ترجمه برنامه نویسی شانس محدود نسبی فازی مدیریت کیفیت هوا

توضیحات

 عنوان فارسی: مدل برنامه نویسی شانس محدود نسبی فازی برای مدیریت کیفیت هوا در شرایط عدم اطمینان

عنوان انگلیسی مقاله ترجمه شده:

A fuzzy fractional chance-constrained programming model for air quality management under uncertainty

چکیده

مدل برنامه نویسی شانس محدود نسبی فازی (FFCPM) جهت بررسی مدیریت کیفیت هوا در شرایط عدم اطمینان ارائه شده است. FFCPM مدل برنامه نوسی کسری و مدل برنامه نویسی شانس محدود فازی دو گانه را در هم می آمیزد. این روش نسبت بین میزان آلودگی کل و هزینه سیستم را در تابع هدف در نظر می گیرد؛ می توان محدودیت های متغیرهای فازی را تحت شرایط اطمینان از پیش تعیین شده و حالت های اطمینان برقرار کرد. مدیریت کیفیت هوا در محوزه فنگران، شهر تانگشن چین جهت نشان دادن کارایی روش پیشنهادی در نظر گرفت. نتایچ به دست آمده نشان می دهد که مدل پیشنهادی در بیان و ارائه بررسی سیستم مدیریت مطالعه شده برای تصمیم گیران، ارائه جایگزین های هزینه ای موثر مختلف کاهش آلودگی هوا مناسب می باشد. استراتژی تعدادل بین شاخص های اقتصادی و اطمینان سیستم برای تصمیم گیران توصیه شده است. کاربرد موفقیت آمیز FFCPM در حوزه فنگرام نشان دهنده مثالی خوب از مدیریت کیفیت هوای یک ناحیه واقعی در سطح جهان می باشد.

مقدمه

مشکلات کیفیت هوا در چین موجب نگرانی خاطر بسیاری از مدیران و نهاد های دولتی طی مدت های زیاد شده است. افزایش غلظت آلاینده ها (مانند گاز های گلخانه ای و ذرات ریز آلاینده) موجب کاهش قابل توجه کیفیت هوا شده است. جهت حل این مشکلات، بسیاری از شاخص های کنترلی بلند مدت شامل جداسازی و جابجایی برخی از کارخانه های آلاینده سنگین، ممانعت از استفاده از دستگاه های با سوخت زغال، استفاده از انرژی پاک و معرفی استاندارد های سخت گیرانه تر استفاده از خودرو مورد بررسی قرار گرفته و برخی از آنها به نتایج مناسبی دست یافته اند. جهت بهبود کیفیت هوا، بایستی از معیارهای کنترلی کوتاه مدت همراه با معیارهای بلند مدت استفاده کرد. به عنوان یک معیار کنترل کوتاه مدت، سیستم مقرون به صرفه مدیریت کیفیت هوا در کاهش میزان انتشار آلاینده ها و ارائه الزامات کیفیت هوا برای افراد تحت تاثیر با کمترین هزینه های ممکن، مناسب می باشد. با این حال سیستم مدیریت کیفیت هوا شامل بسیاری از فرآیند های تعاملی بوده و بسیاری از شرایط عدم اطمینان و پیچیدگی ها مرتبط با ساختار سیستم و مولفه های آن می باشد (کین 2012). این موضوع منجر به بروز مشکلاتی در سازماندهی و ارائه جایگزین های مدیریتی مناسب شده است. علاوه براین، تنازع بین توسعه اقتصادی و موضوع حفاظت از محیط زیست موجب افزایش مشکلات در تصمیم گیری می شود. بنابراین پیشرفته بودن مدل های مدیریت موثر کیفیت هوا، یک ضرورت به شمار می آید.

