کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6895026 1445936 2018 18 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Maximizing the expected net present value of a project with phase-type distributed activity durations: An efficient globally optimal solution procedure
ترجمه فارسی عنوان
به حداکثر رساندن ارزش فعلی خالص یک پروژه با مدت زمان فعالیت های توزیع شده فاز: یک روش کارآمد راه حل مطلوب در سطح جهانی
ترجمه چکیده
ما پروژه هایی را با فعالیت هایی که مدت زمان تصادفی مدل سازی شده با استفاده از توزیع های فازی دارند، مطالعه می کنیم. جریان نقدی متوسط ​​طی اجرای پروژه متحمل می شود. پس از اتمام فعالیت های پروژه، بازپرداخت به دست می آید. از آنجائیکه فعالیتهای زمانی تصادفی هستند، زمان شروع فعالیت در ابتدای پروژه مشخص نیست. در عوض، ما باید به یک سیاست برای برنامه ریزی فعالیت ها در هنگام اجرای پروژه تکیه کنیم. برنامه های بهینه برنامه فعالیت هایی را ارائه می دهند که ارزش فعلی خالص فعلی پروژه حداکثر می شود. ما خط مشی مطلوب را با استفاده از زنجیره مارکوف پیوسته جدید و یک برنامه دایمی تصادفی عقب مانده تعیین می کنیم. اگر چه زنجیره مارکوف پیوسته جدید، باعث کاهش قابل توجهی از نیازهای حافظه (در مقایسه با روش های موجود) می شود، اما همچنین اجازه می دهد تا فعالیت ها به پیش برود؛ یک فرض است که همیشه مطلوب نیست با این وجود ما ثابت می کنیم که اگر جریان های نقدی در ابتدای فعالیت رخ داده است، در صورتی که جریان های نقدی متحمل شوند، مطلوب نیست که فعالیت های پیشگیرانه را پیش ببریم. علاوه بر این، این مدرک بدون در نظر گرفتن توزیع طول مدت فعالیت ها صرفنظر می شود. یک آزمایش محاسباتی نشان می دهد که ما به طور قابل توجهی پیشرفته ترین روش های موجود در حال حاضر پیشرفته تر است. به طور متوسط، ما کارایی محاسباتی را با فاکتور 600 افزایش می دهیم و نیازهای حافظه را با یک عامل 321 کاهش می دهیم.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
چکیده انگلیسی
We study projects with activities that have stochastic durations that are modeled using phase-type distributions. Intermediate cash flows are incurred during the execution of the project. Upon completion of all project activities a payoff is obtained. Because activity durations are stochastic, activity starting times cannot be defined at the start of the project. Instead, we have to rely on a policy to schedule activities during the execution of the project. The optimal policy schedules activities such that the expected net present value of the project is maximized. We determine the optimal policy using a new continuous-time Markov chain and a backward stochastic dynamic program. Although the new continuous-time Markov chain allows to drastically reduce memory requirements (when compared to existing methods), it also allows activities to be preempted; an assumption that is not always desirable. We prove, however, that it is globally optimal not to preempt activities if cash flows are incurred at the start of an activity. Moreover, this proof holds regardless of the duration distribution of the activities. A computational experiment shows that we significantly outperform current state-of-the-art procedures. On average, we improve computational efficiency by a factor of 600, and reduce memory requirements by a factor of 321.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: European Journal of Operational Research - Volume 267, Issue 1, 16 May 2018, Pages 16-22
نویسندگان
,