Metrika članka

  • citati u SCindeksu: [2]
  • citati u CrossRef-u:0
  • citati u Google Scholaru:[=>]
  • posete u poslednjih 30 dana:8
  • preuzimanja u poslednjih 30 dana:5
članak: 3 od 4  
Back povratak na rezultate
Journal of Applied Engineering Science
2012, vol. 10, br. 3, str. 147-152
jezik rada: engleski
vrsta rada: stručni članak
objavljeno: 16/10/2012
doi: 10.5937/jaes10-2523
Primena kombinovanog modela GA (genetskih algoritama) i RM (matrica rizika) u određivanju optimalnog proizvodnog programa
aUniverzitet u Beogradu, Mašinski fakultet
bOmar El-Mohktar University, Industrial Engineering Department, El-Baitha, Libya

e-adresa: mmisita@mas.bg.ac.rs

Sažetak

Jedan od veoma važnih ciljeva u svakom preduzeću je naći optimalno rešenje kod inverznih višekriterijumskih funkcija. Funkcija kojom se opisuju troškovi i funkcija kojom se opisuje profi t po jedinici proizvoda su dve inverzne funkcije sa mnogo konfliktnih informacija o proizvodnim parametrima. Pored toga, za donosioca odluke veoma važno je ukazati na rizik koje optimalno rešenje nosi sa sobom, Iz tog razloga u radu je razvijen model koji predstavlja kombinaciju primene genetskih algoritama (GA) i matrica rizika, radi poboljšanja kvaliteta odluke koja se bazira na kvantitativnim indikatorima, a ne samo na kvalitativnim. Rezultati istraživanja ukazuju da model integracije GA i RM ima veoma veliki značaj u olakšanju procesa odlučivanja o optimalnom proizvodnom programu uz istovremeno i povećanje kvaliteta donesenih odluka.

Ključne reči

troškovi; matrice; optimalni program proizvodnje; upravljanje rizikom; genetski algoritmi; više-ciljna funkcija

Reference

*** (2003) Overview of enterprise risk management. Arlington, VA: Casualty Actuarial Society, Enterprise Risk Management Committee
Chi-Ming, L., Mitsuo, G. (2007) An Effective Decision- Based Genetic Algorithm Approach to Multiobjective Portfolio Optimization Problem. Applied Mathematical Sciences, Vol. 1, No. 5, pp. 201 - 210
Curović, D., Vasić, B., Popović, V., Curović, N. (2008) Ekspertsko planiranje proizvodnje. Journal of Applied Engineering Science, 6(20): 49-58
Fafandjel, N., Zamarin, A., Hadjina, M. (2010) Shipyard production cost structure optimisation model related to product type. International Journal of Production Research, 48(5): 1479-1491
Fraser, J., Simskins, B.J. (2010) Enterprise risk management: Today's leading research and best practices for tomorrow's executives. USA: John Wiley & Sons, ISBN 978-0-470-49908-5
Glover, F., Kelly, J.P., Laguna, M. (1999) New advances for wedding optimization and simulation. u: Proceedings of the 1999 Winter Simulation Conference
McNair, C. (2000) Defining and shaping the future of cost management. Journal of Cost Management, september/october, str. 28-32
Miettinen, K. (1999) Nonlinear multi objective optimization. Boston: Kluwer Academic Publishers
Sanchis, J., Martineez, M., Blasco, X., Salcedo, J.V. (2008) A new perspective on multiobjective optimization by enhanced normalized normal constraint method. Structural and Multidisciplinary Optimization, 36(5): 537-546
Utyuzhnikov, S.V., Fantini, P., Guenov, M.D. (2009) A method for generating a well-distributed Pareto set in nonlinear multiobjective optimization. Journal of Computational and Applied Mathematics, 223(2): 820-841
Zitzler, E. (1999) Evolutionary algorithms for multiobjective optimization: Methods and applications. Zürich: Swiss Federal Institute of Technology (ETH), Doctoral Dissertation ETH 13398