ارائه مدل برنامهریزی ریاضی دو هدفه به منظور حل مساله زمان بندی جریان کارگاهی با در نظر گرفتن حداکثر بار مصرفی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 712
فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
MRMEA01_457
تاریخ نمایه سازی: 30 بهمن 1394
چکیده مقاله:
از سالهای دور تاکنون، کمینه نمودن معیار زمان تکمیل کارها 1 و حذف زمان انتظار، به عنوان یک دغدغه اساسی برای بسیاری از نویسندگان و صنایع مختلف بوده است. این تحقیق با تکیه بر ارائه مدلی کارا درکاهش مصرف انرژی، در تلاشاست هزینههای انتظار و زمان انتظار بین ماشینها و همچنین زمان تکمیل کارها را کمینه نماید تا علاوه بر یکپارچگی مساله، مدلی نزدیک به بازارهای حقیقی ارائه نماید. بدین منظور، با الهام از الگوریتم ژنتیک اولیه و بهره گیری از راه حلهای ارائه شده برای این نوع از مسائل توسط محققین دیگر، نوع خاصی از الگوریتم ژنتیک سازگار شونده 2 ارائه شدهاست که، هسته اصلی آن را چهار عملگر تقاطع بر اساس موقعیت 3 ، جهش جستجوی محلی 4 ، تپه نوردی تکراری 5 و مفهوم تنظیم پارامترها تشکیل میدهند. نتایج طراحی آزمایشات نشان میدهد که، در الگوریتم معرفی شده) (aGA ، روشهایابتکاری به منظور بهبود جواب تاثیر بیشتری نسبت به دو الگوریتم دیگر دارد. به منظور مقایسه عملکرد الگوریتمهای فراابتکاری، این الگوریتمها در محیط متلب کدنویسی شدهاند و با دادههای تصادفی برای مسائل در ابعاد مختلف اجرا شدهاند. بر اساس آنالیزهای مختلف نتیجه گرفتیم که، aGA در مسایل جریان کارگاهی بدون توقف جریان سری 6، عملکرد بهتری هم از نظر زمان پردازش و هم از نظر کیفیت زمان تکمیل کارها، نسبت به الگوریتمهای ژنتیک قبلی دارد
کلیدواژه ها:
نویسندگان
سیدمحسن جلال غفاری
کارشناسی ارشد مهندسی صنایع، گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد کرج
مجید خلیلی
هیات علمی، دکتری تخصصی مهندسی صنایع، گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد کرج
فریدون اوحدی
هیات علمی، دکتری تخصصی مدیریت و حسابداری، گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد کرج
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :