مروری بر مسئله انتخاب سبد پروژه (بخش دوم): جنبه های کمی مسئله

مقدمه

همانگونه که در مقاله قبلی تحت عنوان «معرفی مسئله انتخاب سبد پروژه» نیز اشاره گردید، موضوعات مرتبط با مسئله انتخاب سبد پروژه به دو زیر بخش «جنبه های کمی در مسئله انتخاب سبد پروژه» و «جنبه های کیفی در مسئله انتخاب سبد پروژه» تقسیم می شوند که این مقاله جنبه های کمی مسئله را مد نظر قرار داده و مهمترین مقالات مرتبط در این زمینه را مورد بررسی قرار داده است.

بررسی و تحلیل مقاله Nassif و Nogueria در سال ۲۰۱۳

Nassif و Nogueria در سال ۲۰۱۳ روشی را برای حل مسئله انتخاب سبد پروژه در بخش عمومی (Public Sector) فضای فناوری اطلاعات ارائه می نماید که در آن از یک ابزار برای پشتیبانی از تصمیم گیری مبتنی بر منطق فازی استفاده می شود. مطالعه موردی این مقاله در حوزه فناوری اطلاعات بوده و سه معیار ورودی (هزینه، وابستگی، میدان عمل) و یک تابع خروجی (پتانسیل موفقیت پروژه) را جهت ارزیابی سبد پروژه تعریف نموده است و سپس با استفاده از متغیرهای زبانی حالت های مختلف معیارهای ورودی و تابع خروجی را تحلیل می نماید. با توجه به جمع بندی ارائه شده توسط این مقاله، پرداختن به روش های مبتنی بر هوش مصنوعی در انتخاب سبد پروژه های بخش عمومی که معیارهایی نظیر بازگشت سرمایه اهمیت کمتری دارند، می تواند به عنوان تحقیقات آتی مد نظر قرار گیرد (Nassif and Nogueira 2013).

بررسی و تحلیل مقاله Irarragorri  و  Martınez در سال ۲۰۱۳

در سال ۲۰۱۳، Irarragorri  و  Martınez یک مدل چندهدفه عدد صحیح مختلط[۱] را برای انتخاب سبد پروژه های تحقیق و توسعه پیشنهاد داده اند. مدل مذکور امکان ارائه و توصیف پروژه های تحقیق و توسعه را در قالب وظایف، تخصیص منابع به وظایف و وابستگی درونی بین وظایف و پروژه ها را دارا می باشد. در این مقاله برخی از نتایج تجربی برای یک مثال هایی در ابعاد بسیار بزرگ ارائه شده و مورد بحث قرار گرفته است. در مقاله مذکور تنها یک دوره زمانی مد نظر قرار گرفته و تنها منبع مورد بحث «پول» می باشد. مدل با استفاده از چندین مثال مختلف توسط نرم افزار CPLEX 11.2 حل شده و با تحلیل نتایج حاصل از آن ها نویسندگان کارایی نحوه مدل سازی خویش را اثبات نموده اند. هر چند نویسندگان به پتانسیل های توسعه مقاله اشاره ای نکرده اند اما با توجه به توضیحات مندرج در مقاله بدیهی است استفاده از روش های مدل سازی کاراتر و نیز داخل نمودن پارامترها و مفروضات به منظور واقعی تر نمودن مسئله می توانند زمینه هایی از تحقیقات آتی باشند. همچنین مدل سازی در حالت چند دوره ای نیز مسئله قابل تاملی می باشد (Irarragorri and Martınez 2013).

بررسی و تحلیل مقاله Hassanzadeh و همکاران در سال ۲۰۱۳

در سال ۲۰۱۳، Hassanzadeh و همکاران یک مدل چندهدفه عدد صحیح باینری[۲] برای انتخاب سبد پروژه تحقیق و توسعه ارائه نموده است. در این مدل اهداف در رقابت با یکدیگر بوده و ضرایب توابع هدف و محدودیت ها همگی غیرقطعی و نامعین می باشند. به منظور مواجهه با عدم قطعیت مذکور بهینه سازی استوار (Robust optimization) بکار گرفته شده است. مثالی در این مقاله جهت نمایش عملکرد روش حل ارائه شده است. نویسندگان مدعی هستند که می توان از روش ارائه شده در حالت عمومی تر و برای مسائلی که به روش چندهدفه عددصحیح مختلط نیز مدل شده باشند استفاده نمود. این مقاله ابتدا بهینه سازی استوار را برای مسئله تک هدفه بکارگرفته و سپس به حالت چندهدفه آن را توسعه داده است. روش به کار برده شده برای حل حالت چند هدفه، رویه IWTP[3] می باشد که با استفاده از این رویه جواب های غیرمسلطِ استوار تولید می شوند. مثال عددی مقاله مربوط به انتخاب سبد پروژه در یک شرکت فناوری اطلاعات می باشد که قصد انتخاب سبد از بین ۱۴ پروژه موجود و سه هدف حداکثر نمودن سود، حداقل نمودن ریسک و حداقل نمودن هزینه های مختلف را دارد. به عنوان تحقیقات آتی نویسندگان استفاده از روش ارائه شده را برای حل سایر مسائل برنامه ریزی عددصحیح مختلط با عدم قطعیت در ضرایب تابع هدف و محدودیت ها توصیه نموده اند که البته توصیه چندان ویژه و خاصی نیز نمی باشد (Hassanzadeh, Nemati et al. 2013).

بررسی و تحلیل مقاله Bastiani و همکاران در سال ۲۰۱۳

یکی از چالش های مهم در تحلیل، جستجو و انتخاب سبد پروژه وجود دارد، داشتن روشی کارا به منظور ارزیابی تاثیر هر یک از پروژه ها به منظور مقایسه آن ها می باشد. در سال ۲۰۱۳ Bastiani و همکاران مدلی را ارائه نموده اند که کیفیت هر یک از پروژه ها در یک سبد از طریق بهینه سازی چندهدفه ارزیابی می گردد. در این مقاله جواب های مناسب برای مدل مذکور با استفاده از یک روش تکاملی (Evolutionary Method) بدست آمده اند که این روش از روش NSGA-II نشأت گرفته است. در واقع این مقاله به ادغام رتبه هر یک از پروژه های موجود در یک سبد پرداخته است. این رتبه ها می تواند از هر یک از روش های تصمیم گیری چندمعیاره بدست آمده باشد (Bastiani, Cruz et al. 2013).

بررسی و تحلیل مقاله Fernandez و Olmedo در سال ۲۰۱۳

در انتخاب سبد پروژه در بخش عمومی (دولتی) دو سوال عمده به شرح ذیل وجود دارد:

• چگونگی حصول اطلاعات مورد نیاز در ارتباط با ترجیحات افراد
• چگونگی تعیین سبد به نحوی که بیشترین رضایت افراد را ایجاد نماید

در سال ۲۰۱۳، Fernandez و Olmedo دو رویه برای بهینه سازی سبد اقداماتِ عمومی[۴] با استفاده از اطلاعاتی که از فرآیندهای مشارکتی شهروندان حاصل می شود ارائه نموده اند. روش انتخاب شده به اطلاعات مربوط به ترجیحاتِ جمع آوری شده از مشارکت های گروهی وابسته می باشد. در این مقاله جواب های غیرمسلط با استفاده از روش NSGA-II به دست آمده اند. مقاله مذکور دو مثال واقعی را نیز در این زمینه مورد بررسی قرار داده و حل نموده است (Fernandez and Olmedo 2013).

