ترکیبی جدید از الگوریتم های فراابتکاری ژنتیک و شبیه سازی تبرید برای حل مساله زمانبندی کارگاهی انعطاف پذیر

ارزیابی الگوریتم های زمانبندی تولید کارگاهی انعطاف پذیر و مقایسه آنها با الگوریتم ژنتیک دوبخشی

در این مقاله مساله زمانبندی تولید کارگاهی انعطاف پذیر مورد بررسی قرار گرفته است، که بسط یافته مساله زمانبندی تولید کارگاهی می‌باشد. اهداف مساله کمینه کردن حداکثر زمان تکمیل آخرین سفارش(Cmax ) و ماکزیمم بارکاری ماشین (Wm) یعنی ماکزیمم بار کاری در هر ماشین و بارکاری کل (WT) بار کاری کل برای تمام ماشینها است. این مساله جز مسائل NP-hard می‌باشد، بنابراین بدست آوردن جواب بهینه در زمان معقول امکان پذ...

ارائه الگوریتم بهینه سازی گروه ذرات گسسته برای زمانبندی مساله تولید کارگاهی انعطاف پذیر با ماشین های موازی

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...

ارائه الگوریتم های فراابتکاری برای حل مساله زمانبندی تولید کارگاهی انعطاف پذیر

در این پایان نامه، مساله زمانبندی تولید کارگاهی انعطاف¬پذیر مورد بررسی قرار گرفته است. این مساله تعمیم مساله زمانبندی تولید کارگاهی می¬باشد. اهداف مساله کمینه کردن حداکثر زمان تکمیل آخرین سفارش(cmax ) و حداکثر بارکاری ماشینها (wmax) و مجموع بار کاری ماشینها (wt) در نظر گرفته شده¬اند. این مساله جز مسائل np-hard می¬باشد، بنابراین بدست آوردن جواب بهینه به ازای هر نمونه مساله با ابعاد دلخواه در زما...

مقایسه و تحلیلی بر استفاده از الگوریتم های فراابتکاری برای حل مسائل زمانبندی تولید کارگاهی

One of the most important problems in research and applied fields of production management is a suitable scheduling for different operations. So, there are many approaches for job workshop or job non-workshop scheduling problems. Since job workshop scheduling problems (JSP) belong to NP-Hard class, some metaheuristics methods such as Tabu Search, Simulated Annealing, Genetic Algorithm and Parti...

ارزیابی الگوریتم های زمانبندی تولید کارگاهی انعطاف پذیر و مقایسه آنها با الگوریتم ژنتیک دوبخشی

در این مقاله مساله زمانبندی تولید کارگاهی انعطاف پذیر مورد بررسی قرار گرفته است، که بسط یافته مساله زمانبندی تولید کارگاهی می باشد. اهداف مساله کمینه کردن حداکثر زمان تکمیل آخرین سفارش(cmax ) و ماکزیمم بارکاری ماشین (wm) یعنی ماکزیمم بار کاری در هر ماشین و بارکاری کل (wt) بار کاری کل برای تمام ماشینها است. این مساله جز مسائل np-hard می باشد، بنابراین بدست آوردن جواب بهینه در زمان معقول امکان پذ...