چندین تکنیک بهینه سازی عدم اطمینان جهت تقویت حل مشکلات مدیریت کیفیت هوا ارائه شده اند ( لجانو، آیلا و گونزالس 1997؛ لوقلین و همکاران 2001؛ لیو و همکاران 2003؛ لو، هانگ و مقصود 2010؛ ماکچیاتو و همکاران 1994؛ کین، هانگ و لیو 2010؛ شائو، ژو و هانگ 2014؛ تنگ و زنگ 1994؛ ژو و همکاران 2012). به طور مثال، لیو و همکاران (2003) یک روش برنامه نویسی قدرتمند تصادفی فازی را در مورد مشکلات مدیریت کیفیت هوای منطقه ای ارائه کرده است. کین، هانگ و لیو (2010) یک الگوریتم ژنتیک از مدل بهینه سازی تصادفی را برای تقویت مدیریت کیفیت هوا ارائه کرده است. ژو و همکاران (2012) یک مدل برنامه نویسی شانس محدود فازی را پیشنهاد کرده و آن را برای مورد فرضی مدیریت کیفیت هوای منطقه ای اعمال کرده است. شائو، ژو و هانگ (2014) یک مدل برنامه نویسی شانس محدود تصادفی فازی را جهت حل مشکل مدیریت کیفیت هوا منطقه نانشان تحت شرایط عدم اطمینان ارائه کرده است. همان طور که در تحقیقات قبلی نشان داده شده است، انواع مختلفی از تکنیک های بهینه سازی عدم اطمینان جهت حل مشکلات کیفیت هوای موجود می باشند که بیشتر آنها بر مبنای تحلیل تئوری می باشند. با این حال، امکان سنجی و کارایی مدل های بهینه سازی در کاربرد های واقعی مورد سوال می باشد، زیرا سیستم های مدیریت واقعی دارای ساختار پیچیده تر و تعداد مولفه های بیشتر می باشند. علاوه براین، مدل های بهینه سازی عدم اطمینان معمول انواع مختلف هدف را به اندازه یکنواخت از طریق مجموعه ای از فرضیاتی که در کاربرد های واقعی منطقی به نظر می رسد، تبدیل کرده اند. به طور مثال، حداقل سازی هزینه کل و میزان انتشار آلاینده ها به عنوان یک نگرانی اصلی برای بسیاری از مدیران بومی به شمار می آید. به منظور ارائه اهداف یکنواخت مربوط به هزینه های اقتصادی، میزان انتشار آلاینده ها در محاسبه هزینه های کنترل آلودگی لحاظ می شوند. این فرضیات و برآورد ها می توانند بر روی دقت و اطمینان مدل های بهینه سازی سازماندهی شده تاثیر گذاشته و منجر به استراتژی های مدیریتی نا معقول گردد. علاوه براین، تابه هدف یکنواخت و معمول (مانند حداقل کردن هزینه سیستم) اساسا نشان دهنده نتایج سیستم بوده و از کارایی سیستم صرف نظر می کنند (کین، هانگ و چاکما 2007). بنابراین، استفاده از یک تکنیک بهینه سازی جدید که قادر به بررسی جنبه های مختلف اهداف و منعکس کننده کارایی سیستم در مورد سیستم مدیریت کیفیت هوا می باشد، ضروری به نظر می رسد.

