مدل سازی فازی زمان‏بندی کارکنان هواپیما و حل آن با الگوریتم بهینه سازی ذرات انبوه

Authors

میلاد پاک سرشت

دانشکده مهندسی صنایع، دانشگاه علوم و فنون مازندران ایرج مهدوی

دانشکده مهندسی صنایع، دانشگاه علوم و فنون مازندران بابک شیرازی

دانشکده مهندسی صنایع، دانشگاه علوم و فنون مازندران

abstract

مساله زمان‏بندی کارکنان هواپیما از مهم‏ترین مسائل در حوزه تحقیق در عملیات به شمار می رود و به طور عمومی شامل تخصیص گروه های کارکنان به سفرهایی است که می بایست طبق برنامه زمان‏بندی از پیش تعیین شده ای، توسط ناوگان موجود پوشش داده شوند، به طوری که هزینه‏ های مربوط به تخصیص کارکنان به سفرها، کمینه شود. مسئله زمان‏بندی کارکنان به دو فاز کلی تقسیم می‏شود. در فاز اول، تمام سفرهای رفت و برگشتی که شروع و خاتمه آنها در محل استقرار کارکنان است، تحت عنوان مجموعه ماموریت ها تعیین  می‏شود. در فاز دوم به دلیل عدم قطعیت در انجام پرواز به دلایلی از قبیل وضعیت جوی آب و هوا، حضور یا غیبت کارکنان هواپیما، خرابی ناگهانی هواپیما و بسیاری عوامل دیگر، با استفاده از رویکرد مجموعه های فازی به مدلسازی مسئله که خواهان تخصیص بهینه کارکنان به سفرهاست می پردازیم.  استفاده از تئوری مجموعه های فازی در این مسئله شرایط واقعی تری برای زمان‏بندی کارکنان هواپیما ایجاد  می‏کند. در حل مسئله زمان‏بندی کارکنان هواپیما با توجه به قرار گرفتن در گروه مسائل np-hard ، به استفاده از الگوریتم بهینه سازی ذرات انبوه به برای حل مساله مورد پژوهش پرداخته شده است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

حل یک مدل ریاضی جدید برای زمانبندی در شبکه های توزیع با بهینه سازی ذرات انبوه چند هدفه

  در این مقاله، یک مدل ریاضی جدید دو هدفه و آمیخته با اعداد صحیح برای مسایل شبکه‌های توزیع ارایه می­شود. یک تابع هدف هزینه­های خرید، حمل و نقل و نگهداری کالاها را حداقل می­کند و تابع هدف دیگر با عنوان توزیع بهنگام، مجموع مقادیر دیرکرد یا زودکرد تحویل کالاها را با توجه به اختلاف زمان تحویل و زمان مقرر کمینه می­کند. این مدل برای شبکه توزیع سه سطحی شامل تأمین‌کنندگان، عمده­فروشان و خرده­فروشان طرا...

full text

بکارگیری الگوریتم ترکیبی بهینه سازی دسته ذرات برای حل مساله سنتی زمانبندی کار کارگاهی

The classical Job Shop Scheduling Problem (JSSP) is NP-hard problem in the strong sense. For this reason,   different metaheuristic algorithms have been developed for solving the JSSP in recent years. The Particle Swarm Optimization (PSO), as a new metaheuristic algorithm, has applied to a few special classes of the problem.  In this paper, a new PSO algorithm is developed for JSSP. First, a pr...

full text

بهینه سازی بازدهی اکسرژی و تولید آنتروپی توربین بادی با استفاده از الگوریتم انبوه ذرات

هدف این تحقیق افزایش اکسرژی و کاهش تولید آنتروپی برای توربین بادی نوع E‌x‌c‌e‌l-S B‌e‌r‌g‌e‌y با بهینه‌سازی سرعت‌های شروع چرخش، نامی و خاتمه‌ی چرخش در الگوریتم انبوه ذرات است. بدین‌منظور ابتدا تابع هدف با مدل‌سازی ریاضی اکسرژی توربین بادی به دست می‌آید. سپس با گردآوری داده‌های آماری توربین مذکور، توسط کد رایانه‌یی شبکه‌ی عصبی، توربین بادی در نرم‌افزار متلب مدل‌سازی شده و نتایج آن به‌صورت جداول...

full text

برآورد ظرفیت بالفعل مالیاتی ایران با استفاده از الگوریتم بهینه سازی انبوه ذرات (PSO) و الگوریتم ژنتیک (GA)

  با توجه به اهمیت فراوان درآمدهای مالیاتی در تأمین منابع مالی مورد نیاز دولت­ها، بررسی ظرفیت بالفعل مالیاتی همواره مورد توجه دولت­مردان و سیاست­گذاران بوده است. در این مقاله، تابع ظرفیت مالیاتی با دو الگوریتم ژنتیک و بهینه سازی انبوه ذرات طی دوره 1389-1361 برآورد شده است. براساس معیارهای ارزیابی عملکرد که شامل میانگین انحراف معیار، جذر میانگین انحراف معیار، میانگین درصد خطای مطلق و میانگین خطا...

full text

My Resources

Save resource for easier access later


Journal title:
مهندسی حمل و نقل

جلد ۷، شماره ۱، صفحات ۱-۱۲

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023