چکیده:
معیار عملکرد اصلی در سازمانهای مبتنی بر تحقیق و توسعه، عموما آمار پروژه های موفق است. انتخاب مناسب اعضا میتواند در موفقیت پروژهها سهم بسزایی داشته باشد، اما همانطور که انتخاب افرادی خاص کاهشدهندۀ ریسک پروژه میشود، حضور مکرر این افراد در پروژههای مشابه، سبب تمرکز دانششده و سازمان را با خطری جدی روبهرو میکند. بنابراین انتخاب اعضای تیمهای تحقیق و توسعه به نحوی که زوایای کیفی پروژه و دانش سازمان، هر دو کانون توجه قرار گیرند، حائز اهمیت است. در حالت کلی این نوع مسائل جزء مسائل پیچیدۀ حوزۀ تحقیق در عملیات بهشمار میرود. چون معمولا در واقعیت تعداد ترکیبات ممکن بسیار زیاد است، روشهای بهینه سازی مبتنی بر شمارش یکبهیک، از حل جامع اینگونه مسائل عاجزند. به همین دلیل از الگوریتم های فراابتکاری، مثل الگوریتم ژنتیک، شبیهسازی تبرید، شبکه های عصبی و... برای حل استفاده میشود. در پژوهش پیش رو، مدلی بر این اساس معرفیشده و یک الگوریتم ژنتیک با مرتبسازی نامغلوب ـ نسخۀ 2 برای حل آن توسعه داده میشود.
An alternative for decreasing risk for knowledge workers is effective & optimized work break.Major performance criteria in R&D based organization is successful projects. Selection of opproporiate members can be a most effect on the projects achievement. But as the selection of R&D special members lead to decrease of risk, repeatative participation of this people in the same project lead to knowledge concentration and achieve organization with serios risks. Therefore attendance to knowledge and quality project angles is important to selection of R&D teams members. In this study, we developed a model based on Non-Dominated Sorting Genetic Algorithm.
خلاصه ماشینی:
ارائۀ يک الگوريتم ژنتيک با مرتب سازي نامغلوب ـ نسخۀ ٢ (NSGA-II) براي مدل يکپارچۀ انتخاب اعضاي تيم هاي تحقيق و توسعه غلامحسين نيکوکار١، ياسر عليدادي تلخستاني ٢، محمد مهدوي مزده ٣، سيد جلال موسوي معيار عملکرد اصلي در سازمان هاي مبتني بر تحقيق و توسعه ، عموما آمار پروژه هـاي موفق است .
استفاده از روش هاي بالا براي حل مسئلۀ انتخاب اعضاي تيم هاي تحقيق و توسعه با استناد بـه اطلاعات فردي و ارتباطي، به طور مستقيم و بدون تغيير، ناممکن اسـت و بايـد تغييـرات اساسـي در آنها ايجاد شود.
الگـوريتم ارائـه شـده ، روش جديـدي را بـه هنگـام انجـام عمليـات تقـاطع و ترکيـب کروموزوم هاي والد براي توليد فرزنـد و ايجـاد جهـش در کرومـوزوم هـا، معرفـي کـرده اسـت و درنهايت ،کارايي جواب هاي به دست آمده از روش الگوريتم ژنتيک با روش عددي مقايسه شده انـد (فقيه و منتظري، ١٣٨٧).
در اين پژوهش ، يک مدل رياضي براي مسئلۀ انتخاب اعضـاي تـيم هـاي تحقيـق و توسـعه پيشنهاد داده شده است که در يک زمان هم اطلاعات فردي ، هم اطلاعات ارتباطي بـين افـراد و هم موارد مربوط به عدم تمرکز دانش روي افراد خاص را در نظر گرفته و با توجه به اهميت هـر سه نوع اطلاعات ، حل عددي را هدايت ميکند تا به جواب مناسب برسد.
براي حل مسئلۀ انتخاب اعضاي تيم هاي تحقيق و توسعه براساس اطلاعات فردي، ارتباطي و دانشي، اطلاعات با هم درنظر گرفته شده و مدلي چندهدفه در غالب رابطۀ ٢٣ ايجاد ميشود.