Institutional Repository [SANDBOX]
Technical University of Crete
EN  |  EL

Search

Browse

My Space

Multi-objective algorithms for optimal product line design

Zervoudakis Konstantinos

Simple record


URIhttp://purl.tuc.gr/dl/dias/73476FEE-4809-45F6-B010-F4BEF8EC6554-
Identifierhttps://doi.org/10.26233/heallink.tuc.91332-
Languageen-
Extent246 pagesen
Extent22.4 megabytesen
TitleMulti-objective algorithms for optimal product line designen
TitleΑλγόριθμοι πολυκριτήριας βελτιστοποίησης για το σχεδιασμό γραμμής προϊόντωνel
CreatorZervoudakis Konstantinosen
CreatorΖερβουδακης Κωνσταντινοςel
Contributor [Thesis Supervisor]Tsafarakis Steliosen
Contributor [Thesis Supervisor]Τσαφαρακης Στελιοςel
Contributor [Committee Member]Matsatsinis Nikolaosen
Contributor [Committee Member]Ματσατσινης Νικολαοςel
Contributor [Committee Member]Marinakis Ioannisen
Contributor [Committee Member]Μαρινακης Ιωαννηςel
Contributor [Committee Member]Doumpos Michailen
Contributor [Committee Member]Δουμπος Μιχαηλel
Contributor [Committee Member]Repousis Panagiotis en
Contributor [Committee Member]Ρεπούσης Παναγιώτηςel
Contributor [Committee Member]Lappas Theodorosen
Contributor [Committee Member]Λάππας Θεόδωροςel
Contributor [Committee Member]Delias Pavlosen
Contributor [Committee Member]Δελιας Παυλοςel
PublisherΠολυτεχνείο Κρήτηςel
PublisherTechnical University of Creteen
Academic UnitTechnical University of Crete::School of Production Engineering and Managementen
Academic UnitΠολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και Διοίκησηςel
DescriptionSubmitted for the partial fulfillment of the requirements for the degree of the Doctor of Philosophyen
Content SummaryIntroducing 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 SummaryΟι 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 ItemΔιδακτορική Διατριβήel
Type of ItemDoctoral Dissertationen
Licensehttp://creativecommons.org/licenses/by-nc/4.0/en
Date of Item2022-01-31-
Date of Publication2022-
SubjectMathematical multi-objective optimizationen
SubjectMulti-objective product line designen
SubjectMany-objective product line designen
SubjectGenetic algorithmsen
SubjectParticle swarm optimizationen
SubjectFirefly algorithmen
SubjectDifferential evolutionen
SubjectGrey wolf optimizeren
SubjectTeaching-learning based optimizationen
SubjectMayfly algorithmen
SubjectMulti-criteria decision analysisen
SubjectStatistically significant differences of algorithmsen
SubjectΜαθηματική πολυκριτήρια βελτιστοποίησηel
SubjectΠολυκριτήριος σχεδιασμός σειράς προϊόντωνel
SubjectΓενετικοί αλγόριθμοιel
SubjectΑλγόριθμος βελτιστοποίηση σμήνους σωματιδίωνel
SubjectΑλγόριθμος πυγολαμπίδαςel
SubjectΑλγόριθμος διαφορικής εξέλιξηςel
SubjectΑλγόριθμος γκρίζων λύκωνel
SubjectΒελτιστοποίηση βάσει διδασκαλίας-μάθησηςel
SubjectΑλγόριθμος βελτιστοποίησης εφημεροπτέρωνel
SubjectΠολυκριτήρια λήψη αποφάσεωνel
SubjectΣτατιστικά σημαντικές διαφορές αλγορίθμωνel
Bibliographic CitationKonstantinos Zervoudakis, "Multi-objective algorithms for optimal product line design", Doctoral Dissertation, School of Production Engineering and Management, Technical University of Crete, Chania, Greece, 2022en
Bibliographic CitationΚωνσταντίνος Ζερβουδάκης, "Αλγόριθμοι πολυκριτήριας βελτιστοποίησης για το σχεδιασμό γραμμής προϊόντων", Διδακτορική Διατριβή, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2022el

Available Files

Services

Statistics