زینب صادقی چوینلی - دانشگاه آزاد اسلامی واحد مشهد
سیدمحمدحسین معطر - دانشگاه آزاد اسلامی واحد مشهد
مجید وفائی جهان - دانشگاه آزاد اسلامی واحد مشهد

امروزه مسائل بهینه سازی در اغلب صنایع وجود دارند. با توجه به پیچیدگی بالا و NP-hard بودن این مسائل، رو های کلاسیک جوابگوی حل این مسأله نمی باشد بنابراین از الگوریتم های فرااکتشافی در حل آن استفاده می شود.الگوریتم بهینه سازی فاخته یکی از جدیدترین و قویترین روش های بهینه سازی تکاملی میباشد. در روش پیشنهادیبرای بهبود کیفیت راه حل، ترتیب ورود جمعیت اولیه براساس الگوریتم neh-d، که مبتنی بر کاهش زمان اجرای هریک از کارها می باشد، تعیین شده است. سپس ماشین های فعال توسط روش مارکوف خوشه بندی می گردند تا در هرمرحله از عملیات انتخاب ماشین از بین ماشین های فعال صورت گیرد، بنابراین تعداد جواب های انتخابی برای الگوریتمجستجوی فاخته محدود می گردد تا سرعت اجرای الگوریتم فاخته افزایش یابد. در نهایت نیز از الگوریتم جستجویفاخته برای تخصیص ماشین ها به کارها و از پرواز لوی برای بهبود در الگوریتم فاخته جهت جستجوی سراسری در کنارجستجوی محلی بهره بره ایم. الگوریتم پیشنهادی بر روی مجموعه داده استاندارد Kacem و Brandimarte و داده های مقالات مرتبط مقایسه شده است. نتایج تجربی نشان میدهد که الگوریتم پیشنهادی سرعت بالاتری در رسیدنبه جواب نهایی همچنین همگرایی بالایی در جواب ها دارد.

الگوریتم جستجوی فاخته، الگوریتم NEH-D، جستجوی همسایگی، خوشه بندی مارکوف، زمانبندی کارکارگاهی انعطاف پذیر