fa یک رویکرد چند پارامتری آرمانی برای تعیین جواب کارای مساله حمل‎ونقل چندهدفه با شرایط انعطاف‌پذیر تخصصي Special كاربردي Applicable <span style="font-size:11pt"><span style="line-height:normal"><span style="direction:rtl"><span style="unicode-bidi:embed"><span style="font-family:Calibri,sans-serif"><span lang="AR-SA" style="font-size:12.0pt"><span b="" style="font-family:" zar="">برنامه‌ریزی آرمانی به‌عنوان یکی از روش‌های قدرتمند در حوزه بهینه‌سازی چندهدفه می&rlm; با‌شد که برپایه استفاده از تابع فاصله استوار است</span></span><span dir="LTR" lang="EN-US" style="font-size:12.0pt">.</span> <span lang="AR-SA" style="font-size:12.0pt"><span b="" style="font-family:" zar="">هدف تصمیم‌گیرنده در این رویکرد، یافتن راه‌حلی است که اختلاف میان سطح تحقق اهداف و سطح آرمانی تعیین‌شده را تا حد امکان</span></span><span lang="FA" style="font-size:12.0pt"><span b="" style="font-family:" zar=""> به حداقل برساند. در دنیای واقعی </span></span><span lang="AR-SA" style="font-size:12.0pt"><span b="" style="font-family:" zar="">تصمیم‌گیرنده ناگزیر است چندین هدف را به‌طور هم‌زمان </span></span><span lang="FA" style="font-size:12.0pt"><span b="" style="font-family:" zar="">تامین </span></span><span lang="AR-SA" style="font-size:12.0pt"><span b="" style="font-family:" zar="">کند؛</span></span> <span lang="FA" style="font-size:12.0pt"><span b="" style="font-family:" zar="">&rlm;که گاهی</span></span><span lang="AR-SA" style="font-size:12.0pt"><span b="" style="font-family:" zar=""> با یکدیگر ناسازگار یا غیرقابل پیش‌بینی هستند.</span></span><span lang="FA" style="font-size:12.0pt"><span b="" style="font-family:" zar=""> تصمیم</span></span><span dir="LTR" lang="FA" style="font-size:12.0pt"><span b="" style="font-family:" zar="">&lrm;</span></span><span lang="FA" style="font-size:12.0pt"><span b="" style="font-family:" zar="">گیرنده برای</span></span> <span lang="AR-SA" style="font-size:12.0pt"><span b="" style="font-family:" zar="">هر تابع هدف سطحی مشخص و دقیق از آرمان تعریف می‌کند، اما در عمل دستیابی به چنین سطحی به‌طور کامل امکان‌پذیر نیست. برای انطباق با شرایط واقعی</span></span><span lang="FA" style="font-size:12.0pt"><span b="" style="font-family:" zar="">، یک مدل حمل</span></span><span dir="LTR" lang="FA" style="font-size:12.0pt"><span b="" style="font-family:" zar="">&lrm;</span></span><span lang="FA" style="font-size:12.0pt"><span b="" style="font-family:" zar="">ونقل سه بعدی چند&rlm;هدفه با </span></span><span lang="AR-SA" style="font-size:12.0pt"><span b="" style="font-family:" zar="">محدودیت‌های عرضه، تقاضا و ظرفیت وسایل نقلیه </span></span><span lang="FA" style="font-size:12.0pt"><span b="" style="font-family:" zar="">فازی انعطاف&rlm;پذیر</span></span><span lang="AR-SA" style="font-size:12.0pt"><span b="" style="font-family:" zar=""> به‌طور هم‌زمان</span></span><span lang="FA" style="font-size:12.0pt"><span b="" style="font-family:" zar=""> در نظر گرفته شده است</span></span><span lang="AR-SA" style="font-size:12.0pt"><span b="" style="font-family:" zar="">. به‌منظور حل چنین مسایلی، ابتدا قیود</span></span> <span lang="AR-SA" style="font-size:12.0pt"><span b="" style="font-family:" zar="">با استفاده از توابع عضویت تعریف‌شده و </span></span><span lang="FA" style="font-size:12.0pt"><span b="" style="font-family:" zar="">جهت خوش تعریف نمودن فضای جواب، </span></span><span lang="AR-SA" style="font-size:12.0pt"><span b="" style="font-family:" zar="">به یک مساله چندپارامتری تبدیل می‌گردد. سپس با بهره‌گیری از رویکرد موجود، مدل قطعی مساله حل می‌شود. </span></span><span lang="FA" style="font-size:12.0pt"><span b="" style="font-family:" zar="">با حل مدل در مرحله اول، جواب کارا (ایده &rlm;آل) برای هر هدف به دست آمده و سپس با استفاده از برنامه آرمانی پارامتریک، جواب بهینه پارتو برای مدل چند پارامتری </span></span><span lang="AR-SA" style="font-size:12.0pt"><span b="" style="font-family:" zar="">حاصل می‌گردد.