Multi-objective algorithms for optimal product line design

Zervoudakis Konstantinos

URI	http://purl.tuc.gr/dl/dias/73476FEE-4809-45F6-B010-F4BEF8EC6554	-
Identifier	https://doi.org/10.26233/heallink.tuc.91332	-
Language	en	-
Extent	246 pages	en
Extent	22.4 megabytes	en
Title	Multi-objective algorithms for optimal product line design	en
Title	Αλγόριθμοι πολυκριτήριας βελτιστοποίησης για το σχεδιασμό γραμμής προϊόντων	el
Creator	Zervoudakis Konstantinos	en
Creator	Ζερβουδακης Κωνσταντινος	el
Contributor [Thesis Supervisor]	Tsafarakis Stelios	en
Contributor [Thesis Supervisor]	Τσαφαρακης Στελιος	el
Contributor [Committee Member]	Matsatsinis Nikolaos	en
Contributor [Committee Member]	Ματσατσινης Νικολαος	el
Contributor [Committee Member]	Marinakis Ioannis	en
Contributor [Committee Member]	Μαρινακης Ιωαννης	el
Contributor [Committee Member]	Doumpos Michail	en
Contributor [Committee Member]	Δουμπος Μιχαηλ	el
Contributor [Committee Member]	Repousis Panagiotis	en
Contributor [Committee Member]	Ρεπούσης Παναγιώτης	el
Contributor [Committee Member]	Lappas Theodoros	en
Contributor [Committee Member]	Λάππας Θεόδωρος	el
Contributor [Committee Member]	Delias Pavlos	en
Contributor [Committee Member]	Δελιας Παυλος	el
Publisher	Πολυτεχνείο Κρήτης	el
Publisher	Technical University of Crete	en
Academic Unit	Technical University of Crete::School of Production Engineering and Management	en
Academic Unit	Πολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και Διοίκησης	el
Description	Submitted for the partial fulfillment of the requirements for the degree of the Doctor of Philosophy	en
Content Summary	Introducing new products has an important role in sustainability and profitability of a firm. Product Line Design (PLD) is a key decision area that product managers have to deal with in the early stages of product development, to estimate the potential success of a product. Even though several objectives may be simultaneously pursued during the product configuration process, most reported studies have focused on single-objective optimization. In this research, the multi-objective PLD (MOPLD) problem is addressed, by taking into account more than one objectives, to provide product managers with a better tradeoff among them, using 23 variants of seven state-of-the-art metaheuristics. The seven main multi-objective metaheuristics used in this research are Genetic Algorithms (GAs), Particle Swarm Optimization (PSO), Firefly Algorithm (FA), Differential Evolution (DE), Grey Wolf Optimizer (GWO), Teaching-Learning Based Optimization (TLBO) and Mayfly Algorithm (MA). Those seven multi-objective algorithms are fully adapted to the MOPLD problem, using popular diversity controlling operators, as well as using an extended to multi-objective optimization Fuzzy-Self-Tuning (FST) process. The purpose of the FST process, is to help the algorithms overcome specific difficulties when performing on different datasets, using the same parameter settings, by calculating the settings of parameters independently for each individual during the optimization process. The 23 variants are compared with each other, through popular performance metrics when it comes to multi-objective optimization, using two types of data sets, under five different MOPLD scenarios, without knowing the specific number of products. Moreover, factors affecting the performance of optimizers are investigated using statistical analysis. Finally, a multi-criteria decision analysis method is used to rank solutions according to the needs of product managers, and an attempt to estimate the possible moves of the competitors, is made.	en
