مقایسه‌ی سه الگوریتم فراابتکاری N‌S‌G‌A-I‌I،P‌E‌S‌A-I‌I و S‌P‌E‌A-I‌I در حل مسئله‌ی زمان‌بندی کامیون‌ها در مراکز بارانداز

Authors

Abstract:

بارانداز یک استراتژی انبارداری جدید است که با حذف ذخیره‌سازی موجودی و همچنین یک‌پارچه‌سازی محموله‌های هم‌مقصد هزینه‌های انبارداری و همچنین حمل و نقل را به‌طور چشم‌گیری کاهش می‌دهد. زمان‌بندی کامیون‌ها از جمله مسائل مهم و ضروری برای تضمین جریان مناسب مواد در بارانداز و همچنین ارسال به موقع محصولات به مشتریان است. در این مقاله مسئله‌ی زمان‌بندی کامیون‌ها در سیستم بارانداز مورد بحث و بررسی قرارگرفته است و یک مدل چندهدفه برای این مسئله ارائه شده است. برای حل مدل سه الگوریتم ژنتیک چندهدفه شامل نسخه‌ی دوم الگوریتم ژنتیک چندهدفه با مرتب‌سازی نامغلوب(N‌S‌G‌A-I‌I)، نسخه‌ی دوم الگوریتم انتخاب مبتنی بر الگوی پارتو (P‌E‌S‌A-I‌I)و نسخه‌ی دوم الگوریتم تکاملی مبتنی بر قوت پارتو (S‌P‌E‌A-I‌I) توسعه داده شده است. به‌منظور بررسی عملکرد الگوریتم‌های فراابتکاری پیشنهادی چندین مسئله‌ی نمونه براساس شیوه‌های رایج در پیشینه‌ی موضوع تولید شده است. در نهایت، پاسخ‌های پارتو به دست آمده از سه الگوریتم با استفاده از چندین معیار ارزیابی با یکدیگر مقایسه شده‌اند. در این مقاله مشاهده شد که الگوریتم S‌P‌E‌A-I‌I می‌تواند پاسخ‌هایی تولید کند که از لحاظ معیارهای ارزیابی در نظر گرفته شده، نسبت به دو الگوریتم دیگر دارای کیفیتی مطلوب‌تر هستند.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بکارگیری الگوریتم NSGA-II برای حل مسائل مکان‌یابی چندهدفه

مکان‌یابی کاربری‌ها یکی از مهمترین مسائل شهرسازی است که دارای مقیاس‌های متفاوتی می‌باشد. هنگامی‌که با یک مسئله‌ی مکان‌یابی کوچک مقیاس با شرایط و محدودیت‌های اندک روبه‌رو باشیم می توان با استفاده از روش‌های سنتی به جواب رسید ولی زمانی که با یک مسئله‌ی بزرگ مقیاس مکان‌یابی با شرایط و محدودیت‌های زیاد روبه‌رو باشیم، مشکل بتوان بدون استفاده از هوش مصنوعی و الگوریتم‌های تکاملی، مکان بهینه یا حتی نزد...

full text

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...

full text

طراحی بهینه چندموضوعی و چندمنظوره پرتابه با استفاده از الگوریتم تکاملی NSGA-II

در پژوهش حاضر مسئله بهینه‌سازی طراحی مفهومی چندموضوعی و چندمنظوره یک پرتابه هوایی مورد بررسی و تحقیق قرار گرفته است. این امر بر پایه توسعه یک مدل دینامیک پروازی سه درجه آزادی و مد نظر قرار دادن کلیه محدودیت­ های سیستمی صورت گرفته است. به­ منظور دستیابی به حداکثر وزن محموله و حداکثر برد، زمینه­ های پایداری، وزن و بالانس، آیرودینامیک و مسیر حرکت مطلوب به­ عنوان موضوعات اصلی در مرحله طراحی مفهومی ...

full text

بهینه‌سازی چند هدفه سیستم‌های منابع آب سدهای مارون و جره با استفاده از الگوریتم NSGA-II

هدف از این پژوهش، توسعه یک مدل کوپل شده شبیه ساز- بهینه ساز برای برنامه ریزی و مدیریت صحیح تخصیص به منابع و مصارف بالادست تالاب شادگان است. طوری که علاوه بر حداکثر نمودن درصد تامین نیازهای حوضه در طول دوره بهره برداری، میزان شوری جریان ورودی به تالاب شادگان نیز کاهش یابد. با توجه به اهمیت این تالاب به عنوان زیستگاه فصلی پرندگان و همچنین یکی از جاذبه های مهم توریستی و لزوم حفاظت از اکوسیستم آن، ...

full text

Optimal Bespoke CDO Design via NSGA-II

This research work investigates the theoretical foundations and computational aspects of constructing optimal bespoke CDO structures. Due to the evolutionary nature of the CDO design process, stochastic search methods that mimic the metaphor of natural biological evolution are applied. For efficient searching the optimal solution, the nondominating sort genetic algorithm NSGA-II is used, which ...

full text

Optimizing ontology alignments by using NSGA-II

In this paper, we propose a novel approach based on NSGA-II to address the problem of optimizing the aggregation of three different basic similarity measures (syntactic measure, linguistic measure and taxonomy-based measure) and get a single similarity metric. Comparing with conventional genetic algorithm, the proposed method is able to realize three goals simultaneously, i.e., maximizing the a...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 33.1  issue 2.1

pages  117- 128

publication date 2018-03-20

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