روش های ابتکاری جدید برای مسایل تعیین اندازه انباشته پویای تک مرحله ای چندمحصولی با محدودیت ظرفیت ، همراه با امکان انتقال راه اندازی ها به پریودهای آتی

Authors

  • سید محمد تقی فاطمی قمی
Abstract:

در این مقاله مساله تعیین اندازه انباشته پویای تک مرحله ای چندمحصولی با محدودیت ظرفیت همراه با امکان انتقال راه اندازی ها به پریود بعد،که بطور خلاصه از آن تحت عنوان CLSPSC نام برده می شود مورد نظر میباشد ابتدا فرموله بندی مسالهCLSPSC در قالب یک مدل برنامه ریزی مخلوط با اعداد صحیح ارائه شده و سپس الگوریتم های ابتکاری برای حل این مساله که از سه بخش اصلی تعیین اندازه انباشته،تامین شرط موجه بودن جواب و روش انتخاب محصول برای انتقال راه اندازی به پریود بعد تشکیل میشود،تشریح شده است. برای الگوریتم های ابتکاری پیشنهادی نرم افزاری با زبان برنامه نویسی C++ نوشته شده است . نتایج محاسباتی حاصل از حل مسایل نمونه کارایی چشمگیرروش را در به دست آوردن جواب های مناسب و با سرعت بالا نشان میدهد،به گونه ای که به راحتی امکان حل مسایل واقعی بزرگ توسط کامپیوترهای شخصی وجود دارد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

روش های ابتکاری جدید برای مسایل تعیین اندازه انباشته پویای تک مرحله ای چندمحصولی با محدودیت ظرفیت ، همراه با امکان انتقال راه اندازی ها به پریودهای آتی

در این مقاله مساله تعیین اندازه انباشته پویای تک مرحله ای چندمحصولی با محدودیت ظرفیت همراه با امکان انتقال راه اندازی ها به پریود بعد،که بطور خلاصه از آن تحت عنوان clspsc نام برده می شود مورد نظر میباشد ابتدا فرموله بندی مسالهclspsc در قالب یک مدل برنامه ریزی مخلوط با اعداد صحیح ارائه شده و سپس الگوریتم های ابتکاری برای حل این مساله که از سه بخش اصلی تعیین اندازه انباشته،تامین شرط موجه بودن جوا...

full text

روش فرا ابتکاری (سیم انپ) برای حل مسایل شبکه‏ ای

  تصمیم گیری بخش مهمی از  مدیریت است و برخی آن را شالوده عمل مدیران می نامند. تصمیم گیری در سطح راهبردی از اهمیت وافری برخوردار می باشد به همین دلیل برای کمک به مدیران، استراتژی ها، مدل ها و روشهای مختلفی در زمینه تصمیم گیری توسعه یافته‏اند که تصمیم­گیری چند معیاره (MCDM)[1] از جمله آنها می باشد. در بیشتر مسایل واقعی انواع مختلف وابستگی­ها بین عناصر موجود در مسئله از جمله وابستگی بین معیارهای ت...

full text

توسعه یک رویکرد حل بر مبنای آزادسازی لاگرانژ و الگوریتم ژنتیک برای مسئله تعیین اندازه انباشته چندمحصولی، چندمرحله ای و چندپریودی با در نظرگیری محدودیت منابع تولیدی

در این مقاله یک روش ترکیبی برای تخصیص و تسطیح منابع محدود در مسائل پیچیده برنامه ریزی تولید چندمرحله ای، چندمحصولی و چندپریودی با هدف تعیین اندازه انباشته و حداقل کردن کل هزینه ارائه شده است. با معلوم بودن ظرفیت تولید ماشین آلات و تقاضای مشتریان، یک برنامه ریزی خطی عدد صحیح با هدف حداقل کردن مجموع هزینه های راه اندازی، نگهداری موجودی و تولید طراحی می شود. برای حل این مسئله یک روش سه مرحله ای تو...

full text

توسعه یک رویکرد حل بر مبنای آزادسازی لاگرانژ و الگوریتم ژنتیک برای مسئله تعیین اندازه انباشته چندمحصولی، چندمرحله‌ای و چندپریودی با در نظرگیری محدودیت منابع تولیدی

در این مقاله یک روش ترکیبی برای تخصیص و تسطیح منابع محدود در مسائل پیچیده برنامه‌ریزی تولید چندمرحله‌ای، چندمحصولی و چندپریودی با هدف تعیین اندازه انباشته و حداقل کردن کل هزینه ارائه شده است. با معلوم بودن ظرفیت تولید ماشین‌آلات و تقاضای مشتریان، یک برنامه‌ریزی خطی عدد صحیح با هدف حداقل کردن مجموع هزینه‌های راه‌اندازی، نگهداری موجودی و تولید طراحی می‌شود. برای حل این مسئله یک روش سه مرحله‌ای تو...

full text

تعیین اندازه انباشته با درنظر گرفتن کالاهای معیوب تحت محدودیت و هزینه احداث فضا

مسئله مقدار سفارش اقتصادی یکی از رایج ترین مدل­های استفاده شده برای مسائل کنترل موجودی و برنامه­ریزی تولید است. در اکثر این مسائل یک فرض رایج غیرواقعی دریافت کالاها باکیفیت کاملاً مطلوب است. در این مطالعه، یک مدل چندمحصولی مقدار سفارش اقتصادی برای کالاهای با کیفیت نامطلوب ارائه شده است. در این سیستم تمام کالاهای دریافت شده دارای کیفیت مطلوب نیستند و آنهایی که معیوب هستند، دورریز می­شوند. همچنین،...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 36  issue 3

pages  -

publication date 2002-11-22

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023