هوش مصنوعی ترکیبی و بهینه سازی قوی برای یک مشکل نمونه کارها محصول چند هدف مطالعه موردی: صنعت لبنیات

در اینجا بهینه سازی مسئله سبد محصولات تحت عدم قطعیت بازپرداخت مطرح شده است. سهم این تحقیق در استفاده از یک هوش مصنوعی ترکیبی بهبود یافته و بهینه سازی قوی و ارائه یک روش جدید برای محاسبه خطر سبد محصولات است. با استفاده از یک شبکه عصبی بهبود یافته با الگوریتم ریشه دونده (RRA) ، تقاضای آینده هر محصول پیش بینی می شود و شاخص ریسک هر محصول بر اساس تقاضای آینده پیش بینی شده آن محاسبه می شود. یک مدل ریاضی دو هدف (به حداقل رساندن ریسک و به حداکثر رساندن بازده) ارائه شده است که تأثیر سرمایه گذاری ها ، قابلیت اطمینان و فروش از دست رفته مجاز در سبد محصولات طراحی شده نگران کننده است. با توجه به عدم قطعیت بازگشت ، دو مدل همتای محکم مبتنی بر رویکردهای Bertsimas و Sim و Ben-Tal و Nemirovski تولید می شوند. سپس یک روش حل دقیق برای کاهش زمان حل مدل قوی ارائه شده است. نتایج حاصل از اجرای در صنایع لبنی ایران حاکی از افزایش سطح اطمینان ، افزایش ریسک سرمایه گذاری و کاهش بازده کل است. نتایج به دست آمده توسط تست های آماری نشان می دهد که دو مدل قوی پیشنهادی که اخیراً ارائه شده اند ، عملکرد مشابهی در یافتن حداکثر راه حل های بازگشت دارند ، در حالی که ، در اینجا کمترین راه حل های خطرناک ، مدل Bertsimas از همتایان خود بهتر است. علاوه بر این ، نتایج حاصل از روش دقیق ارائه راه حل نشان می دهد که این روش به طور متوسط ​​۳٪ زمان اجرا را کاهش می دهد ، که نشان دهنده اثربخشی روش پیشنهادی است.