بررسی و تحلیل مقاله عباسیان جهرمی و رجایی در سال ۲۰۱۳

از آنجایی که بحث انتخاب سبد پروژه در حوزه عمرانی به جهت پیچیدگی بسیار زیاد پروژه ها و ماهیت پویای آن ها از اهمیت ویژه ای برخوردار می باشد، لذا در این صنعت با سطح بالایی از عدم قطعیت در مسئله انتخاب سبد پروژه مواجه هستیم. از این رو عباسیان جهرمی و رجایی در سال ۲۰۱۳ به بررسی و حل این مسئله در حوزه عمرانی پرداخته اند. ایشان یک روش ترکیبی مشتمل بر دو فاز را برای مواجهه با مسئله مذکور پیشنهاد نموده اند. در مرحله اول با استفاده از روش FCBR[5]، غربال اولیه ای از پروژه ها با هدف حداقل نمودن ریسک شرکت صورت می گیرد. این غربال گری با توجه به فاکتورهایی که تولید کننده ریسک محسوب می شوند و نیز با توجه به داده های تاریخی موجود در شرکت صورت می پذیرد. در مرحله دوم مناسب ترین پروژه های غربال شده به سبد پروژه های تخصیص داده می شوند که این اقدام نیز با استفاده از یک برنامه ریزی آرمانی صفر و یک انجام می گردد. این مقاله در برگیرنده یک مثال واقعی بوده که نتایج حل مسئله مذکور توسط داده های واقعی اعتبارسنجی شده است. این مسئله در برگیرنده مفروضاتی است که به عقیده نویسندگان مدل سازی و حل مسئله بدون لحاظ نمودن مفروضات مذکور فرصتی برای تحقیقات جدید خواهد بود. همچنین حل چنین مسائلی با در نظر گرفتن تعاملات داخلی بین پروژه ها نیز از جهت توسعه این تحقیق حائز اهمیت می باشد. همچنین بکارگیری مدل این مسئله در حوزه های دیگر و با تلفیق اهداف و محدودیت های جدیدتر به عنوان زمینه ای برای تحقیقات آتی قابل تامل می باشد (Abbasianjahromi and Rajaie 2013).

بررسی و تحلیل مقاله Mazelis و Solodukhin در سال ۲۰۱۳

انتخاب سبد پروژه ها بخش مهمی از برنامه توسعه استراتژیک یک موسسه قلمداد می گردد. در سال ۲۰۱۳، Mazelis و Solodukhin مدل های بهینه سازی چند دوره ای خاصی را برای پشتیبانی تصمیم گیری در حل مسئله مذکور پیشنهاد نموده اند که سطح مجازی از ریسک را تحت تئوری مارکوویچ و با استفاده از رویکردی مبتنی بر سناریونویسی ایجاد می نماید. نویسندگان مقاله از یک تابع مطلوبیت به عنوان تابع هدف استفاده کرده اند که این تابع بر اساس سطح دستیابی سازمان به اهداف استراتژیک خود تعریف می گردد. بدیهی است مقادیر این تابع به نتایج اجرای پروژه ها در بازه های زمانی مختلف، مقدار هزینه های پروژه ها و حجم منابع مورد نیاز وابسته خواهد بود. در مدل سازی صورت گرفته در مقاله فرض بر آن است که یک موسسه دارای N پروژه و K هدف استراتژیک می باشد که این اهداف استراتژیک می توانند خروجی کارت امتیازی متوازن باشند. همچنین به منظور بررسی حالات و شرایط مختلف داخلی و خارجی موسسه فرض شده است که L سناریو با احتمال های متفاوت وجود دارند. با چنین مفروضاتی و با توجه به سطح مجاز ریسک و مطلوبیت حاصل از اجرای هر یک از سناریوها، سبد بهینه در دوره های زمانی مختلف تشکیل می گردد (Mazelis and Solodukhin 2013).

بررسی و تحلیل مقاله Gerogiannis و همکاران در سال ۲۰۱۳

 در سال ۲۰۱۳ Gerogiannis و همکاران از دیدگاه مدیریت سیستم های اطلاعاتی به مقوله انتخاب سبد پروژه پرداخته اند. ایشان معتقد هستند فضای سیستم های اطلاعاتی از شکل سنتی خود (تک کاربره و تک پروژه ای) خارج شده و به یک فضای تحت شبکه، چندپروژه ای و چند علمیاتی وارد شده است. در چنین فضایی وجود ذی نفعان مختلف که امکان دریافت و ادغام ترجیحات ایشان با دشواری های زیادی همراه می باشد بر پیچیدگی مسئله می افزاید. این مقاله به منظور فائق آمدن بر چنین چالشی یک رویکرد ترکیبی انتخاب/ارزیابی مبتنی بر روش TOPSIS و IFS[6] ارائه نموده است. رویکرد مذکور بر روی یک مطالعه موردی با هدف ایجاد یک سبد پروژه سیستم های مدیریت اطلاعات در دانشگاه هِلِنیک مورد استفاده قرار گرفته است. محققان این مقاله از روش هایی که بتوانند با عدم قطعیت موجود در فضای مسئله با دقت بیشتری کار نمایند به عنوان موضوعی برای تحقیقات آتی یاد کرده اند (Gerogiannis, Fitsilis et al. 2013).

بررسی و تحلیل مقاله Rivera و همکاران در سال ۲۰۱۳

در حوزه انتخاب سبد پروژه ها علاوه بر عوامل مختلفی نظیر سود انتظاری که در حل این مسئله تاثیر گذار می باشد، فاکتور مهمی وجود دارد که در ارزیابی سبد تاثیر بسزایی دارد و آن هم افزایی[۷] است. بدین معنا که دو یا چند پروژه مکمل[۸] یکدیگر بوده و سود مضاعفی را نسبت به حالت اجرای تک تک آن ها عاید خواهد نمود. همچنین افزونگی[۹] به عنوان حالت خاصی از هم افزایی هنگامی اتفاق می افتد که دو یا چند پروژه را نتوان به صورت همزمان تامین مالی نمود. هر دو معیار مذکور (مکمل بودن و افزونگی) سبب افزایش پیچیدگی در ارزیابی گروه پروژه ها می گردد. در سال ۲۰۱۳، Rivera و همکاران روشی مبتنی بر کلونی مورچگان را به منظور مدیریت کردن این دو گزینه در مسئله انتخاب سبد پروژه ارائه نموده اند. ایشان معتقدند که در دو حالت بررسی تاثیر هم افزایی اهمیت چندانی نداشته و می توان از آن چشم پوشی نمود:

• تعامل بین پروژه ها بسیار ضعیف باشد و
• تعاملات موجود، تمامی پروژه ها را به یک شکل و به صورت ثابت متاثر نماید.

در غیر این دو صورت لازم است تاثیر هم افزایی به نحو موثری مد نظر قرار گیرد. تفاوت اصلی این مقاله با مقالات مشابهی نظیر (Doerner, Gutjahr et al. 2004; Liesiö, Mild et al. 2007; Carazo, Gómez et al. 2010) که بر ایجاد سبد پروژه با در نظر گرفتن هم افزایی صورت گرفته است در این است که ترجیحات تصمیم گیرندگان را نیز در هنگام تصمیم گیری مد نظر قرار داده است. این مقاله چهار نوع هم افزایی را به شرح لحاظ نموده است:

• هم افزایی مثبت بر روی ارزش های هدف،
• هم افزایی منفی بر روی ارزش های هدف،
• افزونگی و
• هم افزایی از طریق کاهش در هزینه ها.

 این مقاله مرور مناسبی بر روی روش ها و ابزارهای حل مسئله انتخاب سبد پروژه با در نظر گرفتن حالت های مختلف هم افزایی انجام داده و در نهایت الگوریتم پیشنهادی خود را که از الگوریتم [۱۰]Dorigo ایده گرفته ارائه نموده است؛ با این تفاوت که برای لحاظ نمودن ترجیحات، تغییراتی را در فازهای ساخت[۱۱] و بروزرسانی[۱۲] اعمال کرده است. این مقاله در نهایت با ارائه یک مثال عددی توان الگوریتم پیشنهادی خود را مورد بررسی قرار داده و در نظر گرفتن تمامی حالات هم افزایی در مدل را به عنوان تحقیقات آتی پیشنهاد نموده است (Rivera, Gómez et al. 2013).

بررسی و تحلیل مقاله Morton و همکاران در سال ۲۰۱۳

تحلیل چندمعیاره سبد توسط روش های مختلفی بویژه روش هایی که بر مبنای تجزیه و تحلیل چندمعیاره توسعه یافته اند صورت می گیرد. محور اصلی این تحلیل انتخاب یک زیرمجوعه (سبد) از موارد در دسترس با هدف حداکثر نمودن عملکرد و با توجه به چندین معیار مختلف می باشد. در این بین توجه به منابع در دسترس نیز از اهمیت ویژه ای برخوردار می باشد. در سال ۲۰۱۳ Morton و همکاران مدلی به منظور حل این مسئله (که یک مسئله تصمیم گیری و انتخاب می باشد) ارائه نموده اند. در این مقاله برخی از مهمترین چالش ها و  فرصت های موجود در مدل سازی مسئله انتخاب سبد پروژه بررسی شده است. ایشان همچنین کاربرد تحلیل سبد را در چند حوزه از قبیل تخصیص هزینه های تحقیق و توسعه، خرید نظامی، اولویت بندی پروژه های بخش سلامت و برنامه ریزی محیط و انرژی مورد بررسی قرار داده اند (Morton, Keisler et al. 2013).

