تم إضافة تقرير جديد 2024
ارسل ملاحظاتك

ارسل ملاحظاتك لنا









الرئيسية > تحسين البرمجة الخطية باستخدام...>الوصف

تحسين البرمجة الخطية باستخدام تقنيات الذكاء الاصطناعي: دراسة تجريبية

العنوان بلغة أخرى: Improving Linear Programming via Artificial Intelligence Techniques: An Experimental Study
المصدر: مجلة الإدارة والاقتصاد
الناشر: الجامعة المستنصرية - كلية الإدارة والاقتصاد
المؤلف الرئيسي: سلمان، منى شاكر (مؤلف)
المؤلف الرئيسي (الإنجليزية): Salman, Mona Shaker
المجلد/العدد: ع143
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2024
الشهر: حزيران
الصفحات: 56 - 68
ISSN: 1813-6729
رقم MD: 1531362
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
تعلم الآلة | الأنظمة الذكية | دالة الهدف | إدارة المخاطر | التخطيط الاستراتيجي
كلمات المؤلف المفتاحية:
البرمجة الخطية | الخوارزمية الجينية | الذكاء الاصطناعي | التعلم الآلي | التعلم العميق | Linear Programming | Genetic Algorithm | Artificial Intelligence | Machine Learning | Deep Learning
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: يعد مجال بحوث العمليات احد المجالات الرئيسة في علوم الإدارة والهندسة الصناعية، ومن اهم تلك المجالات هي البرمجة الخطية (Linear Programming) والتي تضمنت تقنيات مهمة منها: (تحسين العمليات الإنتاجية من خلال تطبيق تقنيات وأدوات مثل تحليل الشبكات وتحليل العوامل الرئيسية وتحليل الانحدار إضافة إلى تصميم نماذج لتحسين الإمداد بالموارد الأولية والتخطيط والتحكم بسلاسل الإمداد 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 وإدارة المخاطر من خلال تقليل المخاطر المرتبطة بالعمليات مثل إدارة الجودة الشاملة، تصميم التجارب، تحليل المخاطر وتصميم النظم المرنة لتساعد على الابتكار وتطوير المنتجات. وتعد تقنيات ربط البرمجة الخطية بالذكاء الاصطناعي ذات أهمية كبيرة إذ ساعدت على تطوير الأنظمة 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 إحدى تقنيات الذكاء الاصطناعي في مجال البرمجة الخطية وهي الخوارزمية الجينية ((Genetic Algorithm (GA) إذ يهدف البحث إيجاد القيم المثلى لمتغيرات دالة الهدف في ظل القيود المفروضة على مشكلة البرمجة الخطية ومن خلال التحسين (Optimization) غان قيمة دالة الهدف حققت أعظم الأرباح مقارنة بدالة الهدف المحسوبة ضمن طريقة السمبلكس (Simplex Method)، كما تم حساب دالة اللياقة على ضوء المعطيات في المسألة، وتم إيجاد النتائج بالاستعانة ببرنامج [MATLAB R2019a].

Operations research is one of the main fields in management sciences and industrial engineering. One of the most important of these fields is Linear Programming, which includes essential techniques, including: (improving production processes through applying techniques and tools such as network analysis, principal factor analysis, and regression analysis, in addition to designing... Models for improving the supply of primary resources, planning and controlling supply chains, and improving data analysis techniques and artificial intelligence in making strategic decisions, such as Big Data, Machine Learning, and Deep Learning. Linear programming techniques also contributed to improving quality and risk management by reducing risks associated with operations, such as total quality management, experiment design, risk analysis, and designing flexible systems to help innovate and develop products. Techniques for linking linear programming with artificial intelligence are of great importance, as they have helped develop systems and technologies that are characterised by the ability to learn, think, and make decisions like humans, for example (using artificial intelligence to improve planning and analysis processes in linear programming problems). In our study, one of the artificial intelligence techniques in linear programming was highlighted: the Genetic Algorithm (GA). The research aims to find the optimal values for the variables of the objective function in light of the restrictions imposed on a specific linear programming problem and, through optimisation, the value of the function. The objective achieved the most excellent profits compared to the objective function calculated within the Simplex Method. The fitness function was also calculated based on the data in the problem, and the results were found using the MATLAB R2019a program.
ISSN: 1813-6729

عناصر مشابهة


© 2025 المنظومة. جميع الحقوق محفوظة.