</span></span><span lang="FA" style="font-size:12.0pt"><span b="" style="font-family:" zar=""> در این روش دو هدف باید محقق گردد، </span></span><span lang="AR-SA" style="font-size:12.0pt"><span b="" style="font-family:" zar="">نخست</span></span><span lang="FA" style="font-size:12.0pt"><span b="" style="font-family:" zar=""> حفظ تابع هدف و بهبود بخشیدن آن و دوم افزایش سطح رضایت یا مطلوبیت است. </span></span><span lang="AR-SA" style="font-size:12.0pt"><span b="" style="font-family:" zar="">در انتها، </span></span><span lang="FA" style="font-size:12.0pt"><span b="" style="font-family:" zar="">یک مثال عددی برای مدل پیشنهادی ارایه و مورد بررسی قرار می&rlm; گیرد. </span></span></span></span></span></span></span> <span style="font-size:11pt"><span style="line-height:normal"><span style="font-family:Calibri,sans-serif">Goal programming, as one of the powerful methods in the field of multi-objective optimization, is fundamentally based on the use of distance functions. The decision-maker&rsquo;s objective in this approach is to identify a solution that minimizes the deviation between the achieved level of objectives and the predefined aspiration levels. In real-world decision-making, multiple objectives must be satisfied simultaneously, which may often be conflicting or unpredictable. For each objective function, a specific and precise aspiration level is defined; however, achieving such levels completely is generally infeasible in practice. To better reflect real-world conditions, a multi-objective solid transportation model is considered, incorporating flexible fuzzy constraints related to supply, demand, and vehicle capacity simultaneously. To solve such problems, constraints are first formulated using membership functions, and in order to ensure a well-defined solution space, the problem is transformed into a multi-parametric model. Subsequently, the deterministic version of the model is solved, yielding efficient (ideal) solutions for each objective. In the next stage, by applying parametric goal programming, the Pareto-optimal solution for the multi-parametric model is obtained. This methodology pursues two main objectives: Preserving and improving the performance of the objective functions, enhancing the level of satisfaction or utility of the decision-maker.</span></span></span> برنامه ‌ریزی خطی فازی, برنامه ‌ریزی آرمانی, جواب بهینه کارا, رویکرد چند پارامتری, مساله حمل و نقل چند هدفه. Fuzzy Linear Programming, Goal Programming, Efficient Optimal Solution, Multi-Parameter Approach, Multi-Objective Transportation Problem 83 104 http://jamlu.lahijan.iau.ir/browse.php?a_code=A-11-1913-2&slc_lang=fa&sid=1 G. Shakouri گوهر شکوری gshakoori2@gmail.com 100319475328460011433 100319475328460011433 Yes Research Unit of Rahman Institute of Higher Education, Ramsar, Iran واحد پژوهشی مؤسسه آموزش عالی رحمان رامسر، رامسر، ایران P. Niksefat پرستو نیک صفت دوگوری parastooniksefat@gmail.com 100319475328460011434 100319475328460011434 No Department of Mathematics, University of Mazandaran, Babolsar, Iran. دانشکده علوم ریاضی، دانشگاه مازندران، بابلسر، ایران S. H. Nasseri سید هادی ناصری nhadi57@gmail.com 100319475328460011435 100319475328460011435 No Department of Mathematics, University of Mazandaran, Babolsar, Iran. دانشکده علوم ریاضی، دانشگاه مازندران، بابلسر، ایران