بررسی و تحلیل مقاله Fernandez و همکاران در سال ۲۰۱۳

اصولاً مدیران دولتی و مدیران ارشد در سازمان هایی که پروژه های عمومی را تامین سرمایه می نمایند با دو مسئله اساسی روبرو هستند:

• ارزیابی هر یک از پروژه ها و
• ایجاد یک سبد از پروژه ها.

هر چند پاسخگویی به سوال دوم یک مسئله استراتژیک است، اما لازم است در مواردی نیز مسئله اول مورد بررسی قرار گیرند.

تحلیل هزینه-فایده

 با توجه به ماهیت پروژه های عمومی روشی که معمولا برای ارزیابی پروژه ها بکار برده می شود تحلیل هزینه-فایده است. اگر چه مقالات بسیار زیادی از این روش استفاده نموده اند (Boardman, Greenberg et al)، مقالات و کتب متعددی از جمله (French 1986; Fernandez and Navarro 2002) نیز به نقد این روش پرداخته اند.

تحلیل چندمعیاره

رویکرد رقیب برای تحلیل هزینه-فایده، تحلیل چندمعیاره است که در برگیرنده طیف وسیعی از تکنیک ها و روش های مختلف نظیر AHP (David and Saaty 2007) ، ANP (Mohanty, Agarwal et al. 2005)، TOPSIS (Mahmoodzadeh, Shahrabi et al. 2007; Salehi and Tavakkoli-Moghaddam 2008; Amiri 2010) و … می باشد.

تحلیل چندهدفه

رویکرد دیگر تحلیل چندهدفه نظیر  (Doerner, Gutjahr et al. 2006; Hu, Wang et al. 2008; Carazo, Gómez et al. 2010; Gutjahr, Katzensteiner et al. 2010) می باشد.

با عنایت به نقاط قوت و ضعف سه رویکرد فوق الذکر، در سال ۲۰۱۳، Fernandez و همکاران مطالعه ای با هدف:

• شناسایی ویژگی های عملیاتی بهترین سبد اجتماعی،
• اثبات هم ارزی و تساوی بین بهترین سبد و بهترین پاسخ توافقی برای مسئله بهینه سازی چندهدفه متناظر و
• استفاده از روش NOSGA II برای مسائل انتخاب سبد پروژه های اجتماعی

 را انجام داده و نتایج رضایت بخشی را بدست آورده اند (Fernandez, Lopez et al. 2013).

بررسی و تحلیل مقاله Nowak در سال ۲۰۱۳

بسیاری از محققان و دست اندرکاران حوزه مدیریت سبد پروژه بر این باورند که هر دو نوع معیار کمی و کیفی بایستی هنگام ایجاد سبد پروژه مد نظر قرار گیرند. از آنجایی که در بسیاری از مقالات ارائه شده ترجیحات تصمیم گیرندگان پیش از شروع محاسبات جمع آوری می گردد، لذا در سال ۲۰۱۳، Nowak در مقاله ای از رویکرد تعاملی برای مواجهه با این خلاء استفاده نموده است. این رویکرد شامل سه گام اساسی به شرح ذیل می باشد:

• جمع آوری اطلاعات مربوط به ترجیحات تصمیم گیرندگان،
• انجام محاسبات مربوطه و
• تعامل با تصمیم گیرندگان در ارتباط با نتایج بدست آمده.

نویسنده معتقد است که بکارگیری رویکردهای تعاملی پویا می تواند جهتی مناسب برای توسعه این مقاله قلمداد گردد (Nowak 2013).

بررسی و تحلیل مقاله توانا و همکاران در سال ۲۰۱۳

مدل ها و روش های حل بسیار زیادی تا کنون برای مسئله انتخاب سبد پروژه پیشنهاد شده و مورد استفاده قرار گرفته است. توانا و همکاران در سال ۲۰۱۳ یک مدل پیچیده که از یک روش «محدودیت اپسیلون موثر[۱۳]» و یک «الگوریتم چندهدفه تکاملی[۱۴]» (NSGA-II) نشات گرفته و به شکل یک «مسئله فازی چند انتخابی و چندبُعدی کوله پشتی[۱۵]» فرموله شده است را پیشنهاده نموده اند. به منظور کاهش مجموعه جواب های تولید شده از روش تحلیل پوششی داده ها استفاده شده و در نهایت تحلیل های آماری (ANOVA) به منظور مقایسه اثربخشی رویکرد پیشنهاد شده انجام شده است. همچنین به منظور اثبات قابلیت کاربرد مدل ارائه شده یک مطالعه موردی بکار گرفته شده است. اضافه کردن پارامترهای ریسک، ارزش زمانی پول و تورم از جمله مواردی هستند که توسعه این مقاله را به همراه خواهند داشت. همچنین بهره گیری از فرآیندهای تصادفی به منظور تقویت مدل سازی این مقاله نیز می تواند زمینه ای مناسب برای تحقیقات آتی قلمداد گردد (Tavana, Khalili-Damghani et al. 2013).

بررسی و تحلیل مقاله Kipper و همکاران در سال ۲۰۱۴

هر چند بکارگیری مدل ها و ابزارهای حل پیچیده در ادبیات دارای فراوانی قابل توجهی می باشند اما این بدان معنا نیست که تنها بکارگیری چنین روش هایی امروزه بایستی مد نظر قرار گیرند. در سال ۲۰۱۴ Kipper و همکاران از یک روش امتیازدهی[۱۶] که در زمره روش های بسیار ساده در این حوزه قلمداد می شود برای حل مسئله استفاده نموده است. تمرکز این مقاله بیشتر بر بررسی قابلیت استفادۀ ابزارهای ساده و کاربردی در جوابگویی به نیازهای سازمان ها در تعریف یک سبد پروژه به منظور پشتیبانی از توسعه آن ها می باشد (Kipper, Nara et al. 2014).

جمع بندی

در این مقاله که بخش دوم از سلسله مباحث پیرامون مسئله انتخاب سبد پروژه می باشد به «جنبه های کمی مسئله» پرداخته شد. در بخش سوم «جنبه های کیفی مسئله» مد نظر قرار گرفته و مهمترین مقالات مرتبط در این زمینه مورد بررسی قرار خواهد گرفت.

