3-9-روشهای تجزیه و تحلیل اطلاعات………………………. 79

. 3-9-1-تحلیلی توصیفی داده ها ……………………..79

3-9-2- تجزیه وتحلیل استباطی داده ها…………………….. 79

3-10-اعتبار یا روایی تحقیق………………………. 81

3-11-اعتماد یا پایایی تحقیق……………………… 81

3-12-آمار استنباطی………………………. 82

3-13- آزمون همبستگی پیرسون……………………… 82

3-15-قلمرو تحقیق………………………. 84

فصل چهارم: تجزیه و تحلیل داده ها

4-1-مقدمه …………………….. 86

4-2(بخش اول ) – ویژگی جمعیت شناختی………………………. 87

4-3-1-ضریب آلفای کرونباخ در هفت سال اول……………………… 91

4-3-2-ضریب آلفای کرونباخ در هفت سال دوم……………………… 92

4-3-3-ضریب آلفای کرونباخ در هفت سال سوم……………………… 92

4-3-4-ضریب آلفای کرونباخ در هفت سال چهارم……………………… 92

4-4-ضریب پایایی نهایی ابزار پژوهش……………………….. 93

4-5-آزمون نرمالیتی متغیر ها…………………….. 93

4-6- آزمون همبستگی پیرسون……………………… 94

4-6-1-آزمون همبستگی پیرسون با متغیر اول……………………… 95

4-6-2-آزمون همبستگی پیرسون با متغیر دوم…………………….. 95

4-6-3-آزمون همبستگی پیرسون با متغیر سوم…………………….. 96

4-6-4-آزمون همبستگی با متغیر چهارم……………………… 96

4-6-5-بخش دوم : آزمون فرضیات ……………………..97

4-6-5-1-فرصیه فرع اول……………………… 97

4-6-5-2-فرصیه فرعی دوم……………………… 98

4-6-5-3-فرضیه فرعی سوم……………………… 99

4-6-5-4-فرضیه فرعی چهارم……………………… 100

4-7-اولویت بندی هر یک از ابعاد و گزینه ها…………………….. 101

4-8- رتبه بندی هر یک از متغیر های تحقیق…………………….. 101

4-8-1-آزمون فریدمند برای گزینه های میزان تولید………….. 102

4-8-2-آزمون فریدمن برای گزینه های کیفیت محصول……….. 103

4-8-3-آزمون فرید من برای گزینه های هزینه های تولید……. 104

4-8-4-آزمون فرید من برای گزینه های بهبود کارایی……….. 105

4-9-اولویت بندی هر یک از ابعاد…………………….. 105

فصل پنجم: نتیجه گیری، تفسیر و پیشنهادات

1-5-مقدمه……………………… 108

5-2-نتیجه گیری………………………. 108

5-2-1-نتیجه حاصله از فرضیه اول…………………….. 108

5-2-2-نتیجه حاصله از فرضیه دوم …………………….. 109

5-2-3-نتیجه حاصله ازفرضیه سوم…………………….. 109

5-2-4-نتیجه حاصله از فرضیه چهارم…………………….. 109

5-3-محدودیت های تحقق…………………….. 110

5-4-تفسیر نتایج تحقیق………………………. 110

منابع فارسی………………………. 114

ضمائم…………………….. 116

چکیده:

در چند دهه اخیر تکنولوژی مدرن اطلاعات بر موقعیت و عملکرد بسیاری از جوامع ، سازمان ها افراد اثرات قابل ملاحظه ای گذاشته و به موازات پیشرفت های شگرفی که در این زمینه بوجود آمده است ، سرنوشت جوامع ، سازمان ها و افراد هر روز بیش از گذشته به این فناوری اطلاعات مدرن گره می خورد.

بدیهی است که در چنین موقعیتی شناخت فناوری اطلاعات اهمیت فزاینده ای یافته است .با توجه به این واقعیات باید گفت که فناوری اطلاعات یکی از عوامل مهم محیطی به شمار می آید که بر موقعیت، عملکرد و سرنوشت جوامع، سازمانها وافراد اثرات جدی می گذارد.

