حل مسئله زمانبندی پروژه بر پایه حجم کار با منبع محدود برای کمینه کردن هزینه های زودکرد و دیرکرد با الگوریتم ژنتیک
Authors
abstract
در این مقاله، مسئله زمانبندی پروژه بر پایه حجم کار[1]با محدودیت منبع برای کمینه کردن هزینه های زودکرد و دیرکرد با توجه به حجم کار ثابت برای فعالیت ها، روابط پیشنیازی و محدودیت منابع تجدیدپذیر مورد بررسی و تحلیل قرارگرفته است. باتوجه به اینکه فعالیت ها دارای سررسید مشخصی هستند برای فعالیت هایی که از سررسید خود انحراف دارند جریمه زودکرد و دیرکرد در نظر گرفته می شود. برای حل این مسئله دو الگوریتم فراابتکاری ژنتیک و شبیه سازی تبرید طراحی شده و پارامترهای این الگوریتم ها با استفاده از روش تاگوچی تنظیم شده است. برای بررسی عملکرد این دو الگوریتم، مجموعه ای از مسائل نمونه حل و با با استفاده از آزمون های آماری به مقایسه جواب های حاصل از دو الگوریتم پرداخته شده است.
similar resources
حل مسئله زمانبندی پروژه بر پایه حجم کار با منبع محدود برای کمینه کردن هزینههای زودکرد و دیرکرد با الگوریتم ژنتیک
در این مقاله، مسئله زمانبندی پروژه بر پایه حجم کار[1]با محدودیت منبع برای کمینه کردن هزینههای زودکرد و دیرکرد با توجه به حجم کار ثابت برای فعالیتها، روابط پیشنیازی و محدودیت منابع تجدیدپذیر مورد بررسی و تحلیل قرارگرفته است. باتوجه به اینکه فعالیتها دارای سررسید مشخصی هستند برای فعالیتهایی که از سررسید خود انحراف دارند جریمه زودکرد و دیرکرد در نظر گرفته می شود. برای حل این مسئله دو الگوریتم ...
full textحل مسالهRcpsp/max با هدف کمینه کردن جریمه دیرکرد فعالیتها با استفاده از الگوریتم ژنتیک
در این مقاله مساله زمان بندی پروژه با محدودیت منابع و وجود تاخیرات زمانی حداکثر و حداقل میان فعالیتها با هدف کمینه کردن جریمه ناشی از دیرکرد فعالیتها، مورد بررسی قرار گرفته است. جهت حل مدل از الگوریتم فراابتکاری ژنتیک استفاده شده است. دراین الگوریتم از زمانبندی مستقیم(رو به جلو) بهره برده شده و لیست فعالیت به عنوان ساختار نمایش کروموزومها برگزیده شده است .از طرح تولید زمان بندی سری نیز به ...
full textزمانبندی پروژه با منابع محدود با اهداف کمینه سازی زودکرد-دیرکرد موزون و زمان ختم پروژه
از جمله مسائل با ادبیات غنی در حوزه مسائل تحقیق در عملیات و مدیریت پروژه، زمانبندی پروژه با در نظر گرفتن محدودیت منابع است. تاکنون مقالات و کتاب های بیشماری در آن زمینه به چاپ رسیده که دو دلیل عمده بر این امر می توان برشمرد: نخست آن که این مسئله با توجه به شرایط متفاوت کاربردی و صنعتی از نظر np-hard بودن تابع هدف، خصوصیات فعالیت ها، منابع و روابط پیش نیازی بسیار متنوع اند و دوم آن که، محققین هم...
15 صفحه اولکمینه کردن جریمه دیرکرد و بیشینهکردن پاداش زودکرد انجام فعالیتها در مسئله MRCPSP/max با استفاده از الگوریتم ژنتیک دو مرحلهای
در این مقاله، برای اولین بار مسئله زمانبندی پروژه در شرایط محدود بودن منابع، امکان اجرای فعالیتها در چندین مد و با در نظر گرفتن تأخیرات زمانی بیشینه و کمینه میان زمانهای شروع فعالیتها، MRCPSP/max ، با هدف کمینهکردن جریمه دیرکرد و بیشینه کردن پاداش زودکرد اتمام فعالیتها، مطرح شده و مورد بررسی قرار گرفته است. پس از بررسی تاریخچه و روند استفاده از روشهای مختلف در حل مسائل مشابه در سالهای گذ...
full textکمینه کردن جریمه دیرکرد و بیشینه کردن پاداش زودکرد انجام فعالیت ها در مسئله mrcpsp/max با استفاده از الگوریتم ژنتیک دو مرحله ای
در این مقاله، برای اولین بار مسئله زمانبندی پروژه در شرایط محدود بودن منابع، امکان اجرای فعالیت ها در چندین مد و با در نظر گرفتن تأخیرات زمانی بیشینه و کمینه میان زمان های شروع فعالیت ها، mrcpsp/max ، با هدف کمینه کردن جریمه دیرکرد و بیشینه کردن پاداش زودکرد اتمام فعالیت ها، مطرح شده و مورد بررسی قرار گرفته است. پس از بررسی تاریخچه و روند استفاده از روش های مختلف در حل مسائل مشابه در سال های گذ...
full textالگوریتم ژنتیک برای مسئله زمان بندی تک ماشین با جرایم زودکرد، و توان دوم دیرکرد و با در نظر گرفتن زمان بیکاری و شکست کار
در این مقاله، مسئله زمانبندی تک ماشین با هزینههای زودکرد خطی و دیرکرد توان دوم، با در نظر گرفتن شکست کار و بیکاری مجاز مورد بررسی قرار گرفته و یک مدل ریاضی غیرخطی جدیدی برای مسئله زمانبندی تک ماشین ارائه شده است. با در نظر داشتن پیچیدگی در حل، این مسئله به عنوان مسائل NP-hard تلقی میگردد. بنابراین استفاده از روشهایی که نتایج بهینه تولید میکنند، تنها برای مسئله های با اندازه کوچک مناسب اس...
full textMy Resources
Save resource for easier access later
Journal title:
مطالعات مدیریت صنعتیPublisher: دانشگاه علامه طباطبایی
ISSN
volume 12
issue 35 2015
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023