منابع و مقالات مرتبط

• Abbasianjahromi, H. and H. Rajaie (2013). “Application Of Fuzzy Cbr And Modm Approaches In The Project Portfolio Selection In Construction Companies.” Iranian Journal Of Science And Technology Transaction B-Engineering 37(C1): 143-155.
• Amiri, M. P. (2010). “Project selection for oil-fields development by using the AHP and fuzzy TOPSIS methods.” Expert Systems with Applications 37(9): 6218-6224.
• Bastiani, S. S., L. Cruz, et al. (2013). Project Ranking-Based Portfolio Selection Using Evolutionary Multiobjective Optimization of a Vector Proxy Impact Measure. Fourth International Workshop on Knowledge Discovery, Knowledge Management and Decision Support, Atlantis Press.
• Boardman, A., D. Greenberg, et al. Cost-benefit Analysis: Concepts and Practices. 1996, Prentice Hall.
• Carazo, A. F., T. Gómez, et al. (2010). “Solving a comprehensive model for multiobjective project portfolio selection.” Computers & operations research 37(4): 630-639.
• David, J. and D. Saaty (2007). Use analytic hierarchy process for project selection. ASQ Six Sigma Forum Magazine.
• Doerner, K., W. J. Gutjahr, et al. (2004). “Pareto ant colony optimization: A metaheuristic approach to multiobjective portfolio selection.” Annals of Operations Research 131(1-4): 79-99.
• Doerner, K. F., W. J. Gutjahr, et al. (2006). “Pareto ant colony optimization with ILP preprocessing in multiobjective project portfolio selection.” European Journal of Operational Research 171(3): 830-841.
• Fernandez, E., E. Lopez, et al. (2013). “Application of the non-outranked sorting genetic algorithm to public project portfolio selection.” Information Sciences: an International Journal 228: 131-149.
• Fernandez, E. and J. Navarro (2002). “A genetic search for exploiting a fuzzy preference model of portfolio problems with public projects.” Annals of Operations Research 117(1-4): 191-213.
• Fernandez, E. and R. Olmedo (2013). “Public project portfolio optimization under a participatory paradigm.” Applied Computational Intelligence and Soft Computing 2013: 4.
• French, S. (1986). Decision theory: an introduction to the mathematics of rationality, Halsted Press.
• Gerogiannis, V. C., P. Fitsilis, et al. (2013). “Evaluation of project and portfolio Management Information Systems with the use of a hybrid IFS-TOPSIS method.” Intelligent Decision Technologies 7(1): 91-105.
• Gutjahr, W. J., S. Katzensteiner, et al. (2010). “Multi-objective decision analysis for competence-oriented project portfolio selection.” European Journal of Operational Research 205(3): 670-679.
• Hassanzadeh, F., H. Nemati, et al. (2013). “Robust Optimization for Interactive Multiobjective Programming with Imprecise Information Applied to R&D Project Portfolio Selection.”
• Hu, G., L. Wang, et al. (2008). “A multi-objective model for project portfolio selection to implement lean and Six Sigma concepts.” International Journal of Production Research 46(23): 6611-6625.
• Irarragorri, F. L. and N. M. A. Martınez (2013). “R&D project portfolio selection in public organizations.”
• Kipper, L. M., E. O. B. Nara, et al. (2014). “The Use of Scoring Method for Prioritizing the Project Portfolio.” Journal of Management Research 6(1): 156-169.
• Liesiö, J., P. Mild, et al. (2007). “Preference programming for robust portfolio modeling and project selection.” European Journal of Operational Research 181(3): 1488-1505.
• Mahmoodzadeh, S., J. Shahrabi, et al. (2007). “Project selection by using fuzzy AHP and TOPSIS technique.” International Journal of Human and social sciences 1(3): 135-140.
• Mazelis, L. S. and K. S. Solodukhin (2013). “Multi-Period Models for Optimizing an Institution’s Project Portfolio Inclusive of Risks and Corporate Social Responsibility.” Middle-East Journal of Scientific Research 17(10): 1457-1461.
• Mohanty, R., R. Agarwal, et al. (2005). “A fuzzy ANP-based approach to R&D project selection: a case study.” International Journal of Production Research 43(24): 5199-5216.
• Morton, A., J. Keisler, et al. (2013). Multicriteria Portfolio Decision Analysis for Project Selection, Technical Report, London School of Economics and Political Science, LSEOR 13.141.
• Nassif, L. N. and J. M. Nogueira (2013). “Project Portfolio Selection in Public Administration Using Fuzzy Logic.” Procedia-Social and Behavioral Sciences 74: 322-331.
• Nowak, M. (2013). “Project Portfolio Selection Using Interactive Approach.” Procedia Engineering 57: 814-822.
• Rivera, G., C. G. Gómez, et al. (2013). “Handling of Synergy into an Algorithm for Project Portfolio Selection.” Recent Advances on Hybrid Intelligent Systems: 417-430.
• Salehi, M. and R. Tavakkoli-Moghaddam (2008). “Project selection by using a Fuzzy Topsis technique.”
• Tavana, M., K. Khalili-Damghani, et al. (2013). “A fuzzy multidimensional multiple-choice knapsack model for project portfolio selection using an evolutionary algorithm.” Annals of Operations Research: 1-35.

پاورقی ها

• [۱] Multiobjective Mixed Integer Linear Mathematical Model
• [۲] Multiobjective Binary Integer Programming Model
• [۳] Interactive Weighted Tchebycheff Procedure (IWTP)
• [۴] Public Actions
• [۵] Fuzzy Case-Based Reasoning
• [۶] Intuitionistic Fuzzy Sets
• [۷] Synergy
• [۸] Complementary
• [۹] Redundancy
• [۱۰] Dorigo, Maniezzo et al. 1996
• [۱۱] Constructing
• [۱۲] Updating
• [۱۳] Efficient Epsilon-Constraint (EEC)
• [۱۴] Multiobjective Evolutionary Algorithm
• [۱۵] Fuzzy Multidimensional Multiple-choice Knapsack Problem (MMKP)
• [۱۶] Scoring Method