2-5-4 مدل های ماشین موازی…………………. 23

2-5-5 مدل های جریان کارگاهی…………………. 24

2-5-6 مدل های کار کارگاهی…………………. 28

2-5-7 مدل های کارگاه باز………………… 31

2-5-8 مدل های کارگاه وابسته………………… 33

2-5-9 مدل های پردازش دسته ای…………………. 33

2-5-10 مدل های خط مونتاژ………………… 33

2-5-11 مدل های خط مونتاژ ترکیبی…………………. 34

2-6 محدودیت های زمانبندی…………………. 34

2-6-1 معیارهای ارز یابی عملکرد………………… 36

2-7 الگوریتم ژنتیک………………….. 38

2-7-1 تکنیک های حل مسائل بهینه سازی…………………. 38

2-7-2 صورت کلی الگوریتم ژنتیک………………….. 40

2-7-3 تعاریف………………….. 41

2-7-4 نمایش کروموزوم………………… 41

2-7-4-1 نمایش باینری…………………. 41

2-7-4-2 نمایش جایگشتی…………………. 42

2-7-4-3 نمایش مقداری…………………. 42

2-7-4-4 نمایش درختی…………………. 43

2-7-5 تابع شایستگی…………………. 43

2-7-6 عملگر انتخاب…………………. 44

2-7-6-1 انتخاب تصادفی………………… 44

2-7-6-2 انتخاب چرخ گردان……………….. 44

2-7-6-3 انتخاب رتبه بندی…………………. 46

2-7-6-4 انتخاب نخبه گرا ………………..47

2-7-6-5 انتخاب مسابقه ای…………………. 47

2-7-7 عملگر تبادل………………… 48

2-7-7-1 عملگر تبادل تک نقطه ای…………………. 48

2-7-7-2 عملگر تبادل دو نقطه ای…………………. 49

2-7-8 عملگر جهش………………….. 50

2-7-8-1 عملگر معکوس سازی…………………. 51

2-7-9 عملگر حذف و کپی…………………. 51

2-7-10 عملگر حذف وتولید مجدد………………… 52

2-7-11 پارامترهای الگوریتم ژنتیک………………….. 52

2-7-12 همگرایی…………………. 53

2-7-13 شرط خاتمه الگوریتم ژنتیک………………….. 53

2-7-14 مزایای الگوریتم ژنتیک………………….. 53

2-7-15 معایب الگوریتم ژنتیک………………….. 54

2-8 کارهای انجام شده ………………..55

2-8-1 الگوریتم ETPN-GA………………….

2-8-2 الگوریتم AFS Petri Net…………………

2-8-3 الگوریتم GA-ACO………………….

2-8-4 الگوریتم GA-Fuzzy…………………

2-8-5 الگوریتم HGA………………….

2-8-6 الگوریتم GADG………………….

2-8-7 الگوریتم های دیگر………………… 61

3 روش تحقیق…………………. 63

3-1 مراحل الگوریتم پیشنهادی…………………. 64

3-2 نمایش کروموزوم………………… 65

3-3 شرح پارامتر نگهداری ماشین…………………. 67

3-4 ایجاد جمعیت اولیه………………… 68

3-5 شایستگی…………………. 70

3-6 انتخاب…………………. 71

3-7 عملگر تبادل………………… 71

3-7-1 عملگر تبادل دو نقطه ای…………………. 72

3-7-2 عملگر تبادل تک نقطه ای………………73

3-7-3 عملگر تبادل چند نقطه ای…………………. 74

3-8 عملگر جهش………………….. 77

3-9 تعویض جمعیت…………………. 78

3-10 شرط خاتمه………………… 79

4 محاصبات و یافته های تحقیق…………………. 79

4-1 پیاده سازی الگوریتمها……………….. 80

4-2 طراحی داده های تست و پارامترهای الگوریتم…….. 80

4-3 نتایج حاصل از شبیه سازی…………………. 81

5 نتیجه گیری و پیشنهادات………………… 86

فهرست منابع و مأخذ………………… 88

چکیده:

مسئله زمانبندی سیستم باز یک مسئله زمانبندی مهم و جهانی است و این مسئله به طور وسیع در صنعت کاربرد دارد. مسئله زمانبندی سیستم باز جزء مسائل سخت است. مسئله زمانبندی سیستم باز فضای راه حل آن به طور قابل ملاحظه ای بزرگتر از مسئله زمان بندی مغازه کارها است و به نظر می رسد که در کتاب ها و مقالات به آن کمتر توجه شده است. استفاده از روش های كلاسیك برای بدست آوردن جواب بهینه در این مسائل دارای پیچیدگی زمانی بالایی است و دربرخی از موارد غیرممكن است درنتیجه برای حل این مسائل بیشتر از روش های ابتكاری استفاده می شود. هدف مسئله زمانبندی سیستم باز بدست آوردن یک ترکیب امکان پذیر از سفارشات ماشین و کار تعیین شده است که زمان کلی اتمام کارها در کمترین زمان ممکن باشد. در بین مقالات مختلفی که در زمینه حل مسئله زمانبندی سیستم های باز ارائه شده است، هیچکدام پارامتر نگهداری ماشین ها را درنظر نگرفته اند و این درحالیست که در عمل، ماشین آلات موجود در کارخانجات بنا به دلایل مختلف دچار آسیب و خرابی در حین انجام کار می شوند که این امر خسارات فراوانی از جمله اتلاف زمان، و هزینه های اضافی در جهت اجرای مجدد فرایند نیمه کاره را به همراه دارد. در این پایان نامه یک روش جدید برای حل مسئله زمانبندی سیستم های باز با استفاده از الگوریتم ژنتیک ارائه شده است که مسئله نگهداری ماشین ها را نیز در نظر می گیرد. در الگوریتم پیشنهادی با استفاده از عملگرهای متنوع در کنار هدفمند کردن انتخاب کروموزوم برای کارایی هر چه بیشتر الگوریتم تلاش شده است و نتایج تجربی نشان دهنده کارایی بیشتر الگوریتم پیشنهادی در مقایسه با دیگر الگوریتمها می باشد.

فصل اول: مقدمه و کلیات تحقیق

در این فصل ابتدا مسئله مورد نظر بیان گردیده و ضرورت و اهداف را دنبال می­نمایم در ادامه پرسشهای موجود در مسئله را بررسی می­نمایم و فرضیه­های تحقیق را شرح می­دهم سپس نوآوری­های تحقیق را ارائه می­نمایم در پایان واژه­های کلیدی تعریف شده و ساختار پایان نامه ذکر خواهد شد.

1-1- مقدمه

مسئله زمانبندی سیستم های باز یکی از مهمترین مسائل زمانبندی در دنیای مهندسی و صنعت است. در این مسئله m ماشین و n کار وجود دارد. هرکار شامل تعداد معینی از عملیات است. هر عملیات دارای زمان از پیش تعیین شده ای برای پردازش[1] بر روی ماشین متناظر خود می باشد. ترتیب پردازش این عملیات در زمان به انجام رسیدن همه کارها بسیار تاثیر گذار است. بنابراین هدف از حل این مسئله پیدا کردن ترتیب عملیاتی است که با کمترین مدت زمانبندی قابل پردازش باشد. در این راستا مقالات زیادی با استفاده از الگوریتم های ابتکاری[2] مختلف ارائه شده است که از بین آنها الگوریتم ژنتیک[3] یکی از بهترین ها، شناخته شده است. در این پایان نامه یک روش جدید برای حل مسئله زمانبندی با در نظر گرفتن پارامتر نگهداری ماشین[4] ها بر پایه الگوریتم ژنتیک با ویژگی چند جمعیتی ارائه شده است. نتایج تجربی نشان می­ دهد­ الگوریتم ارائه شده به جواب بهینه تری دست پیدا می­کند [77].

2-1- بیان مسئله

مسئله زمانبندی سیستم باز یک مسئله زمانبندی مهم و جهانی است و این مسئله به طور وسیع در صنعت کاربرد دارد. این مسئله جزء مسائل سخت است. این مسئله شبیه به مسئله زمانبندی مغازه کارها است با این تفاوت که در هر کار هیچ اولویتی بین فرایند یا عملیات هر کار وجود ندارد. در مسئله زمانبندی سیستم باز فضای راه حل به طور قابل ملاحظه­ای بزرگتر از مسئله زمان بندی مغازه کارها است و به نظر می­رسد که در کتاب ها و مقالات به آن کمتر توجه شده است. شرح مسئله سیستم باز توسط گراهام و همکارانش بدین صورت باشد: یک تعداد کار به تعداد n (J₁,J₂, … , J_n) وجود دارد که روی یک سلسله ماشین به تعداد m (M₁,M₂, … , M_m) قابل پردازش است، هر کار متشکل از m عملیات می باشد (O_ij). که j=1 to m و i=1 to n و هر کدام از عملیات باید روی یک ماشین متفاوت برای یک زمان مشخص شده پردازش شوند. عملیات هر کار می تواند در هر ماشینی پردازش شود ولی در هر زمان نهایتا یک عمل روی هر ماشین می تواند پردازش شود و یک عمل از هر کار می تواند در یک زمان پردازش شود .

هدف مسئله زمانبندی سیستم باز بدست آوردن یک ترکیب امکان پذیر از سفارشات ماشین و کار تعیین شده است که زمان کلی اتمام کارها در کمترین زمان ممکن باشد. در ادامه به بیان چندین مثال که جز مسائل سیستم باز می باشد می پردازیم: