بکارگیری الگوریتم فراابتکاری خفاش پویا و جستجوی همسایگی متغیر برای حل مسیله چیدمان تک سطری تسهیلات

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 478

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

MCED03_437

تاریخ نمایه سازی: 19 خرداد 1396

چکیده مقاله:

مساله چیدمان تک سطری تسهیلات در زمره مسایل NP - سخت طبقه بندی می گردد و هدف آن قرار دادن n تسهیل در یک خط مستقیم است به طوری که مجموع وزنی جریان بین تسهیلات حداقل گردد. حل مساله چیدمان تک سطری تسهیلات با استفاده از الگوریتم های دقیق در یک زمان چندجمله ای ممکن نیست و با افزایش تعداد تسهیلات، زمان حل بصورت نمایی افزایش می یابد،بنابراین در این مقاله با استفاده از الگوریتم های فراابتکاری به حل مساله می پردازیم تا در زمانی مناسب به جوابی خوب دست یابیم. در این مقاله برای نخستین بار با استفاده از الگوریتم فراابتکاری خفاش مجازی پویا و الگوریتم فراابتکاری جستجوی همسایگی متغیر به حل مساله چیدمان تک سطری می پردازیم. به دلیل پیوسته بودن الگوریتم خفاش پویای مجازی امکان استفاده ی مستقیم از آن برایمساله چیدمان تک سطری وجود ندارد، بنابراین در این مقاله ابتدا الگوریتم خفاشی متناسب با مساله چیدمان تک سطری پیشنهاد داده و در محیط نرم افزار سی شارپ پیاده سازی می کنیم. پس از آن جواب های بدست آمده از روش پیشنهادی را با بهترین جواب بدست آمده در مقاله های پیشین مقایسه می کنیم.

کلیدواژه ها:

چیدمان تک سطری تسهیلات ، الگوریتم فراابتکاری خفاش پویا ، جستجوی همسایگی متغیر

نویسندگان

راضیه موسوی

دانشجوی کارشناسی ارشد رشته مهندسی صنایع دانشگاه صنعتی شیراز

مرتضی کاظمی

گروه مهندسی صنایع دانشگاه صنعتی شیراز

سید مصطفی خرمی زاده

استاد مشاور، دانشکده ریاضی دانشگاه صنعتی شیراز

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 :
  • آبان 1395 - مشهد _ International Conference on Management and ...
  • Amaral, A. R. (2008). Enhanced local search applied to the ...
  • Anjos, M. F., Kennings, A., & Vanelli, A. (20 05). ...
  • Anjos, M. F., & Vannelli, A. (2008). Computing globally optimal ...
  • de Alvarenga, A. G., & Negreiro s-Gomes, F. J. (20 ...
  • Guan, J., & Lin, G. (2016). Hybridizing variable neighborhood search ...
  • Hall, K. M. (1970). An r-dimensional quadratic placement algorithm. Management ...
  • Kumar, K. R., Hadjinicola, G. C., & Lin, T.-1. (1995). ...
  • November 10 - 2016 - Mashhad ...
  • Nematian, J. (2014). A robust single row facility layout problem ...
  • Picard, J.-C., & Queyranne, M. (1981). On the _ -dimensional ...
  • Richard, L. F., & White, J. A. (1974). Facility layout ...
  • Romero, D., & S anchez-Flores, A. (1990). Methods for the ...
  • Simmons, D. M. (1969). One- dimensional space allocation: an ordering ...
  • Solimanpur, M., Vrat, P., & Shankar, R. (2005). An ant ...
  • Topal, A. O., & Altun, O. (2016). A novel meta-heuristi ...
  • نمایش کامل مراجع