• طرح نمایش لیست اولویت فعالیتها ^[۱۲۰]

• طرح نمایش بر اساس قانون اولویت^[۱۲۱]

• طرح نمایش کلید تصادفی^[۱۲۲]

• طرح نمایش بردار انتقالی^[۱۲۳]

• طرح نمایش برنامه زمانبندی^[۱۲۴]

۲-۴-۲)انواع عملگرهای همسایگی

در حالت کلی دو نوع عملگر همسایگی یکانی^[۱۲۵] و عملگر همسایگی دودویی^[۱۲۶] داریم که هر کدام از آنها دارای انواعی به شرح ذیل است که ما فقط عناوین آنها را آورده و علاقه مندان برای مطالعه بیشتر به مرجع ]۱[مراجعه فرمایند:

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

۲-۴-۲-۱)عملگر همسایگی یکانی

بعضی از انواع آن به صورت ذیل است:

• عملگر همسایگی تبادل جفتی^[۱۲۷]

• عملگر همسایگی انتقالی^[۱۲۸]

• عملگر همسایگی تغییری^[۱۲۹]

۲-۴-۲-۲)عملگر همسایگی دودویی

بعضی از انواع آن به صورت ذیل است :

• عملگر ادغام یک نقطه ای^[۱۳۰]

• عملگر ادغام دو نقطه ای^[۱۳۱]

• عملگر ادغام یکنواخت^[۱۳۲]

در هر الگوریتم ابتکاری بهبود دهنده و یا الگوریتم فراابتکاری همیشه سه جزء باید مشخص شود تا طرز رویکرد ما در بکارگیری الگوریتم مشخص شود. اول نوع طرح تولید زمانبندی که جواب شدنی اولیه را برای شروع جستجو به ما میدهد و که ما دو نوع مهم طرح تولید زمانبندی سریالی و موازی را در بالا توضیح دادیم. دوم نوع طرح نمایش جوابها که ما بعضی انواع مهم آن را در بالا ذکر کردیم. سوم نوع عملگرهای همسایگی که ما بعضی از انواع مهم آن را در بالا ذکر کردیم. با ترکیب این سه جزء و انتخاب یک نوع الگوریتم فراابتکاری درواقع ما یک نوع مسیر حل خاص را برای جستجوی فضای جواب، میتوانیم پیشنهاد بدهیم.

۲-۵)الگوریتم های فراابتکاری

مشکل اساسی روش های حلی که از ترکیب الگوریتمهای ابتکاری سازنده و سپس بهبوددهنده برای حل مسائل NP-hard وجود دارد عدم توانایی آنها در فرار از جواب بهینه محلی ونیز وابستگی زیاد کیفیت جواب نهایی به کیفیت جواب اولیه است. ازآنجاییکه الگوریتمهای ابتکاری بهبوددهنده به دنبال جوابهای بهتر در همسایگی جواب فعلی میباشند در صورت قرار گرفتن در یک نقطه بهینه محلی هیچ رویکردی برای فرار از این بهینه محلی وجود ندارد. برای رفع این مشکل در چند دهه اخیر الگوریتمهای فراابتکاری جای الگوریتمهای ابتکاری بهبوددهنده را گرفته اند به این دلیل که این الگوریتمها به گونه ای طراحی شده اند که در تکرارهای پی درپی بتوانند از دام جواب بهینه محلی بگریزند و در نتیجه میتوان الگوریتمهای فراابتکاری را الگوریتمهای ابتکاری بهبوددهنده اصلاح شده نامید. الگوریتمهای فراابتکاری مجموعه یک سری استراتژیهای کلی است که رویه های بهبود جواب را هدایت میکند و موجب میشود که در مجموع جواب بهبود یافته و به سمت جواب بهینه سراسری میل کنیم. رویه های بهبود جواب که توسط استراتژیهای کلی تعیین و هدایت میشود، میتواند خود رویه های پیچیده بهینه سازی برای رفتن از یک جواب به جواب دیگر و یا رفتن یک جمعیت جواب به جمعیت جواب دیگر باشد. نکته مهمی که باید مد نظر بگیریم این است که این الگوریتمها هر کدام برای مسئله خاص و درشرایطی خاص قابل پیاده سازی است تا کارایی لازم را از خود نشان بدهد. ازآنجاییکه به تجربه معلوم شده است که هر یک از الگوریتمهای فراابتکاری در کدام مسائل دارای کارایی مناسب از لحاظ زمان و هزینه است، کسانیکه در استفاده از این الگوریتمها تجربه لازم را ندارند برای جلوگیری از اتلاف زمان وهزینه باید با متخصصین و افراد باتجربه در زمینه الگوریتمهای فراابتکاری مشاوره داشته باشند تا برای مسئله مورد نظر خود کاراترین الگوریتم انتخاب کنند. در یک تقسیم بندی کلی میتوان الگوریتمهای فراابتکاری را به دو دسته الگوریتمهای فراابتکاری مبتنی بر یک جواب^[۱۳۳] و الگوریتمهای مبتنی بر جمعیت^[۱۳۴] تقسیم بندی کرد. در الگوریتمهای مبتنی بر یک جواب که درواقع همان جستجوی محلی بدون ترس از به دام افتادن در جوابهای بهینه محلی است، فرایند جستجو فقط یک جواب را تغییر میدهد در حالیکه در الگوریتمهای مبتنی بر یک جمعیت در حین جستجو یک جمعیت از جوابها در حال تغییر به صورت همزمان هستند. الگوریتمهای فراابتکاری مبتنی بر یک جمعیت دارای انواع مختلفی هستند که یکی از انواع مهم آنها الگوریتمهای فراابتکاری تکاملی^[۱۳۵] است که این دسته از اصل تکامل در طبیعت برای حل مسائل الهام گرفتند. اصل تکامل در طبیعت به شکل تنازع بقا میان گونه های مختلف مشهود است به این معنا که هر گونه در طبیعت برای ادامه بقا تلاش میکند و گونه ای که قویتر است شانس بیشتری برای ادامه حیات و تولید- مثل را دارد. ایده به کاربردن اصول تکامل در طبیعت برای حل مسائل، به دهه ۱۹۴۰میلادی برمیگردد به طوریکه در اوایل سال ۱۹۴۸ دانشمندی به نام تورینگ^[۱۳۶] روش جستجوی تکاملی^[۱۳۷] را پیشنهاد داد. الگوریتمهای فرابتکاری تکاملی در ابتدا به دلیل هزینه بالای اجرایشان با اقبال کمی مواجه شدند اما در دو دهه اخیر گسترش قابل توجهی یافتند که دلیل این امر افزایش قدرت محاسباتی رایانه هاست. از مشهورترین روش های الگوریتمهای تکاملی میتوان به الگوریتم ژنتیک^[۱۳۸] و برنامه ریزی تکاملی^[۱۳۹] و استراتژی تکاملی^[۱۴۰] و برنامه ریزی ژنتیک^[۱۴۱] اشاره کرد که الگوریتم ژنتیک از همه آنها مشهورتر و پرکاربردتر است.. نوع دیگر از الگوریتمهای فراابتکاری مبتنی برجمعیت، میتوان به الگوریتمهای فراابتکاری مبتنی بر هوش جمعی^[۱۴۲] است که از رفتار جمعی گونه ها در طبیعت نظیر مورچگان و زنبورها و پرندگان و حشرات دیگر الهام گرفته است. مهمترین ویژگی الگوریتمهای مبتنی بر هوش جمعی که آن را از دیگر الگوریتمها متمایز میکند همکاری غیرمستقیم اجزا در این الگوریتمها است. از جمله موفقترین الگوریتمهای فراابتکاری مبتنی بر هوش جمعی میتوان به الگوریتم فراابتکاری بهینه سازی دسته پرندگان^[۱۴۳] و الگوریتم فراابتکاری کلونی زنبورها^[۱۴۴] و الگوریتم فراابتکاری کلونی مورچگان^[۱۴۵] رامیتوان نام برد. از الگوریتمهای فراابتکاری مبتنی بر یک جواب که بسیار معروف هستند میتوان به الگوریتم فراابتکاری جستجوی ممنوع^[۱۴۶] و الگوریتم فراابتکاری آنیل شبیه سازی شده^[۱۴۷] و جستجوی محلی هدایت شده^[۱۴۸] و جستجوی محلی تکرار شونده^[۱۴۹] را نام برد. در ادامه بعضی از الگوریتمهای فراابتکاری یاد شده را توضیح داده و ادبیات موضوع آنها را در حل مسئله زمانبندی پروژه با محدودیت منابع به صورت خلاصه تشریح میکنیم.

۲-۵-۱)الگوریتم ژنتیک

ایده اصلی الگوریتم ژنتیک از نظریه تکامل داروین^[۱۵۰](۱۸۵۹) الهام گرفته شده است ولی الگوریتم ژنتیک به شکل کنونی اش توسط جان هلند^[۱۵۱] (۱۹۷۵) در دانشگاه میشیگان ابداع شده است. الگوریتم ژنتیک جزء الگوریتمهای فراابتکاری مبتنی بر جمعیت است که از طبیعت الهام گرفته شده است و در رده الگوریتمهای تکاملی است. الگوریتم ژنتیک یکی از کاراترین روش های بهینه سازی مسائل ترکیبی است که اساس آن بر انتخاب طبیعی^[۱۵۲] (عامل اصلی تکامل زیستی) و برخی مفاهیم علم ژنتیک الهام گرفته شده است. در این روش برای بهینه سازی تابع هدف(تابع برازندگی^[۱۵۳]) مسئله در هر مرحله از یک جمعیت^[۱۵۴] اولیه کروموزومها^[۱۵۵] (افراد^[۱۵۶]) که در حقیقت پاسخهای اولیه مسئله میباشد، به یک جواب جدید از کروموزومها و یا یک نسل^[۱۵۷] جدید که در حقیقت پاسخ ثانویه مسئله مفروض میباشد، میرسیم. بنابراین با تکرار این عملیات و تولید جمعیت جدید از جمعیت قبلی در هر مرحله و در نتیجه رسیدن به نسلهای موفقتر، جمعیت به سمت یک پاسخ بهینه در حال حرکت است. در الگوریتم ژنتیک در هر مرحله برای یک رسیدن از یک جمعیت به جمعیت نسل بعد، از سه عملگر ادغام^[۱۵۸] و جهش^[۱۵۹] و انتخاب^[۱۶۰] استفاده میکنیم. در این الگوریتم برای داشتن یک جمعیت اولیه(جواب اولیه) میتوان هم به صورت تصادفی و هم با بهره گرفتن از الگوریتمهای ابتکاری سازنده استفاده کرد که تولید جمعیت اولیه به صورت تصادفی در الگوریتم ژنتیک متداولتر است. نوع طرح نمایش فعالیتها و نوع طرح زمانبندی اولیه و نوع عملگرهای مورد استفاده دراین الگوریتم، در کارایی آن بسیار موثر است و تغییرات در هر کدام میتواند رسیدن به جواب نزدیک به بهینه را سرعت بخشد. در استفاده از الگوریتم ژنتیک برای مسئله زمانبندی پروژه با محدودیت منابع در ادبیات موضوع میتوان به موارد ذیل اشاره کرد: لی^[۱۶۱] و کیم^[۱۶۲](۱۹۹۶) از یک الگوریتم ژنتیک بر اساس طرح نمایش کلید تصادفی و طرح تولید زمانبندی موازی برای حل مسئله RCPSP استفاده کردند، آنها از عملگر ادغام یک نقطه ای برای تولید جوابهای جدید استفاده کردند]۱۵[. از دیگر کارهای انجام شده میتوان به تلاش کوهلمورگن^[۱۶۳] (۱۹۹۹)اشاره کرد که از یک الگوریتم ژنتیک بر اساس طرح نمایش کلید تصادفی و طرح تولید زمانبندی سریالی برای حل مسئله RCPSP استفاده کرد، او از یک عملگر ادغام دو نقطه ای برای تولید جوابهای جدید استفاده کرد]۱۶[. آلکارز^[۱۶۴] و مارتو^[۱۶۵] (۲۰۰۱)، الگوریتم ژنتیک بر اساس روش نمایش جدید لیست فعالیتها با حالت زمانبندی استفاده کردند و برای تولید زمانبندی از طرح تولید زمانبندی سریالی با قانون اولویت LFT برای حل مسئله RCPSP استفاده کردند، آنها در یک طرح ابتکاری یک ژن اضافه به لیست نمایش فعالیتها اضافه کردند که مشخص میکرد که در زمانبندی از روش پیشرو یا پسرو استفاده شده است، آنها هم زمانبندی پیشرو و هم زمانبندی پسرو را در هر تولید زمانبندی سریالی پیاده سازی میکردند و هر کدام که زمان تکمیل پروژه بهینه تری داشت از آن استفاده و در ژن آخر با یک کروموزوم با نماد b برای جهت زمانبندی پیشرو و f برای جهت زمانبندی پسرو نمایش میدادند که این روش جدید طرح نمایش را طرح نمایش لیست فعالیتها با حالت زمانبندی نامیدند، آنها از سه عملگر ادغام جدید به نامهای عملگر ادغام مجموعه اولویت^[۱۶۶] و عملگر ادغام پیشرو- پسرو^[۱۶۷] و عملگر ادغام پیشرو- پسروی دو نقطه ای^[۱۶۸] استفاده کردند و علاوه بر آن از عملگر ادغام جدید هارتمن (۲۰۰۱) که در مرجع ]۱۷[ آمده است استفاده کرده است و همه این عملگرهای ادغام جدید را با هم مقایسه کرده است، نوع جدید نمایش فعالیتها این امکان به آنها داد که این سه نوع عملگر ادغام جدید را معرفی کنند، در نمونه گیریهای انجام شده توسط آنها الگوریتم پیشنهادی آنها بر همه الگوریتمهای قبلی که برای حل مسئله RCPSP استفاده شده است به جواب بهینه بهتری رسیده است و از همه آنها برتر است]۱۸[. یکی از معروفترین کارها در این بخش توسط هارتمن (۲۰۰۲) صورت گرفته است، الگوریتم ژنتیک معرفی شده توسط وی در زمره یکی از بهترین الگوریتمهای فراابتکاری ارائه شده برای حل مسئه RCPSP به شمار میرود. او برای ایجاد لیست اولیه فعالیتها از دو قانون اولویت مهم LFT و LST به طور همزمان استفاده کرد و شانس انتخاب هر کدام را برابر با ۵۰% قرار داد، او برای نمایش جواب از طرح نمایش لیست فعالیتها استفاده کرد و با ابتکاری جدید یک ژن به ابتدای این لیست کروموزوم اضافه کرد، که این ژن تعیین میکند که از طرح تولید زمانبندی سریالی یا موازی استفاده کنیم، در حالت کلی نمیتوان برتری این دو رو ش معروف را در تولید زمانبندی بر یکدیگر اثبات کرد، به دلیل اینکه هارتمن نشان داد که هر یک از این روش های تولید زمانبندی در حالت خاصی بر دیگری برتری دارد، او تصمیم گرفت از هر دو طرح تولید زمانبندی در جای مناسب خودش که او کشف کرده بود استفاده کند. الگوریتم فراابتکاری جدید او که به الگوریتم ژنتیک خودتطبیقی^[۱۶۹] معروف شد که در نمونه گیری انجام شده توسط او بر همه الگوریتمهای فراابتکاری مورد استفاده برای حل مسئله RCPSP به جوابهای بهینه بهتری رسید]۱۹[. از دیگر تلاشها در این حیطه میتوان به تلاش توکلو^[۱۷۰] (۲۰۰۲) اشاره کرد که او از یک الگوریتم ژنتیک برای حل مسئله RCPSP استفاده کرد که در آن عملگرها به صورت مستقیم بر روی زمانبندی عمل میکردندو از آنجاییکه عملگرهای ژنتیک ممکن است نسل جدید نشدنی به وجود بیاورند، او در ابتکاری جدید برای جلوگیری از ایجاد جوابهای ناموجه از یک تابع جریمه^[۱۷۱] استفاده کرد]۲۰[. هیندی^[۱۷۲] و همکارانش (۲۰۰۲) یک الگوریتم ژنتیک بر اساس طرح نمایش لیست فعالیتها و طرح تولید زمانبندی سریالی استفاده کردند، آنها از یک عملگر ادغام با حفظ ترتیب ^[۱۷۳] مشابه آنچه هارتمن در منبع ]۱۷[ استفاده کرد بهره جستند، آنها برای تولید جواب اولیه شدنی از مکانیسم نمونه گیری بر اساس قانون اولویت LFT ^[۱۷۴] مشابه منبع ]۱۷[ بهره بردند]۲۱[. کلهو^[۱۷۵] و تاوارز^[۱۷۶] (۲۰۰۳) الگوریتم ژنتیکی معرفی کردند که از طرح نمایش لیست فعالبها و طرح تولید زمانبندی سریالی استفاده میکرد، آنها یک عملگر ادغام جدید را بر روی لیست فعالیتها پیشنهاد کردند که به عملگر ادغام تابعی دیراتصال^[۱۷۷] معروف شد. عملگر ادغام تابعی دیر اتصال یک خصوصیت منحصر به فرد به این صورت داشت که در ابتدا با پذیرش جواب والد پدر و در ادامه هر جفت همسایگی مجاور که دارای ترتیبی وارونه در جواب والد مادر نسبت به والد پدر را داشت با هم تعویض میکرد]۲۲[. گنکالوز^[۱۷۸] و مندز^[۱۷۹] (۲۰۰۳) الگوریتم ژنتیک با طرح نمایش کلید تصادفی و طرح تولید زمانبندی موازی اصلاح شده^[۱۸۰] برای حل مسئله RCPSP استفاده کردند. در طرح تولید زمانبندی موازی اصلاح شده نیمه نخست ورودیها لیست نمایش بر اساس انتخاب فعالیتها و نیمه دوم ورودیهای لیست نمایش بر اساس زمان تاخیر بود]۲۳[. مندز و همکارانش (۲۰۰۹) الگوریتم ژنتیک بر پایه کلید تصادفی^[۱۸۱] برای حل مسئله RCPSP ارائه کردند، آنها برای طرح تولید زمانبندی از زمانبندی فعال پارامتریک^[۱۸۲] که نخستین بار توسط گنکالوز و بیرائو^[۱۸۳] (۱۹۹۹) ابداع شد و در منبع ]۲۴[ آمده است استفاده کردند، در طرح تولید زمانبندی فعال پارامتریک هم خصوصیات زمانبندی بدون تاخیر و هم زمانبندی فعال به صورت همزمان در این طرح آمده است. مندز نشان داد که طرح تولید زمانبندی فعال پارامتریک هم بر طرح تولید زمانبندی سریالی و هم بر طرح تولید زمانبندی موازی برتری دارد، آنها نتیجه گرفتند که روش پیشنهادی آنها در مقایسه با بهترین الگوریتمهای فراابتکاری به کاررفته برای مسئله RCPSP به نتایج قابل قبولی رسیده است]۲۵[.

۲-۵-۲)الگوریتم جستجوی ممنوع

الگوریتم جستجوی ممنوع توسط گلوور^[۱۸۴] (۱۹۸۹) به وجود آمد. این الگوریتم در واقع از روش نزولی با تندترین شیب الگو گرفته است و میتوان آن را حالت اصلاح شده روش نزولی با تندترین شیب نامید که به وسیله ترفندهایی از افتادن در دام بهینه محلی می گریزد. الگوریتم جستجوی ممنوع با بهره گرفتن از حافظه کوتاه مدت^[۱۸۵] و حافظه بلند مدت^[۱۸۶] انعطاف پذیری بیشتری در عملیات جستجو ایجاد کرده و مسئله را از نقطه بهینه محلی دور و در جهت دستیابی بهینه سراسری حرکت میکند. در الگوریتم جستجوی ممنوع یکی از راهکارها برای فرار از نقطه بهینه محلی این است که برای برخی حرکتهای غیر بهبود دهنده اجازه حرکت به آن نقاط داده میشود. یک الگوریتم جستجوی ممنوع تقریبا مانند الگوریتمهای جستجوی محلی کار میکند با ابن تفاوت که برای جلوگیری از ایجاد دور و تسلسل در جوابها و افتادن در دام بهینه محلی از مفهومی به نام لیست ممنوع^[۱۸۷] نیز استفاده میکنند. فهرست لیست ممنوع حاوی تعدادی از جوابهای مسئله است که در هر مرحله، حرکت به آنها ممنوع است حتی اگر بهترین جواب در همسایگی جواب فعلی باشد. این فهرست ممنوع در هر مرحله به روزرسانی میشود. تعیین اندازه لیست ممنوع بسیار مهم در این الگوریتم است به این دلیل که لیست ممنوع طولانی ،سرعت اجرای الگوریتم را کاهش میدهد ولی بهینگی آن را افزایش میدهد و از طرف دیگر لیست ممنوع کوتاه سرعت اجرای الگوریتم را افزایش میدهد اما احتمال ایجاد دور و تسلسل به خاطر افتادن در دام بهینگی محلی افزایش می بابد. از کارهای انجام شده در دو دهه اخیر که از الگوریتم فراابتکاری جستجوی ممنوع برای حل مسئله زمانبندی پروژه با محدودیت منابع استفاده شد میتوان به تلاش پینسون^[۱۸۸] و همکارانش (۱۹۹۴) اشاره کرد که یک روش فراابتکاری جستجوی ممنوع را معرفی کردند که درآن از طرح نمایش لیست فعالیتها و طرح تولید زمانبندی سریالی استفاده میکردند. آنها از سه عملگر همسایگی متفاوت به نامهای عملگر تبادلات زوجی^[۱۸۹] و عملگر تبادلات سراسری^[۱۹۰] و عملگر انتقال^[۱۹۱] استفاده کردند]۱[. توماس^[۱۹۲] و سالهی^[۱۹۳] (۱۹۹۸) یک روش جستجوی ممنوع را برای حل مسئله RCPSP ارائه کردند که از عملگرها به صورت مستقیم بر روی زمانبندی استفاده میکردند، آنها سه حرکت متفاوت برای جستجوی همسایگی معرفی کردند. از آنجاییکه نتایج زمانبندی با این عملگرهای ممکن است نشدنی باشد آنها از یک رویه اصلاحی که زمانبندی نشدنی را به زمانبندی شدنی تبدیل میکرد استفاده کردند]۲۶[. کلین^[۱۹۴] (۲۰۰۰) یک روش جستجوی ممنوع واکنشی^[۱۹۵] برای حل مسئله RCPSP با محدودیت منابعی که دارای زمان های متفاوت است گسترش داد، در این روش او از طرح نمایش لیست فعالیتها و طرح تولید زمانبندی ابتکاری سریالی استفاده کرد، او از یک عملگر همسایگی جدید مشابه آنچه بار^[۱۹۶] و همکارانش (۱۹۹۸) در منبع]۲۷[ استفاده کردند بهره جست]۲۸[.
نونوبه^[۱۹۷] و ایبراکی^[۱۹۸] (۲۰۰۲) یک روش جستجوی ممنوع برای حالات مختلف مسئله RCPSP پیشنهاد دادند که ما فقط خصوصیاتی از تلاش آنها ، که مربوط به مسالهRCPSP کلاسیک است را در این مقاله در نظر میگیریم، در این روش از طرح نمایش لیست فعالیتها و طرح تولید زمانبندی سریالی استفاده میشود. او از یک عملگر همسایگی ویژه کاهشی^[۱۹۹] برای جستجوی محلی استفاده کرد]۲۹[. نای^[۲۰۰] وهمکارانش (۲۰۰۸) از یک الگوریتم جستجوی ممنوع برای مسئله RCPSP استفاده کرد، آنها از قانون اولویت کوچکترین مقدار شناوری در مرحله اول الگوریتم ابتکاری سازنده استفاده کرد.آنها از عملگر همسایگی درج^[۲۰۱] و عملگر همسایگی جا به جایی^[۲۰۲] برای حرکت از یک نقطه به نقاط همسایگی دیگر استفاده کردند. آنها در انتها نتیجه گرفتند که روش TS پیشنهادی آنها نسبت به روش های الگوریتم ژنتیک و الگوریتم آنیل شبیه سازی شده، به جوابهای بهتری برای حل مسئله RCPSP می رسد]۳۰[.

۲-۵-۳)الگوریتم آنیل شبیه سازی شده

ایده اولیه این الگوریتم که بعدها مبنای پیدایش الگوریتم آنیل شبیه سازی شده شد اولین بار توسط متروپلیس^[۲۰۳] (۱۹۵۳) بر اساس فرایند آنیل مواد در علم ترمودینامیک آماری مطرح گردید. در علم ترمودینامیک آماری رابطه بین ساختار اتمی، آنتروپی و دما در طول فرایند آنیل یک ماده مورد مطالعه قرار میگیرد. فرایند آنیل با ماده ای در وضعیت گداخته آغاز شده و سپس به تدریج دمای ماده کاهش می یابد. در هر دما ماده مجاز به رسیدن به تعادل گرمایی می باشد. دما در مراحل اولیه نباید سریع کاهش یابد زیرا برخی کاستیها در ماده پیدا شده و ماده به وضعیت کمینه انرژی نخواهد رسید. الگوریتم آنیل شبیه سازی شده نیز از این فرایند توضیح داده شده الگوبرداری کرده است. الگوریتم آنیل شبیه سازی شده توسط پاتریک^[۲۰۴] و همکارانش (۱۹۸۳) که همه آنها متخصصانی در زمینه فیزیک آماری بودندبه وجود آمد. این الگوریتم از روش نزولی با تندترین سرعت استفاده کرده است و با بهبود این روش از افتادن در دام بهبنه محلی می گریزد. این خاصیت مهم آنیل شبیه سازی شده به این دلیل است که در این الگوریتم حرکتهای غیر بهبوددهنده نسبت یه جواب فعلی با احتمال کمی پذیرفته میشود. خاصیت بسیار مهم دیگر آنیل شبیه سازی شده آن است که با بکارگیری برنامه های آنیلی پیچیده به سمت جواب بهینه سراسری همگرا است. الگوریتم آنیل شبیه سازی شده یک جستجوی فراابتکاری ساده و اثربخش در حل مسائل بهینه سازی ترکیبی است که در حل مسائل پیوسته نیز گسترش یافته است. الگوریتم آنیل شبیه سازی شده بر خلاف الگوریتم جستجوی ممنوع یک الگوریتم بدون حافظه است به این معناکه در این الگوریتم مکانیزمی برای ذخیره اطلاعات در طول جستجو وجود ندارد. یکی از حسن های مهم الگوریتم آنیل شبیه سازی شده پیاده سازی ساده و آسان آن برای مسائل مختلف است. از الگوریتم فرابتکاری آنیل شبیه سازی شده برای حل مسئله RCPSP میتوان به تلاشهای سامپسون^[۲۰۵] و ویس^[۲۰۶] (۱۹۹۳) اشاره کرد که آنها از طرح نمایش بردار انتقالی برای نمایش جوابها و نیز عملگرهای تغییر استفاده کردند]۱[. همچنین لی^[۲۰۷] و کیم^[۲۰۸] (۱۹۹۶) یک روش آنیل شبیه سازی شده معرفی کردند که طرح نمایش آنها بر مبنای طرح نمایش کلید تصادفی استوار بود و از طرح تولید زمانبندی موازی برای تولید جوابهای اولیه استفاده کردند، آنها از عملگر تبادل زوجی برای جستجوی همسایگی سود بردند]۱[. از مهمترین کارهای انجام شده که میتوان آن را کاراترین روش آنیل شبیه سازی شده برای حل مسئله RCPSP میتوان به تلاشهای والس^[۲۰۹] و همکارانش (۲۰۰۵) ، اشاره کرد که آنها در طرح تولید زمانبندی از روش ابتکاری بهبوددهنده پیشرو-پسرو^[۲۱۰] استفاده کردندکه این روش توسط تورموس^[۲۱۱] و لووا^[۲۱۲] (۲۰۰۱) به وجود آمد که میتوان آن را در منبع ]۳۱[ به صورت کامل مطالعه کرد اما ما در اینجا به شرح مختصری از بهبوددهنده پیشرو-پسرو میپردازیم، در این روش ابتکاری در هر مرحله از طرح تولید زمانبندی موازی یا سریالی برای تولید یک زمانبندی برای نمونه گیری براساس قانون اولویت LFT استفاده میشود، در انتقال پسرو فعالیتها از راست به چپ و در دیرترین زمان شدنی زمانبندی میشود سپس در انتقال پیشرو فعالیت از چپ به راست ودر زودترین زمان شدنی، زمانبندی میشوند. آنها برای تعریف همسایگی از تعریف همسایگی والس و همکارانش (۲۰۰۳) که در منبع]۳۲[ به طور کامل توضیح داده شده است استفاده کردند. در این همسایگی تعریف شده، انتخاب فعالیت بعدی باید براساس ترتیب فعالیتهای جواب اولیه ویا برطبق نمونه گیری تصادفی از فعالیتها، صورت پذیرد، آنها نتیجه گرفتند که روش آنیل شبیه سازی شده پیشنهادی آنها دارای بهترین کیفیت جواب از لحاظ بهینگی نسبت به روش های قبلی پیشنهادی آنیل شبیه سازی شده در حل مسئله RCPSP است]۳۳[.

۲-۵-۴)الگوریتم دسته پرندگان

یکی دیگر از الگوریتمهای فراابتکاری مبتنی بر جمعیت، الگوریتم بهینه سازی دسته پرندگان است که درسال ۱۹۹۵ توسط کندی^[۲۱۳] و ابرهارت^[۲۱۴] ابداع شد که در رده الگوریتمهای هوش جمعی است. در این روش از رفتار جمعی ارگانیزمهای طبیعی نظیر پرندگان و ماهی ها در یافتن منطقه ای با غذای کافی الهام گرفته شده است. در این گونه اجتماع ها بدون وجود کنترل مرکزی یک رفتار، یک رفتار هماهنگ شده بین اجزای جمعیت وجود دارد. به بیان ساده تر گروهی از پرندگان را در نظر بگیرید که به صورت تصادفی در فضای مشخص به دنبال غذا هستند و فقط یک تکه غذا در این فضای جستجو وجود دارد و هیچ پرنده ای مکان دقیق آن را نمیداند اما هر پرنده میزان فاصله خود را از آن تکه غذا در هر مرحله میداند اکنون با دانستن این فرضیات بهترین استراتژی برای یافتن غذا چگونه تعریف میشود. یک استراتژی موثر میتواند این باشد که همه پرنده ها، از پرنده ای که به تکه غذا نزدیکتر است در حرکت بعدی خود تبعیت کند. الگوریتم بهینه سازی دسته پرندگان به نام الگوریتم بهینه سازی تجمعی ذرات هم معروف است که در سالهای اخیر به صورت موفق برای حل مسئله بهبنه سازی مختلف مورد استفاده قرار گرفته است. برای تشریح ریاضی وار الگوریتم بهینه سازی دسته پرندگان یک اجتماع شامل N ذره(پرنده) را در نظر بگیرید که در یک فضای D بعدی در حال پرواز هستند. هر جزء(پرنده) i ، یک جواب کاندید برای مسئله است و با بردار x_i فضای جستجو، نمایش داده میشود. هر جزء(پرنده) دارای موقعیت و سرعت مخصوص به خود است که جهت پرواز و سرعت حرکت آن را نشان میدهد. برای حل مسئله بهینه سازی از مزایای همکاری میان اجزاء(پرندگان) در این الگوریتم استفاده شده است. هر جزء(پرنده) i ، از بهترین موقعیت مشاهده شده توسط خود و نیز بهترین موقعیت مشاهده شده توسط کل جمعیت آگاه است و با توجه به این دو مورد مکان کنونی و سرعت خود را انتخاب میکند. الگوریتم بهینه سازی دسته پرندگان یک الگوریتم حافظه دار است بدیت معنا در هر مرحله مسیر حرکت ذرات(پرندگان) بر اساس تجارب قیلی جمعیت تعیین میگردد. از دیگر خصوصیات این الگوریتم میتوان به همگرایی سریع به جواب بهینه و محدود بودن تعداد پارامترهای الگوریتم اشاره کرد. از آنجاییکه الگوریتم بهینه سازی دسته پرندگان، جستجو را به طور مستقیم با بهره گرفتن از تابع هدف انجام میدهد میتوان را آن برای بهینه سازی توابع هدف مشتق ناپذیر استفاده کرد. در این الگوریتم مسئله انقراض و جایگزینی نسلها مانند الگوریتم ژنتیک، وجود ندارد که این خود باعث زمان و حافظه مورد نیازکم، برای اجرای این الگوریتم میشود. در الگوریتم بهینه سازی دسته پرندگان امکان توازن بین جستجوی فردی و سراسری با تنظیم مناسب پارامترها وجود دارد که این یک حسن بسیار بزرگ است. در زمینه کاربرد الگوریتم بهینه سازی دسته پرندگان برای حل مسئله RCPSP میتوان به موارد ذیل اشاره کرد. ژانگ^[۲۱۵] و همکارانش (۲۰۰۵) یک رویکرد مبتنی بر الگوریتم بهینه سازی دسته پرندگان را که در آن از دو رویکرد برای نمایش ذرات(پرندگان) استفاده میشد برای حل مسئله RCPSP استفاده کردند. آنها از دو طرح نمایش به نامهای طرح نمایش بر اساس اولویت^[۲۱۶] و طرح نمایش بر اساس توالی فعالیت^[۲۱۷] استفاده کردند که در طرح نمایش اول جواب حاصل همیشه موجه است اما در طرح نمایش دوم امکان تولید جوابهای غیرموجه نیز وجود دارد، بنابراین آنها یک مکانیزم ابتکاری با الگوریتم بهینه سازی دسته پرندگان ترکیب کردند تا منجر به تولید جوابهای موجه گردد. در هر دو طرح نمایش، ذرات(پرندگان) با بهره گرفتن از طرح تولید زمانبندی سریالی به یک برنامه زمانبندی تبدیل میشدند، آنها نتیجه گرفتند که در طرح نمایش ذرات(پرندگان) به صورت توالی فعالیتها به جواب بهینه بهتری نسبت به طرح نمایش بر اساس اولویت، حاصل شده است]۳۴[. چن^[۲۱۸] و همکارانش (۲۰۱۰) الگوریتم بهینه سازی دسته پرندگان را برای حل مسئله RCPSP توسعه دادند. در روش مورد استفاده آنها ذرات(پرندگان) بیانگر شروع فعالیتها هستند، برای هر فعالیت بر اساس مقادیر ذرات(پرندگان) یک احتمال انتخاب تعریف میشود تا اولویت مرتیط با هر ذره ای(پرنده ای) برای زمانبندی فعالیتها به دست آید، در هر تکرار فعالیتها از روش زمانبندی دو جهته که به صورت تصا فی انتخاب میشوند زمانبندی میشوند، در حین تعیین زمانبندی شروع فعالیتها از جستجوی محلی با گزینه های تاخیر^[۲۱۹] برای جلوگیری از به دام افتادن در بهینه محلی استفاده میشود، همچنین آنها روش مسیر بحرانی را برای افزایش قدرت الگوریتم برای یافتن جوابهای موجه با الگوریتم بهینه سازی دسته پرندگان ترکیب کردند. نتایج آزمایشات آنها نشان میدهد که الگوریتم بهینه سازی دسته پرندگان ترکیبی آنها، از الگوریتم بهینه سازی دسته پرندگان معمولی بهتر بوده و نیز نسبت به الگوریتم بهینه سازی کلونی مورچه گان در یافتن جوابهای بهینه، نتایج بهتری را حاصل میکنند]۳۵[.

۲-۵-۵)الگوریتم بهینه سازی جامعه نامنظم

ازآنجاییکه الگوریتم ASO در سال ۲۰۱۱ توسط احمدی جاوید^[۲۲۰] ابداع شده است و عمر این الگوریتم فراابتکاری بسیار کوتاه است، تنها دو مقاله در استفاده از این الگوریتم برای مسئله زمانبندی در ادبیات موضوع وجود دارد. اولین تلاش در این زمینه توسط احمدی جاوید(۲۰۱۱) انجام شد که ضمن معرفی الگوریتم جدید فراابتکاری ASO، از این الگوریتم برای حل مسئله زمانبندی جریان کارگاهی ترکیبی با زمان نصب وابسته به توالی^[۲۲۱] ، با تابع هدف مینیمم کردن زمان اتمام پروژه استفاده کرد. وی برای پیدا کردن یک روش مناسب برای نمایش شغل های مرتبط به هم ،از کروموزومها که در الگوریتم ژنتیک مورد استفاده قرار میگیرد، بهره جست تا بتواند جوابهای زمانبندی را نمایش دهد. این طرز نمایش این امکان را به وی داد که بتواند از عملگرهای ادغام و جهش الگوریتم ژنتیک برای تولید کردن سیاستهای حرکتی مختلف استفاده کند. وی درصد انحراف نسبی را در الگوریتم ASO با سه الگوریتم فراابتکاری PSO ، HTS ^[۲۲۲] و SA در حل مسئله زمانبندی جریان کارگاهی ترکیبی با زمان نصب وابسته به توالی مقایسه کرد و نشان داد که در نمونه گیری انجام شده، الگوریتم ASO کمترین درصد انحراف نسبی را نسبت به سه الگوریتم فراابتکاری یاد شده دارد و در نتیجه دارای بهترین کارایی است]۳[. دومین تلاش برای استفاده از الگوریتم فراابتکاری ASO در حل مسئله زمانبندی توسط احمدی جاوید و هوشنگی تبریزی^[۲۲۳] (۲۰۱۲) انجام شد که آنها از الگوریتم فراابتکاری ASO برای حل مسئله زمانبندی جریان کارگاهی چندترابری بین ماشینهای متوالی^[۲۲۴] با تابع هدف مینیمم کردن زمان اتمام پروژه استفاده نمودند، آنها در این مقاله کارایی الگوریتم فراابتکاری ASO را با الگوریتم فراابتکاری PSO برای حل مسئله یاد شده را با هم مقایسه کردند و با توجه به نمونه گیری انجام شده نتیجه گرفتند که درصد انحراف نسبی الگوریتم ASO نسبت به الگوریتم PSO در اندازه های مختلف نمونه گیری، کمتر است و در نتیجه الگوریتم ASO بر PSO برتری دارد]۳۶[. با توجه به آنکه کارایی بالای الگوریتم فراابتکاری ASO در حل مسئله زمانبندی در دو مقاله یاد شده اثبات شد، این موفقیتها موجب شد تا این انگیزه بوجود آید تا در این پایان نامه کارایی الگوریتم فراابتکاری ASO را در سایر مسائل مهم زمانبندی بررسی کنیم. بنابراین در این پایان نامه از الگوریتم فراابتکاری ASO در حل مسئله زمانبندی پروزه با محدودیت منابع در حالت کلاسیک استفاده کردیم و با مقایسه آن با بهترین الگوریتم فراابتکاری مشهور دیگر ، کارایی آن رانیز بررسی نمودیم. با توجه به اینکه بوجودآورنده الگوریتم بهینه سازی جامعه نامنظم مدعی برتری الگوریتمش بر الگوریتمهای ژنتیک و دسته پرندگان هم در بهینگی و چه در سرعت حل استو نیز با توجه به اینکه طبق تحقیقات کاراترین الگوریتمها و پرکاربردترین آنها در حل مساله زمانبندی پروژه با محدویت منابع به ترتیب الگوریتمهای ژنتیک و جستجوی ممنوع و آنیل شبیه سازی شده است ،ما قصد داریم الگوریتم بهینه سازی جامعه نامنظم رابا بهترین الگوریتمهای فراابتکاری یاد شده وسایر الگوریتم های فراابتکاری مهم مقایسه کنیم،تا کارایی الگوریتم بهینه سازی جامعه نامنظم مشهود شودوادعای برتری آن هم راستی آزمایی شود.از آنجایی که این الگوریتم نخستین بار برای رده مسایل زمانبندی پروژه با محدودیت منابع بکار گرفته می شود ما آنرا برای حالت کلاسیک این مسایل بکار میگیریم که ساده ترین نوع مسایل در رده مسایل زمانبندی پروژه با محدودیت منابع محسوب می شود.

فصل سوم
معرفی مسئلهRCPSP و الگوریتم ASO

مقدمه

شکل کلاسیک مسئله ی زمانبندی پروژه با محدودیت منابع به علت کاربرد فراوان و داشتن خواص مفید در تجزیه و تحلیل مسائل زمانبندی به وفور مورد استفاده قرار میگیرد. در مدل RCPSP فرض بر آن است که برای هر فعالیت پروژه فقط یک حا لت اجرا وجود دارد، مسئله مورد بررسی ما یک پروژه با n فعالیت حقیقی و دو فعالیت مجازی است که تنها رابطه تقدمی FS^min = ۰ ، بین فعالیتها وجود دارد و هر فعالیت برای اجرا فقط به منابع تجدیدپذیر نیازمند است. طول اجرای فعالیت j ام برابر با d_j و مقداری قطعی در مسئله مورد بررسی ما است. میزان نیاز فعالیت j ام در هر پریود زمانی به منبع kR برابر با r_jk است. فرض میکنیم که از منبع تجدیدپذیر kR در هر پریود زمانی مقدار AR_k واحد موجود است. در مسئله مورد بررسی ما مقادیر r_jk و AR_k مقادیری ثابت ، صحیح و مثبت هستند. تابع هدف مسئله RCPSP یافتن یک زمانبندی است که هم از نظر روابط تقدمی و هم از نظر محدودیت منابع موجه بوده و دارای کمترین طول زمانبندی باشد. برای آشنایی بهتر با مسئله RCPSP در ادامه دو مدل مفهومی و یک مدل به روش برنامه ریزی خطی را تشریح میکنیم.

۳-۱)ارائه مدل مفهومی مسئله RCPSP

مدل مفهومی مسئله RCPSP به صورت ذیل است:
Minimize S_n+1 (۱)
St :
S₀ = ۰ (۲)
S_j S_i + d_i (i , j) E (3)
_ik AR_k t 0 (4)
i = 0 , 1 , … , n + 1 ; k = 1 , 2 , … , m
در فرمول بالا فعالیت اول و ۱ n+ام مجازی و بقیه فعالیتها حقیقی است. متغیرهای تصمیم S_i زمان شروع فعالیتها را نشان میدهد. در فرمول ۳ مجموعه E ، مجموعه روابط تقدمی بین فعالیتهای پروژه را نشان میدهد. D_i طول مدت فعالیت i ام را نشان میدهد. در فرمول ۴ ، مجموعه S(t) فعالیتهایی را نشان میدهد که در زمان t در حال انجام و پیشرفت هستند. متغیر r_ik میزان نیاز فعالیت i ام به منبع k ام در هر پریود زمانی را نشان میدهد که مقداری قطعی است. AR_k میزان منبع تجدیدپذیر k را در هر پریود زمانی نشان میدهد. معادله ۱ ، تابع هدف مینیمم کردن زمان شروع فعالیت مجازی آخر را نشان میدهد. معادله ۲ نشان میدهد که فعالیت مجازی اول، در زمان صفر شروع میشود. معادله ۳، روابط تقدمی بین فعالیتها را که فقط از نوع FS^min = ۰ است را نشان میدهد. معادله ۴ ، نشان میدهد که در لحظه انجام پروژه هر فعالیت حداکثر به میزان منبع در دسترس تجدیدپذیر میتواند انتخاب خود را انجام دهد. مدل ریاضی مفهومی نمیتواند به طور مستقیم حل شود زیرا هیچ راهی برای معنا کردن مجموعه S(t) که در فرمول ۴ آمده است وجود ندارد بنابراین نیاز به مدل ریاضی که قابلیت حل شدن داشته باشد در دهه ۶۰ میلادی احساس شد که میتوان به مدلهای پریتسکر^[۲۲۵] (۱۹۶۹) ]۳۷[ ، کاپلان^[۲۲۶] (۱۹۸۸) ]۱[، مدل آلوارز- والدز^[۲۲۷] (۱۹۹۳) ]۳۸[، مدل مینگوزی^[۲۲۸] (۱۹۹۸) ]۳۹[و مدل کلین^[۲۲۹] (۲۰۰۰) ]۱[ ، اشاره کرد. این پایان نامه قصد دارد مدل برنامه ریزی ریاضی خطی پریتسکر را که جزء اولین مدلهای ریاضی است در ادامه تشریح کنیم.

۳-۲)ارائه و تبیین مدل ریاضی مبتنی به روش برنامه ریزی خطی از پریتسکر برای حل مسئله RCPSP

مدل ذیل یکی از اولین مدلهای ریاضی جهت حل مسئله RCPSP است که توسط پریتسکر ارائه شده است. در این مدل متغیر صفر و یک y_jt به صورت ذیل تعریف میشود. برای هر فعالیت j J و هر زمان اتمام موجه t [ EST_j , LST_j ] که در آن EST_j و LST_j بر اساس روش CPM به دست میایند. اگر اجرای فعالیت j ام در زمان t شروع شود ، ۱ y_jt =است و در غیر اینصورت ۰ = y_jt است.

همه مواد موجود در طبیعت قابلیت آندایز شدن را ندارند و تنها چند ماده شامل آلومینیوم، تیتانیوم، سیلیسیوم، نئوبیم، هافنیوم، زیرکنیوم، قلع، ایندیوم فسفید و اندکی دیگر از مواد در طی این فرایند تغییر شکل داده و ساختاری نانویی پیدا می­ کنند.
در این میان آندایز آلومینیوم بعلت کاربردهای تجاری رونق بیشتری پیدا کرده است.
در این روش نانوساختارهای منظم شامل سلول­های درون بست با آرایش شش­گوشی و با نانوحفره­هایی در مرکز سلول با جزئیاتی که در ادامه ذکر خواهد شد تولید می شوند.
از جمله کاربردهای متنوع آلومینیوم آندایز شده یا به اصطلاح آلومینا تولید فیلم دی­الکتریک برای استفاده در خازن­های الکترولیتی، افزایش مقاومت اکسیدی فلزات و غیره است .

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

۴-۳- انواع فیلم اکسیدی آندیک
در طول آندایز آلومینیوم دو نوع فیلم اکسیدی متمایز قابل توصیف است، یک نوع فیلم اکسیدی مانع و دیگری فیلم اکسیدی متخلخل. نوع اکسید رشد یافته روی سطح با توجه به نوع الکترولیت بکار رفته قابل تعیین است؛ بعنوان مثال در محلولی خنثی با PH حدود ۵ تا ۷ با انجام فرایند آندایز، فیلم اکسیدی مانع که نارسانا، غیرمتخلخل و خیلی نازک می­باشد، روی آلومینیوم تشکیل می­گردد.
در تشکیل آلومینای آندیک متخلخل، برعکس حالت قبل الکترولیت­هایی با قدرت اسیدی بالا مانند محلول اسید سولفوریک، اکسالیک، فسفریک و کرومیک مورد استفاده هستند، که فیلم اکسیدی حاصل به راحتی قابل حل نمی ­باشد . همچنین از ترکیبات اسیدهای نامبرده شده نیز در آندایز استفاده می­گردد. اختلاف ساختاری متمایزی در نوع اسید استفاده شده برای آندایز وجود ندارد.
در آندایز انجام شده با الکترولیت­های اسیدی با قدرت بالا هر دو نوع فیلم اکسیدی تشکیل می­ شود و گذار از حالت اکسیدی مانع به اکسید متخلخل به آسانی رخ می­دهد، که زمان انجام فرایند عاملی کلیدی در بسط ساختار متخلخل می­باشد ، در حالیکه اکسید مانع بصورت لایه­ای با ضخامت خیلی کم و ثابت باقی می­ماند.
۴-۴- ساختار کلی آلومینای آندیک متخلخل
تشکیل فیلم نازک اکسیدی مانع آلومینیوم تنها مربوط به فرایند آندایز نبوده و حتی در اکسایش ساده­ی فلز نیز حاصل می­ شود، اما آنچه که توجه زیادی را به خود جلب کرده ساختار اکسیدی متخلخل است که با شرایطی خاص تشکیل شده و کاربردهای مختلفی در نانوتکنولوژی دارد. رشد آلومینای آندیک متخلخل خود شکل­یافته^[۳۹] با آندایز آلومینیوم را می­توان بصورت شماتیک در شکل (۴-۱) نشان داد.
ساختار کلی قسمت­ های شاخص شامل لایه­ی آلومینیوم آندایز نشده­ی زیرین که بیشترین ضخامت را دارد، فیلم اکسیدی مانع و قسمت اکسیدی متخلخل که شامل آرایه­ای از سلول­های شش­گوشی منظم متراکم با حفره­های میانی می­باشد.
ساختارهای منظم اغلب با دادن پارامترهایی مثل قطر حفره، ضخامت دیواره، ضخامت لایه­ی سدی و فاصله­ی بین حفره­ای یا همان قطر سلول بیان می­شوند، که از مزیت­های این روش
کنترل­پذیری پارامترها در طول فرایند می­باشد. عمق کانال­های موازی با گذشت زمان می ­تواند از mµ۱۰۰ نیز تجاوز نماید، که همین امر سبب وجود نسبت سطح به حجم بالا در این قالب­ها شده است.
شکل (۴-۱) (الف) ساختار آلومینای آندایز شده متخلخل (ب) سطح مقطع لایه­ی آندایز شده
فاصله­ی بین حفره­ای و قطر حفره­ای یکنواخت به سادگی با تغییر شرایط آندایز، از جمله نوع الکترولیت و ولتاژ آندایز از چند نانومتر تا صدها نانومتر قابل کنترل است.
بعد از تشکیل لایه­ی اکسید اولیه، ادامه­ رشد اکسیدی در سطح میانجی اکسید/فلز اتفاق می­افتد. در طول رشد اکسید متخلخل و تشکیل حفره­ها، بطور پیوسته لایه­ی نازک و فشرده­ی اکسید مانع در سطح برهم­کنش انتهای حفره/الکترولیت با افزایش میدان موضعی، حل شده و یک لایه­ی جدید در سطح تماس اکسید/فلز تشکیل می­­گردد. در شرایط پایدار بر اثر میدان موجود، نرخ رشد و انحلال به موازنه­ی دینامیکی خواهند رسید.
قطر دهانه­ی حفره­ها در طول آندایز با توجه به جریان تغییر کرده و ممکن است شکل مخروطی به خود بگیرند، اما در شرایط رشد پایدار اکسید و حالت پتانسیل ثابت یا جریان ثابت که دو نوع رژیم رایج آندایز بوده و در ادامه خواهد آمد، چگالی جریان اغلب ثابت مانده و حفره­ها استوانه­ای خواهند بود.
۴-۵- سینتیک ساخت آلومینای آندیک متخلخل خود نظم یافته
در زیر به بررسی افت و خیزهای جریان و پتانسیل و رسیدن به حالت پایدار در دو رژیم آندایز متفاوت می­پردازیم.
۴-۵-۱- آندایز در رژیم­های جریان ثابت^[۴۰] و پتانسیل ثابت^[۴۱]
سلول اکسیدی شش­گوشی می ­تواند به سادگی در یک رژیم چگالی جریان ثابت یا رژیم پتانسیل ثابت تشکیل شود. یک نمودار چگالی جریان-زمان و پتانسیل-زمان لحظه­ای در طول آندایز آلومینیوم در دو رژیم در اسید سولفوریک %۲۰ و در c1⁰ در شکل (۴-۲) نشان داده شده است. وقتی یک رژیم جریان ثابت برای رشد آلومینای متخلخل بکار برده می­ شود (شکل ۴-۲ الف)، پتانسیل بطور خطی با زمان افزایش می­یابد، تا به یک ماکزیمم برسد و سپس کاهش می­یابد تا به مقدار حالت پایدار می­رسد. در شکل (۴-۲ پ) در طول مرحله­ اول آندایز (a) افزایش خطی پتانسیل متناسب با رشد خطی فیلم اکسیدی مانع خیلی مقاوم بر روی آلومینیوم دیده می­ شود. نتیجه­ آندایز بیشتر، (b) جوانه زدن راه­های منفرد (ماده­ متشکله­ی حفره­ها) در سراسر فیلم مانع است. در پتانسیل ماکزیمم (مرحله­ c) فرو ریختن فیلم مانع رخ می­دهد و ساختار متخلخل شروع به ساخته شدن می­ کند. سرانجام رشد حالت پایدار آلومینای متخلخل (مرحله­ d) حاصل و پتانسیل تقریباً بدون تغییر می­ماند.
در رژیم پتانسیل ثابت مطابق نمودار چگالی جریان-زمان شکل (ب)، چگالی جریان به سرعت کاهش یافته و مینیمم مقدار آن حاصل می­ شود. یک افزایش خطی منجر به ایجاد یک ماکزیمم موضعی شده و بعد از این مقدار ماکزیمم، چگالی جریان به آرامی کاهش یافته و یک چگالی جریان حالت پایدار فیلم اکسیدی حاصل می­گردد.
نرخ کاهش جریان از نقطه­ی مینیمم به بعد و چگالی جریان حالت پایدار مستقیماً به
شرایط آندایز از جمله پتانسیل آندایز بکار رفته، دما و غلظت اسید وابسته است.
شکل (۴-۲) (الف) نمودار رشد اکسید متخلخل در رژیم جریان ثابت (ب) رژیم پتانسیل ثابت (پ) مراحل جوانه­زنی و رشد حفره­ها در دو رژیم
مینیمم چگالی جریان نیز با افزایش توانایی میدان الکتریکی، افزایش پتانسیل آندایز و دما و غلظت اسیدهای بکار رفته کاهش می­یابد. ضمن آن­که با پتانسیل آندایز بالاتر و pH الکترولیت پایین­تر، این مینیمم زودتر رخ خواهد داد.
در کل به جای رژیم جریان ثابت، امروزه بیشتر از رژیم پتانسیل ثابت استفاده می­ شود. در ساخت فیلم آلومینای متخلخل با نظم بالا و قطر حفره­ی انتخابی، ارتباط بین چگالی جریان و زمان، تحت آندایز پتانسیل ثابت، برایند دو فرایند رویهم افتاده مانند شکل (۴-۳) است که ترکیب آن نمودار (۴-۲ ب) را تشکیل می­دهد. اولی کاهش نمایی جریان مربوط به تشکیل فیلم مانع و دومی فرایند تشکیل حفره را نمایش می­دهد. فهمیده شده است که وقتی ماکزیمم جریان موضعی ظاهر می­ شود، زمان در نمودار زمان-پتانسیل می ­تواند بصورت زیر تخمین زده شود :
(۴-۱)
که در این رابطه t_max زمانی است که جریان به ماکزیمم خود می­رسد و i چگالی جریان بر حسب mAcm^-2 است.

شکل (۴-۳) نمودار رویهم افتادن فرایندهای رخ داده در طول رشد اکسید متخلخل تحت رژیم آندایز پتانسیل ثابت
یکی از روش­های رایج، استفاده از ترکیبی از رژیم­های گالوانواستاتیک (جریان ثابت) و پتانسیواستاتیک (پتانسیل ثابت) است . در این روش ابتدا نمونه تحت رژیم چگالی جریان ثابت پیش آندایز می­ شود، سپس بعد از مدت زمانی معین و رسیدن به پتانسیلی خاص، رژیم پتانسیل ثابت برقرار می­ شود. بسته به چگالی جریان اولیه­ بکار رفته، مدت زمان حالت جریان ثابت از چند ثانیه تا ۱۰دقیقه تغییر می­ کند . این روش بطور موفقیت­آمیز برای آندایز آلومینییوم در سولفوریک، اکسالیک و فسفریک اسید استفاده می­ شود .
در یک تکنیک جدید آندایز، از یک ولتاژ پالسی پی­درپی با فرکانس Hz100استفاده می­ کنند . این تکنیک برای کنترل کامل قطر حفره در محدوده­ پتانسیل­های کوچک آندایز (زیرv3) که وابستگی خطی بین قطر حفره و ولتاژ وجود ندارد، استفاده می­ شود. اشاره می­کنیم کوچکترین حفره­های تشکیل شده با آندایز مرسوم قطر nm7 دارند که با روش جدید به قطر ۳ یا nm4 هم به راحتی می­توان رسید.
۴-۵-۲- نرخ رشد و انحلال فیلم اکسیدی
گستره­ی متنوعی از روش­ها برای اندازه ­گیری ضخامت لایه­ی اکسیدی تشکیل شده با آندایز آلومینیوم بکار گرفته شده است. اخیراً روش­های میکروسکوپی شامل TEMو SEMبطور عمده برای سنجش ضخامت لایه­ی اکسید آندیک استفاده شده ­اند.
بطور کلی پذیرفته شده است که آندایز با جریان ثابت، ضخامت اکسید را مطابق رابطه­ زیر بطور خطی با چگالی جریان افزایش می­دهد:
(۴-۲)
که i چگالی جریان (mA/cm²)، t زمان (s) و k مقداری ثابت و مستقل از چگالی جریان و دما است .
ضخامت لایه­ی اکسیدی تشکیل شده تحت آندایز با پتانسیل ثابت نیز می ­تواند به شکل زیر محاسبه شود:
(۴-۳)
مقدار k برای آندایز جریان ثابت در اسید سولفوریک M53/1 حدود ۰۹/۳^۶-۱۰ cm³(mA.min)^-1 تخمین زده شده است . ضخامت لایه­ی اکسیدی رشد یافته تحت رژیم پتانسیل ثابت در M3/0 اسید اکسالیک را می­توان به آسانی از تصاویر سطح مقطع SEM و نرخ تشکیل اکسید در دماهای مختلف طبق رابطه­ زیر تخمین زد:
(۵^۰cدر دمای )  (۴-۴)
(۱۵^۰cدر دمای )  (۴-۵)
(۳۰^۰cدر دمای )  (۴-۶)
نرخ رشد لایه­ی اکسیدی برای نمونه­های آلومینیوم با آندایز یک، دو و سه مرحله­ ای در c1⁰ محاسبه شده است . هیچ تفاوتی بین نرخ رشد تجربی لایه­ های اکسیدی بدست آمده با یک، دو و سه مرحله آندایز پیدا نشد. در کل حالت پایدار رشد آلومینای آندیک، نتیجه­ تعادل بین نرخ رشد شیمیایی و انحلال اکسید است. مقدار کلی اکسید حل شده، مجموع انحلال شیمیایی فرایند میدان کمکی field-assisted)) و سونش شیمیایی است. از این رو انحلال لایه­ی اکسید باید تابعی از غلظت یون­های هیدروژن در الکترولیت آندایز باشد، که خصوصاً با جذب یون­های H⁺ شتاب می­گیرد . نرخ انحلال میدانی آلومینا در دمای اتاق حدود nm/min300 است که با مقدار nm/min1/0 در غیاب میدان (انحلال شیمیایی) مقایسه می­ شود. کنترل دقیق رشد آلومینای نانو متخلخل نیاز به دسترسی به اطلاعات دقیق مرتبط به نرخ انحلال شیمیایی اکسید در الکترولیت­های اسیدی دارد که این اطلاعات اجازه­ی کنترل دقیق قطر حفره­ی نانوساختار را نیز می­دهد.
۴-۵-۳- آندایز به روش سخت و نرم
نانو اکسید آلومینیوم آندایز شده یا ^[۴۲]AAO بطور معمول به دو روش ساخته می­ شود، یکی آندایز نرم و دیگری آندایز سخت. در روش اول ساختار سوراخ­ها منظم می­باشد، ولی فرایند آهسته بوده و بیش از دو روز زمان برای رسیدن به یک AAO مناسب نیاز دارد و در بازه­ی کوچکی از شرایط آندایز مثل ولتاژهای خاص (۲۵، ۴۰ و v195) و دماهای پایین انجام می­ شود. قطر سوراخ­ها و اندازه­ سلول نیز با خود نظم­دهی لازم محدود می­ شود. در روش سخت که بطور گسترده در صنعت استفاده می­ شود، فرایند سریع­تر است، اما از نظم کمتری برخوردار می­باشد. AAOبدست آمده از لحاظ دینامیکی ناثبات بوده و با تمایلی قوی به­ سمت گسترش ترک یا شکاف، حتی تحت تاثیر نیروهای مکانیکی ضعیف پیش می­رود. معلوم شده است که چگالی جریان عامل مهمی در پارامترهای ساختمانی (اندازه­ سلول، ضخامت لایه­ی مانع و تخلخل) و همچنین خودآرایی نانواکسید متخلخل است. اکسید آندیک حاصل از آندایز سخت، از اکسید حاصل از حالت نرم کمتر بهم فشرده می­باشد.
اخیراً معلوم شده است که تخلخل نمونه با آندایز سخت برپایه­ی H₂C₂O₄ کمتر از حالت نرم است و برای آندایز در H₂SO₄ عکس این حالت رخ می­دهد .
طبق آنالیز انجام شده با TEM-EDXS بر روی نمونه­های تهیه شده با سولفوریک اسید، مقدار ناخالصی آندیک (اغلب SO₄^2-) در حالت سخت حدود %۸۸ بیشتر از حالت نرم می­باشد. این حجم ناخالصی بالا و چگالی پایین دیواره­ها در حالت سخت، پایداری شیمیایی ضعیفی ایجاد می­ کند.
D_int در AAO تحت شرایط نرم یا ^[۴۳]MA با بهره گرفتن از H₂SO₄، H₂C₂O₄ و H₃PO₄ با ولتاژ U_MA رابطه­ خطی با ثابت تناسب nmv^-15/2 = ξ دارد .

همان‌طوریکه وب اعمال بازاریابی راتغییر داده است. عوامل مهم زیر را نیز تغییر داده است:
الف) همکاری^[۱۳۶]
با افزایش استفاده از اینترنت، نقش مشتریان در فرایند ارضاء نیازهایشان ^[۱۳۷] افزایش می‌یابد.یعنی منجر به همکاری(بین مشتریان وبازاریابان ‌می‌شود). به عبارت دیگر همکاری عبارت است از:تعامل مشتریان و بازاریابان در مواردی از قبیل طراحی، تولید و مصرف محصول و خدمت. این فرایند‌ها را درخدمات دیده می‌شود (مانند اصلاح سر) اما برای محصولات فیزیکی بیشتر. برای مثال در سالهای آتی، مشتریان جنرال موتور GM قادرخواهند بود تولید اتومبیل دلخواهی خود را بر اساس ویژگیهای مورد نظرشان سفارش دهند. جنبه کلیدی بازاریابی همکاری تعامل مشتری -شرکت به واسطه زیرساختار کلیدی اینترنت خواهد بود.

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

ب) قابلیت دسترسی جغرافیایی د رمقابل قابلیت دسترسی جهانی^[۱۳۸] :
زمانی که در یک جهان فیزیکی (بدون اینترنت) زندگی می‌‌کنیم، موقعیت یا محل جغرافیایی منابع برای مصرف کنندگان حیاتی است. هنگامی که بازارها از بازارهای محلی به بازارهای ناحیه‌ای یا ملی تکامل می‌یابند معمولا خریداران و فروشندگان نیزتغییر می‌کنند و در محل جغرافیایی یکسانی نخواهند بود.
این جدایی جغرافیایی منجر می‌شود مشتریان به دنبال واسطه هایی در محل جغرافیایی باشند که در برآورده‌ کردن علائق مصرف‌کنندگان در زمینه‌های اطلاعات، ارتباطات،معاملات، جابه ‌جایی کالاها و خدمت به مشتری پیشگام ‌باشند. سختی و هزینه‌های بدست آوردن دارایی‌های محلی (که مشتریان می‌باشند) به ظهور مجموعه‌ کوچکی از واسطه‌ها و خرده‌ فروشان بزرگ منجرشده است. مشتریانی که از اینترنت استفاده می‌نمایند، مقداری از وابستگی‌های محلی‌شان را کاهش داده‌اند. اینترنت به مشتریان سازمانی (علی‌رغم تاکید بر نیروهای فروش محلی یاجغرافیایی) اجازه داده است که به سرعت آماده سفارش دهی، پشتیبانی فنی مستقیم باشند.
به طور مشابه بیشتر تبلیغات فعلی مشتریان، به صورت محلی خاص (مانند روزنامه‌های محلی،رادیو و تلوزیون محلی) و ملی خاص (مانند بیشتر مجلات، رادیو و تلوزیون ملی) است. با اینترنت، مشتریان وارد سبز فایل اطلاعات مستقیم ^[۱۳۹]می‌شوند. چون آنها می‌توانند صفحات وب را جستجو کرده و به طور مستقیم با بازاریابان (بر اساس نیازشان) ارتباط برقرار کنند.
ج) دسترسی شخصی در مقابل دسترسی با واسطه اطلاعاتی^[۱۴۰] :
مشتریان با تهدید اطلاعات مازاد روی اینترنت، مواجه می‌باشند. بنابراین به دنبال واسطه‌های جدید و واسطه‌های اطلاعاتی می‌باشند. واسطه اطلاعاتی یک واسطه اینترنتی (مبتنی بر وب) می‌باشند که اطلاعات مورد علاقه مشتریانشان را جمع‌ آوری کرده و در اختیار آنها قرار می‌دهند.از دید مشتریان(برای مشتریان)، واسطه‌های اطلاعاتی مانند یک خرده فروش اینترنتی (روی وب) می‌باشند، به آنها اجازه می‌دهند تا اطلاعات بدست آورده و اطلاعاتشان را بر حسب مورد مقایسه نموده و معاملاتشان روی وب را انجام دهند،آمازون مثالی از یک واسطه اطلاعاتی است.
د) زمان ثابت در برابر زمان متغیر^[۱۴۱]:
هرچند که قبلا بازاریابان، خرده فروشان یا خریداران به طور سنتی زمان معامله را تعیین می‌کردند. ولی امروزه زمان برای مشتریان نیز حیاتی و مهم می‌باشد. مشتریان خواهان انعطاف‌پذیری بیشتری در تعاملاتشان با بازاریابان می‌باشند.مشتریان به طور فزاینده ای از اینترنت استفاده می‌کنند تا معاملات فوری (بدون صرف وقت) را انجام دهند. تحقیقات نشان می‌د‌هد که بیشتر مشتریان تمایل دارندکه به اطلاعات، ارتباطات، معاملات و خدمات اساسی مشتریان دسترسی ۲۴ ساعته داشته باشد. بعلاوه،اینترنت به مشتریان اجازه می‌دهد تا دسترسی سریعتری به اطلاعات داشته باشند. مشتریان پی برده‌اند که اعمال سنتی بازاریابی در عصر وب،(از قبیل تبلیغات انبوه) کارایی کمتری دارد و برای اهداف”اقتصاد دانشی^[۱۴۲]” ایده‌آل نیست.
ه) قیمت گذاری بسته در مقابل قیمت گذاری بازار^[۱۴۳] :
مشتریان معمولاً قیمتهای محصولات و بازار را بایکدیگر مقایسه می‌نمایند.اینترنت به مشتریان اجازه می‌دهد به سادگی به داده‌های قیمت ‌گذاری دسترسی داشته ‌باشند. از طریق سایتهای مزایده، سایتهای مستقل صنعت عمومی و سایتهای مالکیت صنایع، مشتریان دسترسی بیشتری به اطلاعات قیمت ‌گذاری خواهند داشت. بنابراین مصرف کنندگان،الگوهای قیمتی مشابه رقبا را یافته و محصولات مورد نیاز خود را بر اساس ویژگیهایی غیر از قیمت انتخاب می‌کنند. هرچه تعداد شرکتهایی که خدمات مشابهی را روی وب ارائه می‌دهند افزایش یابد، مشتریان بیشتری به سایتهای دیگر میروند، بنابراین، مشتریان بیشتر تفکیک یا متمایز می‌شوند (دهقان، ۱۳۸۳).

۲-۱- ۵-۲ دلایل مطالعه رفتار مصرف ­کننده

داشتن درک صحیح از مصرف کنندگان و فرایند مصرف، مزیت­های متعددی را در بردارد؛ این مزیت ها شامل کمک به مدیران درجهت تصمیم گیری، تهیه یک مبنای شناختی از طریق تحلیل مصرف کنندگان، کمک به قانون گذاران و تنظیم کنندگان برای وضع قوانین مربوط به خرید و فروش کالاها و خدمات و درنهایت کمک به مصرف کنندگان در جهت تصمیم گیری بهتر می باشد. به علاوه مطالعه رفتار مصرف کننده می تواند در فهم عومل مربوط،به علوم اجتماعی که رفتار انسان را تحت تاثیر قرار می دهند، به ماکمک نماید. همچنین یکی از دلایل اصلی مطالعه رفتار مصرف کننده این است که این رشته دارای نظریات متعددی است که از پشتیبانی تحقیقاتی برخوردارند و می توان آنها را برای شناخت و حل مشکلات مربوط به مدیران و سیاست گذاران عمومی بکار برد (عابدی،۱۳۸۸).

۲-۱-۵-۳ خریدار اینترنتی یا مرورگر اینترنتی

اکثر تحقیقات به این حقیقت که خرید آنلاین می ­تواند به مرور و خرید به عنوان دو فعالیت مجزا تقسیم شود­ توجه کمی کرده ­اند. تحقیقات معمولا بر تصمیمات درباره انجام خرید آنلاین یا انجام نشدن آن تمرکز کرده ­اند.
به عنوان استفاده کننده از خرید اینترنتی، مرورگران در مقایسه با آنهایی که خریداران آنلاین هستند نیازهای متفاوتی دارند. مثلاً در بازدید از وب سایت یک خرده فروش و تصمیم گیری در مورد خرید یک برند از محصول، مرورگران به اطلاعاتی در مورد مکان جغرافیایی فروشگاه برای خرید محصول نیاز دارند. در حالیکه خریدار آنلاین در مورد مکان فیزیکی فروشگاه نگرانی­ای ندارد (سوپرامانیِن و رابرتسون، ۲۰۰۷). مرور یا جستجو برای اطلاعات در وب، فرایندی است که توسط آن مصرف­ کنندگان اطلاعات مربوط به کالا و خدمات را قبل از اقدام به خرید جمع­آوری می­ کنند. از آنجا که مقدار حجیمی از اطلاعات در اینترنت فراهم می­باشد، مرور اطلاعات در وب عنصر حیاتی در تصمیم ­گیری مصرف­ کنندگان آنلاین به شمار می­رود. چراکه تصمیم ­گیری در زمانیکه که اطلاعات کافی از محصول یا خدمت در دسترس باشد، انجام می­ شود. ها و استِوئِل^[۱۴۴](۲۰۰۴) این موضوع را که آیا مرور اطلاعات می ­تواند مستقیما به تمایل خرید مرتبط باشد یا نه در حالیکه تمایل خرید آنلاین فعالیتی است که با آن مصرف ­کننده واقعا برای خرید کالا در اینترنت پول پرداخت می­ کنند، بررسی کردند. بنابراین نگرش به وب – چه مصرف ­کننده وب سایت را به قصد خرید مرور کند یا فقط برای اطلاعات جستجو کند- به خرید آنلاین حقیقی مرتبط است (یوون، ۲۰۰۷).

۲-۱- ۵-۴ خصوصیات مصرف ­کننده

مطمئناً بسیاری از مشتریان به منافع و مزایای خرید از طریق اینترنت واکنش نشان خواهند داد. اما با وجود این بسیاری دیگر از مشتریان با این شیوه­ جدید خرید راحت نیستند و مایلند به روش­های قدیم خرید نمایند. عمل خرید تحت تاثیر بسیاری از خصایص مشتریان است. مانند: کاراکترهای شخصیتی، سبک زندگی، دانش و مهارت ­ها، عوامل اجتماعی، عوامل روانی و عوامل جمعیتی. یافته­های پژوهشگران بیانگر آن است که مشتریان به عنوان کاربران فن آوری اطلاعات بایستی اعتقاد راسخی به استفاده و کاربردهای فن­آوری اطلاعات و اینترنت داشته باشند، تا بتوانند آن را در عمل پیاده نمایند. ذهنیت و باور افراد در مورد استفاده از تکنولوژی اطلاعات، بر اساس ویژگی­های شخصیتی آنها مانند نوآور بودن و خودکارایی، و محیط سازمانی و اجتماعی که با آن در تعامل هستند، شکل می­گیرد. علاوه بر آن، مطالعات دیگر دال بر آن است که بین نوآور بودن مشتریان و پذیرش خرید اینترنتی همبستگی مثبتی وجود دارد. خرید اینترنتی را می­توان به عنوان یک نوآوری و سازگاری که متأثر از ویژگی­های درونی می­باشد، نگاه کرد (زادون، ۱۳۸۵).
گلداسمیت، مهم­ترین دلیل خرید از اینترنت را شخصیت نوآور افراد می­داند و جارونپا، دریافت که اعتماد به فروشگاه اینترنتی و نگرش مثبت، از عوامل تعیین کننده است. همچنین افرادی که تنوع­طلب، تحریک­پذیر و ریسک­پذیر هستند، احتمال بیشتری دارد که خرید آنلاین انجام دهند. خریداران از لحاظ گرایش به خرید نیز در دسته­های مختلفی قرار می­گیرند و واکنش آنها به خرید الکترونیکی متفاوت خواهد بود.
سیلور خریداران را به شش گروه تقسیم کرده است:
خریداران اجتماعی^[۱۴۵]: این گروه از مشتریان، از مراجعه به فروشگاه لذت می­برند و از خرید احساس راحتی می­ کنند. خرید برای آنها فرصتی است تا از خانه خارج شوند و با دیگران ملاقات کنند.
تجربه­کنندگان^[۱۴۶]: این دسته از مشتریان از انجام کارهای جدید (تجربه کردن چیزهای جدید) لذت می­برند و از انجام این کار احساس خوشحالی می کنند. آنان اولین کاربران و استفاده کنندگان اینترنت هستند و به خرید از این طریق روی می آورند.
خریداران راحت طلب^[۱۴۷]: این گروه از مشتریان معمولاً از کمبود وقت رنج می­برند. آنها به خرید به عنوان یک امر روزمره و عادی نگاه می­ کنند و به هر ابتکاری که نحوه زندگیشان را بهبود بخشد و هزینه زیادی هم برایشان نداشته باشد پاسخ می­ دهند. مشتریان راحت طلب^[۱۴۸] احتمال بیشتری دارد که خرید آنلاین انجام دهند.
مشتریان عادت­گرا^[۱۴۹]: این­ها ابزارهای سنتی خرید را ترجیح می دهند و از کار کردن با کامپیوتر خسته و کسل می­شوند. این دسته از مشتریان آخرین کسانی هستند که به انقلاب الکترونیک روی می­آورند.
خریداران ارزشی^[۱۵۰]: این گروه از افراد، ارزش را در منفعت جستجو می­ کنند. برای آن وزن زیادی قائل هستند. آنها به هر ابتکاری که در بازار صورت گیرد و بهترین ترکیب از قیمت، کیفیت و خدمات را در محصول ارائه کند واکنش مثبت نشان خواهند داد.
خریداران اخلاقی^[۱۵۱]: اقلیتی وجود دارد که اخلاق را به عنوان مهمتریم معیار ورای عوامل برانگیزاننده رفتار خرید پذیرفته­اند، تصمیم ­گیری این افراد برای خرید بسته به اینکه محصول به صورت فیزیکی یا مجازی ارائه شود متفاوت خواهد بود (زادون، ۱۳۸۵).
اِستون^[۱۵۲] (۱۹۵۴) پیشنهاد کرد که رفتار خرید منشا روانشناختی-اجتماعی دارد و خریداران را در چهار دسته طبقه ­بندی نمود:

1. 1. خریداران اقتصادی

1. 1. خریداران سفارشی­شده

1. 1. خریداران اخلاقی

1. 1. خریداران بی­تفاوت^[۱۵۳] (اسوامیناتان^[۱۵۴] و همکاران، ۱۹۹۹)

۲-۱- ۵ -۵ پذیرش خرید اینترنتی توسط کاربران

۲-۱- ۵-۵-۱ فرایند پذیرفته شدن فناوری

تازمانیکه کاربران یک فناوری از آن استفاده ننمایند، هدف از طراحی آن یعنی تسهیل انجام امور مربوطه و دستیابی به صرفه­جویی­های زمانی و هزینه­ای برآورده نخواهد شد. به همین دلیل پژوهشگران به دنبال دستیابی به عواملی هستند که بر پذیرش فناوری تاثیر می­ گذارد. چراکه تداوم استفاده از یک فناوری به پذیرفته شدن آن فناوری توسط کاربران بستگی دارد. چِئونگ^[۱۵۵] و همکاران (۲۰۰۳) معتقدند که پذیرش توسط مصرف ­کننده منجر به موفقیت کلی خواهد شد و شرکت­های الکترونیکی که در پذیرش اولیه موفق بوده ­اند می­توانند روابط بلند مدت با مشتریان را ایجاد و حفظ نمایند (یوون، ۲۰۰۷). شکل زیر فرایند پذیرفته شدن فناوری توسط کاربران را نمایش می­دهد.
شکل ۲-۶: فرایند پذیرش فناوری خانلری لاریمی، (۱۳۸۸)
آگاه شدن: در ابتدای امر، فرد در معرض یک نوآوری قرار می­گیرد و با آن روبرو می­ شود، اما در مورد آن اطلاعات کاملی ندارد.
ایجاد علاقه: در مرحله دوم، فرد به فناوری مذبور علاقه­مند می­ شود و به جستجوی اطلاعات بیشتر درباره آن برمی­آید.
ارزیابی: سپس به صورت ذهنی، نوآوری مذبور را در موقعیت فعلی و آینده به کار می­گیرد و در مورد امتجان کردن یا نکردن آن تصمیم ­گیری می­ کند.
امتحان کردن: در صورتیکه تصمیم به امتحان کردن آن نوآوری مذبور اتخاذ گردد، آن را بصورت کامل مورد استفاده قرار می­دهد.
پذیرش: در مرحله آخر، ممکن است فرد پس از امتحان کردن، تصمیم بگیرد استفاده از آن را همیشگی کند.
آنچه که در نهایت منجر به موفقیت سیستم­های اطلاعاتی می­ شود، استفاده مداوم کاربران از آنهاست که با رخداد آن فرایند پذیرش کامل می­گردد (خانلری لاریمی، ۱۳۸۸).

۲-۱-۵- ۵-۲ دو دیدگاه کلی در فرایند پذیرش خرید اینترنتی

در فرایند پذیرش خرید اینترنتی، دو دیدگاه کلی مطرح است:

• • دیدگاه تکنولوژی محور

بالاتر از ۰٫۹

۰٫۹۷

تایید

IFI

بالاتر از ۰٫۹

۰٫۹۸

تایید

GFI

بالاتر از ۰٫۹

۰٫۹۷

تایید

AGFI

بالاتر از ۰٫۹

۰٫۹۶

تایید

با توجه به جدول شماره ۱۹-۴، کلیه شاخص‌‌‌های برازش در وضعیت مناسبی قرار دارند، چنانچه RMSEA و کای اسکوئر بر درجه آزادی برابر با صفر بوده و شاخص‌‌‌های برازندگی NFI (شاخص برازش هنجار شده)، NNFI (شاخص برازش هنجار نشده)، CFI(شاخص برازش تطبیقی)، IFI (شاخص برازندگی افزایشی)، GFI(شاخص برازندگی) و نهایتا AGFI (شاخص برازندگی تعدیل شده) به ترتیب معادل ۰٫۹۷، ۰٫۹۹، ۰٫۹۷، ۰٫۹۸، ۰٫۹۷ و ۰٫۹۶ می‌باشد.
پس از آزمون تحلیل عاملی تائیدی، رابطه متغیر مکنون طرف تقاضا و متغیرهای مشاهده‏گر آن، در شکل شماره ۱۴-۴ به تصویر کشیده شده است. لازم به ذکر است هر سه متغیر مشاهده گر طرف تقاضا به ارزیابی وضعیت فن‏بازارهای گذشته می‌پردازند.
نیاز صنایع و سازمان‌های دفاعی به فناوری
تلاش صنایع و سازمان‌های دفاعی برای خرید فناوری

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

برخورداری صنایع و سازمان‌های دفاعی از منابع مالی لازم برای خرید فناوری
شکل ۱۴-۴٫ متغیرهای نهایی طرف تقاضا
۴-۵-۴٫ تحلیل عاملی تأییدی سازوکارهای داخلی فن‏بازار
متغیر سازوکارهای داخلی ‌‌‌فن‌بازار در این تحقیق یک متغیر میانجی است که بوسیله سوالات ۱۵-۱۲ پرسش‌نامه تحقیق مورد ارزیابی قرار گرفته است. چنانکه مشاهده می‌شود، در تحلیل عاملی اولیه انجام گرفته، شاخص‌‌‌های برازش در سطح مطلوبی نیست. چنانچه RMSEA بزرگتر از ۰٫۰۸ و نسبت کای اسکوئر بر درجه آزادی، بسیار بزرگتر از ۳ است.
شکل ۱۵-۴: تحلیل عاملی تائیدی اولیه سازه سازوکارهای داخلی ‌‌‌فن‌بازار در حالت t
مدل نهایی سازه “ساز و کار‌‌‌های داخلی فن‏بازار” پس از اعمال برخی از تغییرات در شکل زیر مشاهده می‌شود:
شکل ۱۶-۴ : تحلیل عاملی تائیدی سازوکارهای داخلی ‌‌‌فن‌بازار در حالت t
شکل ۱۷-۴ : تحلیل عاملی تائیدی سازوکارهای داخلی ‌‌‌فن‌بازار در حالت استاندارد
شکل ۱۷-۴ نیز مدل نهایی را در حالت استاندارد نشان می‌دهد. پس از انجام تعداد محدودی از پیشنهادات اصلاحی، مدل به برازش مطلوب می‌رسد که نتایج این تغییرات در جدول ۱۵-۴ قابل مشاهده است. در کل می‌توان گفت بین متغیر مکنون ساز و کارهای داخلی ‌‌‌فن‌بازار و مشاهده‌گرها (سؤالات ۱۵-۱۲) همبستگی عالی وجود دارد و در نتیجه اعتبار سؤالات پرسش‌نامه در ارتباط با بعد ساز و کارهای داخلی فن‏بازار، تأیید می‌شود.
جدول ۱۹-۴: شاخص‌‌‌های برازندگی مدل اندازه‌گیری سازوکارهای داخلی

معیار برازش مدل

سطح قابل قبول

عدد بدست آمده

نتیجه

کای اسکوئر بر درجه آزادی

کمتر از ۳

۳

تایید

۰/۳۰۶

۰/۳۲۶

G

۰/۳۱۵

۳/۱۷۸

۰/۰۰۰

۰/۳۳۴

۰/۳۳۸

H

با توجه به شاخص تولرانس همه مقادیر بدست آمده برای متغیرهای مستقل وارد شده در مدل ها، بیشتر از ۱/۰، و شاخص VIF کمتر از عدد ۱۰ می باشد بنابراین بین متغیرهای مستقل وارد شده در مدل ها هم خطی به چشم نمی خورد.

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

در مدل رگرسیونی بدست آمده برای متغیر رفتارخادمانه خودسازانه همانطور که در جدول۵-۳۳ قابل مشاهده است، در مرحله دوم متغیر زمینه مرتبط با نقش® به دلیل ناچیز بودن تغییرات آن نسبت به متغیر وابسته ملاک از مدل رگرسیونی حذف شده است اما سایر متغیرهای پیش بین وارد شده در مدل بر اساس معناداری روابط آنها با متغیر ملاک در سطح تشخیص ۵ درصد معنادار بدست آمد. بنابراین براساس این نتایج می توان فرضیات نهم و دهم و یازدهم تحقیق را بصورت زیر پیش بینی کرد:
فرضیه ۹: عوامل هیجانی بر رفتار خادمانه خودسازانه کارگزاران سازمان حج و زیارت اثر معناداری دارد.
فرضیه ۱۰: عوامل شناختی بر رفتار خادمانه خودسازانه کارگزاران سازمان حج و زیارت اثر معناداری دارد.
فرضیه ۱۱: زمینه های شخصی بر رفتار خادمانه خودسازانه کارگزاران سازمان حج و زیارت اثر معناداری دارد.
۵-۴) برازش مدل ساختاری
پس از تحلیل و بررسی مدل اندازه گیری، در این قسمت به بررسی مدل ساختاری پرداخته می شود. در واقع، مرحله دوم در رویه هالاند بهره گیری از تحلیل مسیر، ضریب تعیین و شاخص برازندگی مدل می باشد. در تحلیل مسیر، روابط بین متغیرها در یک جهت جریان می یابند و به عنوان مسیرهای متمایز درنظر گرفته می شوند. مفاهیم تحلیل مسیر در بهترین صورت از طریق ویژگی عمده آن، یعنی نمودار مسیر که پیوندهای علّی احتمالی بین متغیرها را آشکار می سازد، تبیین می شوند (هومن، ۱۳۸۷). شکل۵-۱، برازش مدل معادلات ساختاری و نمودار مسیر مدل تحقیق را نشان می دهد.
شکل۵-۱: برازش مدل معادلات ساختاری
۵-۴-۱) ضریب تعیین
ضریب تعیین مهم ترین معیاری است که با آن می توان رابطه بین یک یا چند متغیر مستقل با متغیر وابسته را توضیح داد. این ضریب بیان کننده درصد تغییرات متغیر وابسته به وسیله متغیرهای مستقل می باشد. با توجه به شکل۵-۱۰ و جدول ۵-۳۴، مدل ساختاری برازش شده تحقیق، تبیین کننده ۷/۴۹ درصد از تغییرات رفتارانسان دوستانه، ۵۱ درصد تغییرات رفتار پیش قدمانه، ۶۴ درصد تغییرات رفتار وظیفه گرایانه و ۷۰ درصد از تغییرات رفتار خودسازانه از طریق چهار عامل هیجانی، شناختی، زمینه های شخصی و زمینه های مرتبط با نقش فرضیه سازی شده در مدل است و درصدهای باقی مانده سایر عواملی هستند که در مدل درنظر گرفته نشده است.
جدول ۵-۳۴: ضریب تعیین متغیرهای وابسته مدل های تحقیق

R²

متغیر

۰/۴۹۷

رفتار انسان دوستانه

۰/۵۱۱

رفتار پیش قدمانه

۰/۶۴۱

رفتار وظیفه گرایانه

۰/۷۰۳

رفتار خودسازانه

۵-۴-۲) شاخص برازندگی مدل
به طور کلی در پی ال اس دو شاخص برازندگی Q² و شاخص نیکویی برازش^[۱۸۰] وجود دارد. برای شاخص Q² مقادیر بیشتر از ۳۵/۰ برازش خوب، مقادیر ۱۵/۰ تا ۳۵/۰ برازش متوسط و مقادیر کمتر ۱۵/۰ برازش کم را نشان می دهد. برای شاخص نیکویی برازش نیز هر چه از ۵_/۰ بالاتر و به یک نزدیکتر باشد برازش کامل تر خواهد بود (فرناندز، ۲۰۱۲^[۱۸۱]). جدول۵-۳۵ مقادیر این شاخص ها را برای متغیرهای وابسته تحقیق نشان می دهد. بر اساس شاخص نیکویی برازش مدل تحقیق از برازش خوبی برخوردار است. ضمن اینکه نسبت به شاخص Q² متغیرهای رفتار انسان دوستانه، رفتار پیش قدمانه و رفتاروظیفه گرایانه از برازش متوسط ولی متغیر رفتارخودسازانه از برازش خوبی برخوردار است.
جدول۵-۳۵: شاخص های برازندگی مدل تحقیق

Q²