کمینهسازی مجموع بیشینه‌های زودکرد و دیرکرد در مسئله زمانبندی ماشینهای موازی یکسان
نویسندگان
چکیده مقاله:
در این مقاله مسئله کمینهسازی مجموع بیشینه زودکرد و دیرکرد بر ماشینهای موازی یکسان مورد بررسی قرار گرفته است. در این مقاله نشان داده شده است که این مسئله NP-hard است. با استفاده از حدود بالا و پایین و اصول غلبه مناسبی که برای مسئله توسعه داده شده است، یک رویه شاخه وکران برای دستیابی به زمان‌بندی‌های بهینه ارائه شده است. در ادامه برای حل این مسئله، از دو روش فراابتکاری شامل الگوریتم ژنتیک و بهینه‌سازی گروه ذرات برای یافتن توالی مناسب مسئله در زمان کوتاه استفاده شده است. با تولید 1920 نمونه به طور تصادفی، کارآیی روش شاخه وکران و با 4480 نمونه، کارآیی الگوریتمهای ابتکاری و فراابتکاری مورد بررسی قرار گرفته است. نتایج نشان می‌دهند که الگوریتم شاخه وکران در اندازه‌های کوچک و متوسط و الگوریتم ژنتیک پیشنهادی در اندازه‌های بزرگ به طور مؤثری عمل می‌کنند.
منابع مشابه
کمینه سازی مجموع بیشینه های زودکرد و دیرکرد در مسئله زمان بندی ماشین های موازی یکسان
در این مقاله مسئله کمینه سازی مجموع بیشینه زودکرد و دیرکرد بر ماشین های موازی یکسان مورد بررسی قرار گرفته است. در این مقاله نشان داده شده است که این مسئله np-hard است. با استفاده از حدود بالا و پایین و اصول غلبه مناسبی که برای مسئله توسعه داده شده است، یک رویه شاخه و کران برای دستیابی به زمان بندی های بهینه ارائه شده است. در ادامه برای حل این مسئله، از دو روش فراابتکاری شامل الگوریتم ژنتیک و به...
متن کاملبرونسپاری در مسئله ماشینهای موازی
This paper considers a parallel machine scheduling problem with outsourcing allowed. The objective of this problem is the combination of makespan and Outsourcing costs. In order to solve the problem, A mathematical model is proposed. Because of high computational time of mathematical model a Tabu search and PSO methods are proposed to solve the problem.
متن کاملحل مسئله زمان بندی ماشینهای موازی نامرتبط با اهداف کل زودکرد وزنی و کل دیرکرد وزنی با استفاده از الگوریتم جستجوی پراکنده چند هدفه
در این مقاله، یک مدل ریاضی جدید برای حل مسئله زمان بندی ماشینهای موازی نامرتبط1 با اهداف کل زودکرد وزنی و کل دیرکرد وزنی معرفی گردیده است. در ضمن به دلیل اهمیت زمانهای آمادهسازی وابسته به توالی2 در بحث ماشینهای موازی، این محدودیت نیز در مدل مذکور در نظر گرفته شده است. با توجه به وجود تضاد بین دو تابع هدف مذکور، استفاده از روشهای کلاسیک بهینه سازی جهت دست یابی به جوابهای بهینه، سراسری یا موضعی ا...
متن کاملحل مسئله زمان بندی ماشینهای موازی نامرتبط با اهداف کل زودکرد وزنی و کل دیرکرد وزنی با استفاده از الگوریتم جستجوی پراکنده چند هدفه
The parallel machine scheduling problem is an important and difficult problem to be considered in the real-world situations. Traditionally, this problem consists of the scheduling of a set of independent jobs on parallel machines with the aim of minimizing the maximum job completion. In today's manufacturing systems, in which both early and tardy finishing of job processing are undesired, the o...
متن کاملارائه الگوریتمهای کارآمد برای حل مسأله زمانبندی جریان کارگاهی انعطاف‍پذیر با ماشینهای موازی غیرمرتبط و زمانهای راه‍اندازی وابسته به توالی با هدف کمینهسازی مجموع زودکرد و دیرکرد
در این مقاله، یک مدل ریاضی مبتنی بر برنامهریزی عدد صحیح آمیخته برای مسأله زمانبندی جریان کارگاهی انعطاف‍پذیر با ماشین های موازی نامرتبط و زمانهای راه‍اندازی وابسته به توالی با هدف کمینهسازی مجموع زودکرد و دیرکرد، ارائه شده است. به علت پیچیدگی این مسأله، برای حل مسائل با ابعاد بزرگ، از الگوریتمهای فراابتکاری استفاده شده است؛ در این پژوهش یک الگوریتم مبتنی بر شبیهسازی تبرید و الگوریتم دیگ...
متن کاملبرونسپاری در مسئله ماشینهای موازی
این تحقیق به بررسی مسئله زمانبندی ماشین های موازی با امکان برونسپاری می پردازد. تابع هدف مورد استفاده در این تحقیق مجموع زمان کل و هزینه برونسپاری است. به منظور حل مسئله مدل ریاضی مرتبط طراحی شده است. همچنین دو روش جستجوی ممنوع و بهینه سازی ذرات منطبق با مسئله پیشنهاد شده است.
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 44 شماره 2
صفحات 229- 242
تاریخ انتشار 2010-09-23
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023