بهینه سازیِ شبیه سازی مسئله «جریان کارگاهی با زمانهای تصادفی» با استفاده از الگوریتم های فرا ابتکاری و مقایسه کارائی فرا ابتکاری ها

مسائل غیر قطعی تعیین توالی عملیات در زمره مسائل بهینه سازی ترکیبیاتی غیرقطعی قرار دارند. الگوریتم های فراابتکاری مثل الگوریتم ژنتیک(ga)، شبیه سازی تبرید تدریجی(sa)، جستجوی ممنوع(ts) و بهینه سازی با جمعیت مورچگان(aco) به عنوان روشهای موفق برای حل این مسائل معرفی شده اند. سوال مهمی که مطرح می شود این است که کدام یک از فراابتکاری ها از توانائی بیشتری در حل این گونه از مسائل برخوردارند؟ در ادبیات تحقیق این حوزه می توان پاسخ های متفاوت و گاه متناقض برای این سئوال یافت. این پژوهش با لحاظ کردن شرایطی عادلانه به سئوال فوق پاسخ داده است. بررسی های به عمل آمده حاکی از آن است که عملکر فرا ابتکاری ها به شرایط مسئله بستگی دارد. در مسائل بسیار کوچک الگوریتم sa در کلیه شرایط بهترین انتخاب است اما با افزایش اندازه مسئله، واریانس تابع هدف نقشی اساسی در این میان ایفا می کند. بزرگ تر شدن اندازه مسئله به این می انجامد که sa در سطوح پائین واریانس و ga در سطوح بالای واریانس بهتر عمل کند. و نهایتا اینکه در مسائل بزرگ میتوان درسطوح پائین واریانس "فلسفه جستجوی نقطه به نقطه" و در سطوح بالای واریانس "فلسفه جستجوی مجموعه به مجموعه" را انتخابی مناسب دانست. علاوه بر پاسخ به سئوال فوق این پژوهش روشی ابتکاری را نیز برای حل این مسائل ارائه میدهد.