ارائۀ یک الگوریتم ژنتیک با مرتب‎سازی نامغلوب ـ نسخۀ 2 (NSGA-II) برای مدل یکپارچۀ انتخاب اعضای تیم‎های تحقیق و توسعه

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 دانشیار مدیریت سیستم، دانشگاه جامع امام حسین (ع)، تهران، ایران

2 دانشجوی دکتری مدیریت منابع انسانی، دانشگاه آزاد اسلامی واحد قزوین، ایران

3 استادیار دانشکدۀ مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران

4 دانشجوی دکتری مهندسی صنایع، گرایش سیستم و بهره‎وری، دانشگاه علم و صنعت ایران، تهران، ایران

چکیده

معیار عملکرد اصلی در سازمان‎های مبتنی بر تحقیق و توسعه، عموماً 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 معمولاً 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.

کلیدواژه‌ها


عنوان مقاله [English]

Non-Dominated Sorting Genetic Algorithm to inegrated model for R&D members selection

نویسندگان [English]

  • Gholamhossein Nikookar 1
  • Yaser Alidadi Nakhlestani 2
  • Mohammad Mahdavi 3
  • Seyed Jalal Mousavi 4
1
2
3
4
چکیده [English]

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.

کلیدواژه‌ها [English]

  • Research and Development Team
  • Member Selection
  • Knowledge Management
  • Multi-objective Decision Making
  • Non-dominated sorting genetic algorithm