طبقه بندی الگوریتم های ژنتیکی برای حل مساله JSP و مقایسه کارائی آنها
محل انتشار: هشتمین کنفرانس دانشجویی مهندسی برق
سال انتشار: 1384
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,493
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ISCEE08_149
تاریخ نمایه سازی: 1 اسفند 1386
چکیده مقاله:
الگوریتم های ژنتیکی برای حل مسائل Np-Hard طراحی Neural Network ها، Nonlinear Dynamic System , Strategy Planningو ... به کار می روند. از مهمترین موارد استفاده ی GA در حل مسائل Hard NP- اعمال آن بر مسئله JSP می باشد. JSP (JOB SHOP SCHEDULING) از سری مسائل زمان بندی می باشد که در صنعت کاربرد بسیاری دارد چرا که JSP به بررسی نحوه ی توزیع کارها بین ماشین های انجام دهنده ی آن ها می پردازد، به طوری که این کارها در کمترین زمان ممکن انجام شوند، از طرفی بررسی مساله JSPمی تواند به عنوان مدلی برای حل سایر مسائل Np-Hard از قبیل TSP استفاده شود.
کلیدواژه ها:
نویسندگان
کمال کیانی
دانشگاه آزاد اسلامی واحد زنجان
نسیم همایونی
دانشگاه آزاد اسلامی واحد زنجان
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 :