تحسين البرمجة الخطية باستخدام تقنيات الذكاء الاصطناعي : دراسة تجريبية
DOI:
https://doi.org/10.31272/jae.i143.1197الكلمات المفتاحية:
البرمجة الخطية، الخوارزمية الجينية، الذكاء الاصطناعي، التعلم الآلي، التعلم العميق .الملخص
يعد مجال بحوث العمليات احد المجالات الرئيسة في علوم الادارة والهندسة الصناعية، ومن اهم تلك المجالات هي البرمجة الخطية (Linear Programming) والتي تضمنت تقنيات مهمة منها : (تحسين العمليات الانتاجية من خلال تطبيق تقنيات وادوات مثل تحليل الشبكات وتحليل العوامل الرئيسية وتحليل الانحدار اضافة الى تصميم نماذج لتحسين الامداد بالموارد الاولية والتخطيط والتحكم بسلاسل الامداد كذلك تحسين تقنيات تحليل البيانات والذكاء الاصطناعي في اتخاذ القرارات الاستراتيجية مثل البيانات الكبيرة Big Data، Machin Learning، التعليم العميق Deep learning ). كما ساهمت تقنيات البرمجة الخطية في تحسين الجودة وادارة المخاطر من خلال تقليل المخاطر المرتبطة بالعمليات مثل ادارة الجودة الشاملة، تصميم التجارب، تحليل المخاطر وتصميم النظم المرنة لتساعد على الابتكار وتطوير المنتجات. وتعد تقنيات ربط البرمجة الخطية بالذكاء الاصطناعي ذات اهمية كبيرة اذ ساعدت على تطوير الانظمة والتقنيات التي تتميز بالقدرة على تعلم والتفكير واتخاذ القرارات بشكل مشابه للإنسان على سبيل المثال (استعمال الذكاء الاصطناعي في تحسين عمليات التخطيط والتحليل في مشكلات البرمجة الخطية). في دراستنا تم تسليط الضوء على احدى تقنيات الذكاء الاصطناعي في مجال البرمجة الخطية وهي الخوارزمية الجينية (Genetic Algorithm (GA)) اذ يهدف البحث ايجاد القيم المثلى لمتغيرات دالة الهدف في ظل القيود المفروضة على مشكلة البرمجة الخطية ومن خلال التحسين (Optimization) غان قيمة دالة الهدف حققت اعظم الارباح مقارنة بدالة الهدف المحسوبة ضمن طريقة السمبلكس (Simplex Method) ، كما تم حساب دالة اللياقة على ضوء المعطيات في المسألة ، وتم ايجاد النتائج بالاستعانة ببرنامج [MATLAB R2019a] .
المراجع
Abdul Ameer, Y. R., Salman, Sh. M. and Kamel, A., (2022). “A hybrid algorithm to bypass some weak features in the particle swarm and firefly algorithms...with an application to the travelling salesman problem”. Tikrit Journal of Administrative and Economic Sciences; Vol. 18, No. 60, Part (1): 635-652.
Bergkvist. A, Damaschke, and L. Marcel. (2006), “Linear Programs for Hypotheses Selection in Probabilistic Inference Models”, Journal of Machine Learning Research 7 (2006) 1339–1355.
Datta, C. Garai, C. Das, (2012), “Efficient Genetic Algorithm on linear programming problem for fittest Chromosome”, Journal of Global Research in Computer Science, Vol ͵, pp ͳ – 7.
De Jong, K. A. (1975). “An Analysis of the Behavior of a Class of Genetic Adaptive Systems”, Doctoral dissertation, Dept. Computer and Communication Sciences, University of Michigan, Ann Arbor.
G.B. Dantzig, (1963), “Linear programming and extensions”, Princeton University Press and the Rand Corporation.
H. Md. Azamathulla , Fu-Chun Wu, Aminuddin Ab Ghani. (2008), “Comparison between genetic algorithm and linear programming.”, Journal of Hydro-environment Research 2 (2008) 172e181.
Hadi, H. A. and Shaheed, A. S.(2020)” Using the Expectation Maximization Algorithm in Estimating the General Linear Regression Model When the Data Are Distributed Skew Normal with The Application”. The Journal of Administration & Economics, Issue: 124/June/2020, Pages: 186-200.
Haupt, R. L., & Haupt, S. E. (1998). “Practical Genetic Algorithms”. New York: Wiley Inter science.
Frederick S. Hillier, Gerald J. Lieberman., “Introduction to operations research”, 9th ed. p. cm. Includes index. ISBN 978-0-07-337629-5 .
Holland, J.H. (1992), “Genetic Algorithms”. Scientific American, 267, 66-72. http://dx.doi.org/10.1038/scientificamerican0792-66.
Lewis, (2008), ”Linear Programming: Theory and Applications, https://www.whitman.edu/lewis.
M. Joao, C. Eernsto, M. Lino (2016), “Genetic Programming Algorithms for Dynamic Environments”, doi.org/10.1007/978-3-319-31153-1_19.
Malasri, S., "Genetic Algorithms," Cagill's Survey of Science: Applied Science, Supplement, pp. 3050-3057, May 1998.
Malasri, S., Martin, J. R., and Medina, R. A. (1996), "Solving Mathematical Programming Problems Using Genetic Algorithms”, Proceedings of the Third Congress on Computing in Civil Engineering, ASCE, pp. 233-239.
Markland, Robert. (1989), “Topics in Management Science”, 3rd ed., New York: Wiley. (16)
Michalewicz, Z. (1992) “Genetic Algorithms + Data Structures = Evolution Programs”, Springer-Verlag.
N. Karmarker, (1984), "A New Polynomial Time Algorithm for Linear Programming", Combinatorica, Vol 4, nr. 4, p. 373–395.
Ravindran, A., Don. T. Philips, and James J. Solberg. (1986). “Operations Research: Principles and Practice, 2nd ed., New York: Wiley.
S.R. Hejazia, A. Memariania; ∗G. Jahanshahloob, M.M. Sepehri. (2002), “Linear bilevel programming solution by genetic algorithm”, Computers & Operations Research 29 (2002) 1913–1925.
Singh1.S, Damaschke, and L Mehrotra.R. (2017), “GENETIC ALGORITHM: APPLICATIONS TO LINEAR AND INTEGER PROGRAMMING PROBLEMS”, International Journal of Research in Engineering and Applied Sciences (IJREAS), Vol. 7 Issue 9, September-2017, pp. 48~58 ISSN (O): 2249-3905, ISSN(P): 2349-6525 | Impact Factor: 7.196.
Steven J. Miller, (2007),” An Introduction to Linear Programming”, Mathematics Department, Brown University.
Whitley, D., K. Mathias, S. Rana, and J. Dzubera. (1996), “Evaluating Evolutionary Algorithms”. Artificial Intelligence Journal 85:1–32.
Winston, Wayne L. (1991), “Operations Research: Applications and Algorithms”, 2nd ed., Boston: PWS-Kent.

التنزيلات
منشور
إصدار
القسم
الرخصة
مجلة الإدارة والاقتصاد هي مجلة مفتوحة المصدر حيث تكون جميع محتوياتها مجانية. تخضع مقالات هذه المجلة لشروط ترخيص المشاع الإبداعي المنسوب إلى المؤلف (CC-BY 4.0) (https://creativecommons.org/licenses/by/4.0/legalcode) الذي يسمح للمرخص لهم دون قيود بالبحث عن النص الكامل للمقالات أو تنزيله أو مشاركته أو توزيعه أو طباعته أو ربطه به، وفحصه للفهرسة وإعادة إنتاج أي وسيلة للمقالات بشرط أن ينسبوا إلى المؤلفين الفضل في ذلك (الاستشهاد). تسمح المجلة للمؤلفين بالاحتفاظ بحقوق الطبع والنشر لمقالهم المنشور.
. Creative Commons-Attribution (BY)