Content Summary	Οι τακτικές που υιοθετούν οι παραγωγικές μονάδες για την εισαγωγή νέων και καινοτόμων προϊόντων στην αγορά, αποτελούν σημαντικό παράγοντα οικονομικής ανάπτυξης, κυριαρχίας, και εν γένει, βασικό συντελεστή βιωσιμότητας της επιχειρησιακής τους δραστηριότητας. Στην κατεύθυνση αυτή, ο σχεδιασμός μιας γραμμής προϊόντων αποτελεί μια καίρια επιχειρησιακή λειτουργία, για την a priori εκτίμηση της πιθανής της επιτυχίας, μιας και συνδέεται άμεσα τόσο με την κερδοφορία της επιχείρησης όσο και με τη διαμόρφωση του μεριδίου σε ανταγωνιστικές συνθήκες αγοράς. Παρόλο που τα προϊόντα αυτά μπορεί να κατασκευαστούν σύμφωνα με πολλά κριτήρια, οι περισσότερες προσεγγίσεις επικεντρώνονται στη βελτιστοποίηση ενός μονάχα κριτηρίου. Υπό την οπτική αυτή, η παρούσα διδακτορική μελέτη διαπραγματεύεται το πρόβλημα του βέλτιστου σχεδιασμού γραμμών προϊόντων, λαμβάνοντας υπόψη περισσότερα από ένα κριτήρια, χρησιμοποιώντας 23 παραλλαγές από επτά μεθευρετικούς πολυκριτήριους αλγορίθμους μαθηματικής βελτιστοποίησης. Οι επτά αυτοί πολυκριτήριοι αλγόριθμοι βελτιστοποίησης είναι οι Γενετικοί Αλγόριθμοι, ο Αλγόριθμος Βελτιστοποίησης Σμήνους Σωματιδίων, ο Αλγόριθμος Πυγολαμπίδας, ο Αλγόριθμος Διαφορικής Εξέλιξης, ο αλγόριθμος Γκρίζων Λύκων, η Βελτιστοποίηση βάσει Διδασκαλίας-Μάθησης και ο αλγόριθμος βελτιστοποίησης Εφημεροπτέρων. Αυτοί οι επτά πολυκριτήριοι αλγόριθμοι προσαρμόζονται πλήρως στο πολυκριτήριο πρόβλημα του βέλτιστου σχεδιασμού, χρησιμοποιώντας δημοφιλείς μηχανισμούς ελέγχου ποικιλομορφίας μη-κυριαρχούμενων λύσεων, και αυτόματης παραμετροποίησης. Σκοπός της αυτόματης παραμετροποίησης, είναι ο υπολογισμός των παραμέτρων ανεξάρτητα για κάθε λύση, κατά τη διάρκεια της βελτιστοποίησης, για να βοηθήσει τους αλγόριθμους να ξεπεράσουν συγκεκριμένες δυσκολίες κατά την εκτέλεση σε διαφορετικά σύνολα δεδομένων. Οι 23 παραλλαγές αυτές συγκρίνονται μεταξύ τους, μέσω δημοφιλών μετρικών απόδοσης πολυκριτήριων αλγορίθμων, χρησιμοποιώντας δύο διαφορετικά σύνολα δεδομένων μέσα από πέντε διαφορετικά σενάρια, χωρίς να είναι γνωστός ο ακριβής αριθμός των προϊόντων. Επιπλέον, οι παράγοντες που επηρεάζουν την απόδοση των αλγορίθμων διερευνώνται χρησιμοποιώντας στατιστική ανάλυση. Τέλος, χρησιμοποιείται μια μέθοδος πολυκριτήριας λήψης αποφάσεων με σκοπό την κατάταξη των λύσεων σύμφωνα με τις ανάγκες και γίνεται προσπάθεια εκτίμησης των πιθανών κινήσεων των ανταγωνιστών.	el
Type of Item	Διδακτορική Διατριβή	el
Type of Item	Doctoral Dissertation	en
License	http://creativecommons.org/licenses/by-nc/4.0/	en
Date of Item	2022-01-31	-
Date of Publication	2022	-
Subject	Mathematical multi-objective optimization	en
Subject	Multi-objective product line design	en
Subject	Many-objective product line design	en
Subject	Genetic algorithms	en
Subject	Particle swarm optimization	en
Subject	Firefly algorithm	en
Subject	Differential evolution	en
Subject	Grey wolf optimizer	en
Subject	Teaching-learning based optimization	en
Subject	Mayfly algorithm	en
Subject	Multi-criteria decision analysis	en
Subject	Statistically significant differences of algorithms	en
Subject	Μαθηματική πολυκριτήρια βελτιστοποίηση	el
Subject	Πολυκριτήριος σχεδιασμός σειράς προϊόντων	el
Subject	Γενετικοί αλγόριθμοι	el
Subject	Αλγόριθμος βελτιστοποίηση σμήνους σωματιδίων	el
Subject	Αλγόριθμος πυγολαμπίδας	el
Subject	Αλγόριθμος διαφορικής εξέλιξης	el
Subject	Αλγόριθμος γκρίζων λύκων	el
Subject	Βελτιστοποίηση βάσει διδασκαλίας-μάθησης	el
Subject	Αλγόριθμος βελτιστοποίησης εφημεροπτέρων	el
Subject	Πολυκριτήρια λήψη αποφάσεων	el
Subject	Στατιστικά σημαντικές διαφορές αλγορίθμων	el
Bibliographic Citation	Konstantinos Zervoudakis, "Multi-objective algorithms for optimal product line design", Doctoral Dissertation, School of Production Engineering and Management, Technical University of Crete, Chania, Greece, 2022	en
Bibliographic Citation	Κωνσταντίνος Ζερβουδάκης, "Αλγόριθμοι πολυκριτήριας βελτιστοποίησης για το σχεδιασμό γραμμής προϊόντων", Διδακτορική Διατριβή, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2022	el

Search

Browse

My Space

Multi-objective algorithms for optimal product line design

Zervoudakis Konstantinos

Available Files

Services

Export

Share

Statistics

Metadata & Content in a METS Package:

Metadata in Format: