In this paper, we consider some tra

In this paper, we consider some transportation problems (TPs) with different types of fuzzy-stochastic unit transportation costs and budget constraints. These fuzzy stochastic costs are reduced to corresponding crisp ones in two different ways. For the first method, using the definition of a-cut of the fuzzy numbers, expectation is taken separately on both lower and upper a-cuts and then mean expectation is calculated with the help of signed distance. In the second procedure, we realize fuzzy random events ðn P rÞ and ðn 6 rÞ for the fuzzy random variable ðnÞ. Using credibility measure of these events, mean chances for the above fuzzy random events are calculated and then expectation is taken to get the crisp expressions. The reduced deterministic problems of the fuzzy stochastic TP are solved using a real coded genetic algorithm with Roulette wheel selection, arithmetic crossover and random mutation. Few numerical examples are demonstrated to find the optimal solu- tions of the proposed models.

ผลลัพธ์ (ไทย) 1:

ในเอกสารนี้ เราพิจารณาปัญหาการขนส่ง (TPs) มีชนิดต่าง ๆ ของเอิบสโทแคสติกหน่วยขนส่งต้นทุนและข้อจำกัดของงบประมาณ ต้นทุนแบบเฟ้นสุ่มเหล่านี้ชัดเจนจะลดลงเป็นคนชัดเจนสอดคล้องกันในสองวิธี สำหรับวิธีแรก ใช้คำจำกัดความของการตัดของเอิบ ความคาดหวังจะมาแยกบนล่าง และด้านบนได้ตัดแล้ว คำนวณหมายถึงความคาดหวัง โดยใช้ระยะทางที่ได้รับการรับรอง ในขั้นตอนสอง เรารู้เหตุการณ์สุ่มเอิบ ðn P rÞ และ ðn 6 rÞ สำหรับ ðnÞ ตัวแปรสุ่มเอิบ ใช้วัดความน่าเชื่อถือของเหตุการณ์เหล่านี้ คำนวณหมายถึงโอกาสของเหตุการณ์สุ่มข้างพร่าเลือนแล้ว ความคาดหวังที่จะนำมารับนิพจน์คม มีแก้ไขปัญหา deterministic ลดลงของ TP สโทแคสติกเอิบใช้ขั้นตอนวิธีพันธุกรรมจริงรหัสเลือกล้อรูเล็ต คณิตศาสตร์แบบไขว้ และการกลายพันธุ์แบบสุ่ม อย่างตัวเลขที่แสดงหา solu-tions เหมาะสมของรูปแบบการนำเสนอ

ผลลัพธ์ (ไทย) 2:

ในบทความนี้เราจะพิจารณาบางปัญหาการขนส่ง (TPS) ที่มีชนิดที่แตกต่างกันของหน่วยเลือนสุ่มค่าใช้จ่ายในการขนส่งและข้อ จำกัด ของงบประมาณ ค่าใช้จ่ายเหล่านี้สุ่มเลือนจะลดลงให้คนที่คมชัดที่สอดคล้องกันในสองวิธีที่แตกต่างกัน สำหรับวิธีการแรกที่ใช้คำนิยามของการตัดของหมายเลขเลือนความคาดหวังจะได้รับการแยกออกจากกันทั้งบนและล่างตัดแล้วหมายถึงความคาดหวังที่มีการคำนวณด้วยความช่วยเหลือของระยะทางที่ได้ลงนามใน ในขั้นตอนที่สองเราตระหนักถึงเหตุการณ์เลือนสุ่ม DN P RTH และ DN 6 RTH สำหรับ DNTH ตัวแปรสุ่มเลือน ใช้วัดความน่าเชื่อถือของเหตุการณ์เหล่านี้หมายถึงโอกาสสำหรับเหตุการณ์สุ่มเลือนด้านบนมีการคำนวณแล้วจะได้รับการคาดหวังที่จะได้รับการแสดงออกที่คมชัด ลดปัญหาของการกำหนดสุ่ม TP เลือนได้รับการแก้ไขโดยใช้ขั้นตอนวิธีพันธุกรรมเข้ารหัสจริงกับรูเล็ตตัวเลือกล้อครอสโอเวอร์คณิตศาสตร์และการกลายพันธุ์แบบสุ่ม ไม่กี่ตัวอย่างตัวเลขจะแสดงให้เห็นถึงการหาข้อโซลูชันที่ดีที่สุดของรูปแบบที่นำเสนอ

ผลลัพธ์ (ไทย) 3:

ในบทความนี้เราจะพิจารณาปัญหาการขนส่ง ( TPS ) กับชนิดที่แตกต่างกันของฟัซซี่ ต้นทุนการขนส่งหน่วยสุ่มและข้อจำกัดของงบประมาณ เหล่านี้แบบ Stochastic ค่าใช้จ่ายจะลดลงไปตามกรอบที่ในสองวิธีที่แตกต่างกัน สำหรับวิธีแรก ใช้นิยามของ a-cut ของตัวเลขฟัซซี่ ,ความคาดหวังถูกแยกทั้งบนและล่าง a-cuts แล้วหมายถึงความคาดหวังคำนวณด้วยความช่วยเหลือของเซ็น ระยะทาง ในขั้นตอนที่สอง เราตระหนักเลือนเหตุการณ์สุ่มð N P และ R Þð N 6 R Þสำหรับตัวแปรสุ่มแบบð N Þ . ใช้วัดความน่าเชื่อถือของเหตุการณ์เหล่านี้หมายถึงโอกาสแบบสุ่มเหตุการณ์ข้างต้น คำนวณแล้ว ความคาดหวังถูกรับสีหน้าสดชื่น ลดปัญหาของ deterministic TP Stochastic ฟัซซี่ได้ใช้จริงเขียนขั้นตอนวิธีทางพันธุกรรมกับการเลือกล้อรูเล็ต , ครอสโอเวอร์ ) และการเปลี่ยนแปลงตัวอย่างไม่กี่ตัวเลขแสดงการค้นหาซูลูที่เหมาะสมของการนำเสนอรูปแบบ
tions .