بهروز افشارنجفی - دانشیار، دانشکده مهندسی صنایع و مکانیک، دانشگاه آزاد اسلامی، واحد قزوین
حمیدرضا شهابی فرد - کارشناسی ارشد، دانشگاه علوم و تحقیقات، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات قزوین

در این مقاله، یک مدل بهینه سازی جهت انتخاب بهترین سبد پروژه از بین پروژه های موجود، بهترین سطح استخدام منابع، سپس زمان بندی پروژه های انتخاب شده جهت بیشینه کردن ارزش خالص فعلی با رعایت محدودیت ها ارایه شده است. چون مدل توسعه یافته در زمره مسایل سخت از نظر محاسباتی قرار دارد، لذابرای حل این مساله یک الگوریتم فراابتکاری بر مبنای الگوریتم ژنتیک پیشنهاد شده است. در الگوریتم حل پیشنهادی علاوه بر کاربرد عملگرهای معمول ژنتیک مانند تقاطع و جهش از عملگرهایی هوشمند جهت جستجوی محلی در حوزه منابع و جابجایی فعالیت های با جریان مالی منفی استفاده شده است. پارامترهایکلیدی الگوریتم در راستای تسریع همگرایی آن با استفاده از روش تاگوچی تنظیم شده است. سپس تعداد 90 مساله آزمایشی، شامل 30 مساله در ابعاد کوچک، 30 مساله در ابعاد متوسط و 30 مساله در ابعاد بزرگ بااستفاده از روش پیشنهادی حل شده وکارایی آن گزارش شده است. همچنین در مسایل سایز کوچک جواب های حاصل از الگوریتم ژنتیک با جواب های بهینه موضعی مدل ریاضی بدست آمده با نرم افزار لینگو مقایسه شده، که میانگین جواب های حاصل از الگوریتم ژنتیک بهتر از جوابهای بهینه موضعی حاصل ازلینگو بوده است. در مسایل سایز متوسط و بزرگ که هیچ جوابی با استفاده از لینگو در زمان محدود شده بدست نیامده بود، نتایج نشان می دهد که جواب های حاصل از الگوریتم پیشنهادی دارای پایداری مناسب می باشند

انتخاب سبد پروژه ، زما نبندی پروژه، الگوریتم ژنتیک، سرمایه گذاری در منابع،ارزش خالص فعلی