ارتقای قابلیت‌های تصمیم‌گیری استراتژیک مدیران پروژه‌های عمرانی با استفاده از یادگیری تقویتی: چارچوبی مبتنی بر شبیه‌سازی در شرایط عدم قطعیت اقتصادی

ارتقای قابلیت‌های تصمیم‌گیری استراتژیک مدیران پروژه‌های عمرانی با استفاده از یادگیری تقویتی: چارچوبی مبتنی بر شبیه‌سازی در شرایط عدم قطعیت اقتصادی

محمود گلابچی1 محمد حسین محسنی2

1) دكتراي معماري و مهندسي راه و ساختمان،استاد تمام پرديس هنرهاي زيبا و عضو هيئت علمي،دانشگاه تهران ،
2) دانشجو مقطع کارشناسی ارشد رشته عمران گرایش مهندسی و مدیریت ساخت دانشگاه هنز و معماری پارس ،

کد IOI مقاله : ABGG-ACAGGZ
محل انتشار : یازدهمین کنفرانس بین المللی پژوهش در علوم و مهندسی و هشتمین کنگره بین المللی عمران، معماری و شهرسازی آسیا(11icrsie.ir)
چکیده :
    پروژه‌های عمرانی به دلیل سرمایه‌گذاری قابل‌توجه، طولانی‌بودن دوره اجرا و تأثیرپذیری از نوسانات اقتصادی، با چالش‌های متعددی در تصمیم‌گیری استراتژیک مواجه‌اند. در چنین شرایطی، رویکردهای متعارف برنامه‌ریزی و کنترل پروژه به‌تنهایی پاسخ‌گوی ضرورت بازنگری مستمر راهبردها و ارزیابی پیامدهای بلندمدت تصمیمات نیستند. هدف پژوهش حاضر، تبیین ظرفیت یادگیری تقویتی در ارتقای قابلیت‌های تصمیم‌گیری استراتژیک مدیران پروژه‌های عمرانی و ارائه چارچوبی یکپارچه مبتنی بر شبیه‌سازی در شرایط عدم قطعیت اقتصادی است. این پژوهش با رویکردی مفهومی و مبتنی بر تحلیل مبانی نظری، چارچوبی متشکل از هفت لایه شامل راهبری استراتژیک، پایش داده‌ها، شبیه‌سازی محیط، صورت‌بندی مسئله یادگیری تقویتی، آموزش و ارزیابی عامل، تعامل انسان و سامانه و یادگیری سازمانی ارائه می‌کند. در این چارچوب، عامل یادگیرنده از طریق تعامل با محیط شبیه‌سازی‌شده و ارزیابی پیامد اقدامات، سیاست‌های تصمیم‌گیری را در سناریوهای اقتصادی و اجرایی مختلف توسعه می‌دهد. این رویکرد می‌تواند در مدیریت جریان نقدی، تخصیص منابع، اولویت‌بندی فعالیت‌ها و ارزیابی راهبردهای جایگزین به کار گرفته شود. بااین‌حال، اثربخشی آن به اعتبار شبیه‌سازی، کیفیت داده‌ها، طراحی تابع پاداش و نظارت انسانی وابسته است. چارچوب پیشنهادی مبنایی مفهومی برای توسعه نظام‌های تصمیم‌یار هوشمند فراهم می‌کند؛ هرچند اعتبارسنجی تجربی آن برای تعیین اثربخشی عملی ضروری است.

کلمات کلیدی : یادگیری تقویتی تصمیم‌گیری استراتژیک مدیریت پروژه‌های عمرانی عدم قطعیت اقتصادی شبیه‌سازی هوش مصنوعی پشتیبانی تصمیم‌گیری