برنامه نویسی (FP) به عنوان یک روش برنامه نویسی تعینی بهبود یافته دارای دو مزیت می باشد: (1) این روش می تواند بخش های زیادی از هدف را به عنوان یک تابع هدف یکنواخت مدیریت کند، در حالی که مشخصات و اندازه ها بدون تغییر باقی می مانند و (2) این روش می تواند کارایی سیستم را با طراحی تابع هدف به عنوان نسبت دو اندازه (مانند هزینه/ بازگشت، زمان / هزینه، زمان / حجم) ارائه کند. کاربرد های کنونی FP اساسا متمرکز بر شاخه های مهندسی، مدیریت اقتصادی و زیست محیطی می باشد (مهرا، چاندرا و بکتور 2007؛ ژو و هانگ 2011)، در حالی که کاربرد آن در زمینه مدیریت کیفیت هوا بسیار محدود می باشد. علاوه براین، تحقیقات در مورد یکپارچه سازی FP و دیگر روش های بهینه سازی عدم اطمینان، شامل برنامه نویسی ریاضی تصادفی (SMP)، برنامه نویسی خطی حاشیه ای (ILP) و برنامه نویسی ریاضی فازی (FMP) منتشر شده اند (چانگ 2009؛ هالدیک 2010؛ ژو و هانگ 2011؛ ژو و کین 2013). با این حال، مدل های بهینه سازی هیبریدی FP و FMP نیازمند حل تمامی محدودیت ها که ممکن است بر روی اقتصاد رویکردهای به دست آمده تاثیر بگذارد، می باشند. راه حل های ارائه شده تحت شرایط خاص سطوح محدودیت هنگامی که ناحیه مورد مطالعه دارای ظرفیت زیست محیطی بزرگ باشد، مناسب تر می باشند زیرا آنها می توانند به تعادل بین توسعه اقتصادی و محافظت از محیط زیست دست یابند. اخیرا، یک مدل برنامه نویسی شانس محدود فازی دو گانه (DFCCP) به عنوان یک روش جدید FMP ارائه شده است. مزیت اصلی DFCPP این است که این روش در برگیرنده برخی از سطوح اطمینان از پیش تعریف شده و شرایط اطمینان جهت برطرف کردن محدودیت های فازی در مدل های بهینه سازی و ایجاد رویکرد های اقتصادی در ریسک های مجاز می باشد. در عین حال، این روش منجر به متغیرها و مدل های میانی و واسط نشده و بنابراین دارای شاخصه محاسباتی نسبتا کم می باشد. برخی از از کاربردهای DFCCP در ارتباط با مشکلات مدیریت زیست محیطی گزارش شده است (ژائو، ژو و هانگ 2014؛ ژو و کین 2010؛ ژو، هانگ و کین 2010؛ ژو و همکاران 2012). این تحقیقات نشان می دهند که DFCCP دارای قابلیت اجرایی مناسب بوده و با دیگر روش های بهینه سازی به سادگی قابل ادغام می باشد.

بنابراین این تحقیق با هدف توسعه یک مدل شانس محدود نسبی فازی (FFCCPM) در ارتباط با مشکل مدیریت کیفیت هوا تحت چندین شرایط عدم اطمینان ارائه می شود. FFCCPM به صورت یکپارچه سازی مدل های FP و DFCCP می باشد که دارای مزیت های اصلی زیر است: (1) این مدل نسبت بین میزان کل هزینه سیستم و اعمال شده را به عنوان یک تابع هدف در نظر گرفته و کارایی سیستم را نشان می دهد و (2) این روش برخی از محدودیت های فازی را تحت شرایط اطمینان خاص برطرف می کند. به عنوان کاربرد اولیه FFCCPPM، از مشکل مدیریت کیفیت هوا در منطقه فنگرام در چین جهت نشان دادن کارایی مدل استفاده خواهد شد.

چارچوب کل و قسمت های مختلف این مقاله به صورت زیر ارائه شده است. فرمول بندی مدل FFCCPM  در بخش 2 ارائه شده است؛ مولفه های سیستم، ساختار و روش های عملیاتی سیستم مدیریت کیفیت هوای منطقه فنگرام در بخش 3 معرفی شده است؛ مشخصات و روش های مختلف راه حل های مدل FFCCPM در بخش 4 همراه با بحث در مورد محدودیت های اصلی و توسعه های احتمالی مورد تحلیل قرار می گیرند و بخش 5 به خلاصه ای از نتایج مطالعه و برخی از نتایج اشاره می کند.

توجه:

• برای دانلود فایل word کامل ترجمه از گزینه افزودن به سبد خرید بالا استفاده فرمایید.
• لینک دانلود فایل بلافاصله پس از خرید بصورت اتوماتیک برای شما ایمیل می گردد.