{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "HA52",
        "title": "رویکردی نوین در بهینه سازی سبد پروژه با استفاده از تکنیک خودبهینگی مبتنی بر آموزش و یادگیری(TLBO) ",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1392",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "HA52",
        "title": "رویکردی نوین در بهینه سازی سبد پروژه با استفاده از تکنیک خودبهینگی مبتنی بر آموزش و یادگیری(TLBO) ",
        "degree": null,
        "faculty": "صنایع و مدیریت",
        "year": 1392,
        "authors": [
            {
                "name": "مریم آذری  تاکامی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "رضا شیخ",
                "role": "استاد راهنما"
            }
        ],
        "keywords": [
            "بهینه سازی سبد پروژه",
            "الگوریتم های تکاملی",
            "الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری"
        ],
        "abstract": "امروزه سازمان ها با پروژه ها و فرصت های سرمایه گذاری متعددی رو برو هستند. از طرفی با توجه به محدودیت های موجود و پویایی محیط کسب و کار ، بقای سازمان ها کسب موفقیت و دستیابی به مزایای رقابتی مستلزم انتخاب مجموعه مناسب و محدودی از پروژه ها می باشند. چنین انتخابی با دو چالش اساسی روبرو است. \r\nچالش اول به شرایط تصمیم گیری در مسئله انتخاب سبد پروژه مربوط می شود. از آنجایی که اغلب تصمیم گیرندگان مجبورند تحت شرایط عدم قطعیت و مبهم و حتی با اطلاعاتی ناقص تصمیم گیری نمایند، در نظر گرفتن مقادیر دقیق و یا تابع توزیع برای پارامترهای یک پروژه ممکن است غیر عملی و غیر کاربردی باشد.\r\nچالش دوم مربوط به ابزار ها و روش های بهینه سازی است که تاکنون مورد استفاده قرار گرفته است. در میان رویکردهای موجود ، الگوریتم های ابتکاری و فرا ابتکاری از جمله ژنتیک و کوچ پرندگان  به عنوان اساسی ترین ابزارهای بهینه سازی شناخته شده اند. لکن در بکار گیری این ابزارها یک مشکل اساسی وجود دارد و آن این است که اجرای هر یک از الگوریتم های فرا ابتکاری پیشین مستلزم تعیین پارامترهای کنترلی خاص است. انتخاب درست مقادیر پارامترهای کنترلی بسیار حساس بوده و عملکرد الگوریتم و در نتیجه پاسخ نهایی را به شدت تحت تاثیر قرار می دهد. به علاوه انتخاب نادرست پارامترها محاسبات را افزایش داده و یا ممکن است جواب بهینه محلی ارائه دهد.\r\nاین پژوهش ابتدا با بهره گیری از مفاهیم فازی شرایط عدم قطعیت را در مدل انتخاب سبد پروژه لحاظ نموده سپس برای گذر از چالش دوم با رویکردی نوین سعی دارد برای اولین بار الگوریتم خود بهینگی مبتنی بر آموزش و یادگیری را از ادبیات مهندسی به ادبیات مدیریتی وارد کرده و در انتخاب سبد پروژه بهینه به کار ببندد. تکنیک مورد نظر بدون نیاز به تعیین پارامترهای کنترلی خاص عملیات بهینه سازی را انجام داده و بهینه کلی را تعیین می نماید. این تکنیک تاکنون تنها در حوزه برق و مکانیک برای بهینه سازی متغیرهای طراحی به کار گرفته شده است.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_HA52.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}