دست یابی به چیدمان بهینه سه گانه در مسئله چیدمان بسته های دو بعدی با بکارگیری مدل ترکیبی پیشرفته

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 418

فایل این مقاله در 13 صفحه با فرمت PDF و WORD 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:

NSOECE04_042

تاریخ نمایه سازی: 9 مرداد 1395

چکیده مقاله:

مسئله ی چیدمان بسته ها یکی از مسائل کلاسیک بهینه سازی چندگانه، پایه ای در علوم کامپیوتر با ساختار بهینه سازی ترکیبی و گونه ای خاص از مسئله ی کوله پشتی باینری محسوب می گردد. در این مقاله برای افزایش دقت و کارایی دست یابی به چیدمان بهینه سه گانه مدلی مبتنی بر ترکیب شبکه ی عصبی مصنوعی و الگورتیم ژنتیک تحت عنوان مدل ترکیبی پیشرفته برای مسئله چیدمان بسته های دو بعدی ارائه شده است. هدف این مطالعه ارائه چیدمان بهینه مبتنی بر سه شرط برای مسئله چیدمان بسته ها در فضای دو بعد با استناد به ارائه و قیاس هایی مبتنی بر الگورتیم ژنتیک و نسخه ی ترکیبی آن با شبکه عصبی مصنوعی می باشد. زیرا یکی از بارزترین محدودیت ها برای دست یابی به چیدمان بهینه با توجه به ماهیت غیر چند جمله ای سخت مسئله مذکور، در واقع همان دست یابی به چیدمان بهینه سه گانه است که به سبب داشتن ماهیت سخت مسئله چیدمان بسته های دو بعدی، به گونه ای عمل می کند که افزایش زمان دست یابی به حالت بهینه با افزایش ابعاد مسئله همراه است. بدین منظور مسئله چیدمان بسته های دو بعدی مبتنی بر الگورتیم ژنتیک و مدل ترکیبی پیشرفته در محیط متلب پیاده سازی و مقایسه گردیدند.یافته ها و نتایج تجربی حاکی از کارایی و موفقیت مدل پیشنهادی در کاهش زمان دست یابی به چیدمان بهینه و بهبود حالت بهینه می باشد.در نهایت هم با پیاده سازی روش های پیشنهادی مبتنی بر توابع محک، برتری مدل ترکیبی پیشرفته برای دست یابی به چیدمان بهینه سه گانه در فضای دو بعداثبات گردید

کلیدواژه ها:

مسئله چیدمان بسته های دو بعدی ، چیدمان بهینه سه گانه ، الگورتیم ژنتیک ، مدل ترکیبی پیشرفته ، شبکه عصبی مصنوعی

نویسندگان

Shima Shafiee

دانشجوکارشناسی ارشدسیستم های کامپیوتری، گروه کامپیوتر، موسسه آموزش عالی طبری بابل، مازندران، ایران.

Farhad Ramezani

هیئت علمی گروه کامپیوتر، دانشگاه آزاد اسلامی، واحد ساری، مازندران، ایران.