fa طراحی و اجرای یک مدل چندهدفه با استفاده از الگوریتم ژنتیک برای بهینه‌سازی مساله تخصیص افزونگی در سیستم‌های قابلیت اطمینان تخصصي Special پژوهشي Research <div style="border-bottom:solid windowtext 1.0pt; padding:0in 0in 1.0pt 0in"><span style="font-size:11pt"><span style="text-justify:kashida"><span style="text-kashida:0%"><span style="line-height:normal"><span style="text-autospace:none"><span style="direction:rtl"><span style="unicode-bidi:embed"><span sans-serif="" style="font-family:Calibri,"><span lang="FA" style="font-size:12.0pt"><span b="" style="font-family:" zar="">در بهبود قابلیت اطمینان سیستم‌ها، مساله تخصیص افزونگی به عنوان یک روش مستقیم در فرایند طراحی اولیه محصول مطرح می‌شود. در این مسایل، اجزاء مختلف با پارامترهای متفاوت از نظر هزینه، وزن، و حجم وجود دارند و هدف آن تخصیص تعدادی از انواع مختلف اجزاء به هر زیرسیستم به نحوی است که تابع هدف بهینه شود. با توجه به پیچیدگی این مسایل، استفاده از روش‌های بهینه‌سازی سنتی برای حل آنها ممکن نیست. برای حل این مشکل، استفاده از روش‌های فراابتکاری مانند الگوریتم ژنتیک لازم است، که باعث می‌شود مجموعه‌ی جواب‌های بهینه‌ی پارتو حاصل شود. برای کاهش حجم مجموعه‌ی جواب‌ها، دو روش استفاده می‌شود. اولین روش شامل هرس کردن مجموعه‌ی جواب‌ها با استفاده از رتبه‌بندی غیرعددی ترجیحات است که به تصمیم‌گیرنده کمک می‌کند جواب‌هایش را بر اساس اولویت‌بندی انتخاب کند. روش دوم، استفاده از تکنیک خوشه‌بندی داده-کاوی است که به منظور گروه‌بندی داده‌ها به خوشه‌هایی با اعضای مشابه استفاده می‌شود. برای ارایه این تکنیک، از الگوریتم </span></span><span dir="LTR" style="font-size:12.0pt"><span new="" roman="" style="font-family:" times="">k-means</span></span><span lang="FA" style="font-size:12.0pt"><span b="" style="font-family:" zar=""> استفاده می‌شود که جواب عمومی را برای ارایه به تصمیم‌گیرنده معرفی می‌کند.</span></span></span></span></span></span></span></span></span></span><br> &nbsp;</div> <span style="font-size:11pt"><span style="line-height:107%"><span style="font-family:Calibri,sans-serif">In enhancing the reliability of systems, the redundancy allocation problem emerges as a direct avenue in the initial product design phase. These problems involve various components with different parameters such as cost, weight, and volume, aiming to allocate a number of different types of components to each subsystem in a way that optimizes the objective function. Due to the complexity of these problems, traditional optimization methods may not be feasible. To address this challenge, the utilization of metaheuristic approaches such as the genetic algorithm is necessary, leading to the generation of an optimal Pareto set. Two methods are employed to reduce the volume of solution sets. The first method involves pruning the solution set through non-numeric preference ranking, assisting the decision-maker in selecting solutions based on prioritization. The second method employs data clustering techniques to group similar data points into clusters. The k-means algorithm is utilized to present this technique, providing a general solution for presentation to the decision-maker.</span></span></span><br> &nbsp; قابلیت اطمینان سیستم, تخصیص افزونگی, الگوریتم ژنتیک چندهدفه, مجموعه جوابهای بهینه پارتو, تحلیل خوشه بندی System Reliability, Redundancy Allocation, Multi-Objective Genetic Algorithm, Set of Pareto Optimal Solutions, Clustering Analysis. 117 133 http://jamlu.lahijan.iau.ir/browse.php?a_code=A-10-1962-3&slc_lang=fa&sid=1 M. Shahriari محمدرضا شهریاری shahriari.mr@gmail.com 100319475328460011233 100319475328460011233 Yes Department of Industrial Management, Faculty of Management, Islamic Azad University, South Tehran Branch, Tehran, Iran گروه مدیریت صنعتی، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران F. Najjari فاِیزه نجاری FNajjari1366@yahoo.com 100319475328460011234 100319475328460011234 No Department of Mechanical Engineering and Engineering, Islamic Azad University, Qazvin Branch, Qazvin, Iran گروه مهندسی صنایع، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران