طراحی مدلی برای مسائل تولید دسته ای در صنایع فرآیندی به کمک الگوریتم ژنتیک

در این مقاله به طراحی مدلی برای مسائل تولید دسته ای در صنایع فرآیندی پرداخته می شود. مدلسازی مسئله مورد بررسی درشرایط عدم قطعیت انجام گرفته و شرایط عدم قطعیت بر پایه سناریوهای مختلف و بصورت گسسته در نظر گرفته شده است. در اینمقاله با فرض اینکه همه منابع در نظر گرفته شده تجدید پذیر باشند یک مدل ریاضی ارائه می گردد که هدف، تعیین یک حالتاجرایی و یک زمان شروع برای هر عملیات می باشد بطوریکه کلیه محدودیت ها، اجرا و زمان پردازش کلیه دسته ها حداقل گردد. مدلپیشنهادی بر پایه مدل های زمان بندی پروژه چند حالته با منابع محدود و مدل های برش و چیدمان می باشد.جهت حل مدل ارائهشده، یک ساختار تلفیقی برای پیاده سازی الگوریتم ژنتیک پیشنهاد شده است که در آن از عملگرهای جستجوی همسایگی موازی ومتغیر استفاده گردیده. چندین مسئله نمونه با اندازه های مختلف طراحی و توسط دو الگوریتم ژنتیک پیشنهادی و ژنتیک کلاسیکحل گردید. نتایج بر اساس مقادیر تابع هدف و زمان حل با یکدیگر مقایسه شدند. مقایسه نتایج نشان داد که الگوریتم ژنتیکپیشنهادی توانایی دستیابی به جواب هایی با کیفیت بالاتر نسبت به الگوریتم ژنتیک کلاسیک دارد و زمان اجرای الگوریتم ژنتیککلاسیک کمتر از الگوریتم ژنتیک پیشنهادی می باشد.

کلیدواژه ها:

تولید دسته ای ، زمان بندی پروژه چند حالته با منابع محدود ، برش و چیدمان ، الگوریتم ژنتیک