الگوریتم ژنتیک با عملگرهای ترکیب بهبود یافته برای بهینه سازی برنامه ریزی دستگاه های CNC

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 666

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ELEMECHCONF03_0523

تاریخ نمایه سازی: 9 مرداد 1395

چکیده مقاله:

مساله برنامه ریزی وظایف حرکتی در دستگاه های صنعتی CNC یکی از مهترین مسائل هوشمندسازی رفتاری در صنعت می باشد و این مساله جز مسائل NP-Hard محسوب می گردد. برنامه ریزی وظایف حرکتی دردستگاه های CNC، ترکیبی از مساله برنامه ریزی وظایف ماشین های موازی و مساله TSP می باشد. در این مساله ترمیبی، اساس پیمایش از مساله TSP و کمیه سازی تاخیر اجرایی از برنامه ریزی ماشین های موازی به عنوان هدف اصلی این تحقیق قرار داده شده است. در این تحقیق از محدودیت اولویت در وظایف برای مشخص کردن روال پیمایش TSP استفاده شده است و در حل مساله برنامه ریزی حرکتی از الگوریتم ژنتیک بهبود یافته جدید برای برنامه ریزی وظایف با محدودیت اولویت استفاده شده است تا پیمایش صحیح با بهینه سازی تاخیر اجرای برنامه ریزی وظایف یک فرآیند پردازشی را انجام دهد. نتایج حاصل از شبیه سازی ها شنان می دهد که روش پیشنهادی برنامه ریزی صحیحی برای وظایف با روال پیمایشی TSP ارائه داده است و پارامترهای زمان پاسخ دهی سیستم و تاخیر اجرایی برنامه ریزی را به خوبی بهبود می بخشد.

نویسندگان

سامان تمیزی

دانشجوی کارشناسی ارشد، گروه مهندسی مکاترونیک، دانشگاه آزاد اسلامی، واحد بافق، ایران

اکبر عشقی آذر

دانشجوی کارشناسی ارشد، گروه مهندسی صنایع، دانشگاه آزاد اسلامی، واحد بناب، ایران

علی غفاری

استادیار، گروه کامپیوتر، دانشگاه آزاد اسلامی، واحد تبریز، ایران

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 :
  • H. Kasahara and S. Narita, "Parallel processing of robot-arm control ...
  • C. L. Chen, C. Lee, and E. S. Hou, "Efficient ...
  • G. Erdogan, M. Battarra, and G. Laporte, "Scheduling twin robots ...
  • Z. Meng and Q. Chen, "Hybrid genetic-ant colony algorithm based ...
  • T. Zheng and L. Yang, "Optimal ant colony algorithm based ...
  • F. Belkaid, Z. Sari, and F. Yalaoui, "A hybrid genetic ...
  • A. Bilyk, L. Monch, and C. Almeder, "Scheduling jobs with ...
  • T. Cakar, R. Koker, and H. i. Demir, "Parallel robt ...
  • C. M. Joo and B. S. Kim, "Hybrid genetic algorithms ...
  • S. Balin, "Non-identical parallel machine scheduling using genetic algorithm, " ...
  • F. Baesler and . Palma, "Multiobj ective parallel machine scheduling ...
  • M. Wang, S. Ma, B. Li, Y. Wang, X. He, ...
  • K. O. Ellefsen, "Dynamic robot scheduling using a genetic algorithm, ...
  • Y. Zhang and L. E. Parker, "Multi-robot task scheduling, " ...
  • نمایش کامل مراجع