روش بهینه سازی انبوه ذرات برای حل مسائل زمان بندی پروژه با منابع محدود
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه پیام نور - دانشگاه پیام نور استان خراسان رضوی - دانشکده علوم
- نویسنده فرشته عاملی
- استاد راهنما عقیله حیدری نرجس سابقی حمیدرضا یوسف زاده
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1390
چکیده
هدف مسئله زمان بندی پروژه با منابع محدود (rcpsp) تعیین زمان شروع هر فعالیت به گونه ای است که علاوه بر رعایت محدودیت پیش نیازی و محدودیت منابع، زمان اجرای پروژه نیز کمینه می شود. مسئله rcpsp یک مسئله np-hard ترکیبی است و برای یافتن جواب های نزدیک به بهینه آن بهتر است از الگوریتم های فراابتکاری استفاده شود. در این پایان نامه از الگوریتم فراابتکاری بهینه سازی ازدحام ذرات (pso) برای حل rcpsp استفاده می شود. برای بهتر کردن عملکرد pso آن را با تکنیک تراز کردن ترکیب کرده و آن را jpso می نامیم. تراز کردن برای بهبود کیفیت جواب مسائل زمان بندی به کار می رود و زمان آغاز هر فعالیت را طوری تراز می کند که زمان بندی بدست آمده بدتر از قبل نباشد و در صورت امکان بهتر شود و همچنین نشان می دهیم jpso به همران زمان بندی پیشرو و پسروی بهبود یافته تاثیر بسزایی در یافتن جواب بهینه یا نزدیک به بهینه rcpsp دارد. در ضمن دو راهکار طراحی شده دیگر برای افزایش کارآمدی تکنیک jpso را توضیح می دهیم که یکی تکنیک نگاشت و دیگری تنظیم نسبت توپولوژی شبکه ارتباطی gbestratio (gr) , pso است.
منابع مشابه
مدل سازی فازی زمانبندی کارکنان هواپیما و حل آن با الگوریتم بهینه سازی ذرات انبوه
مساله زمانبندی کارکنان هواپیما از مهمترین مسائل در حوزه تحقیق در عملیات به شمار میرود و به طور عمومی شامل تخصیص گروه های کارکنان به سفرهایی است که می بایست طبق برنامه زمانبندی از پیش تعیین شده ای، توسط ناوگان موجود پوشش داده شوند، به طوری که هزینه های مربوط به تخصیص کارکنان به سفرها، کمینه شود. مسئله زمانبندی کارکنان به دو فاز کلی تقسیم میشود. در فاز اول، تمام سفرهای رفت و برگشتی که شروع...
متن کاملارائه مدل زمان بندی مقاوم پروژه با منابع محدود و حل آن با استفاده از الگوریتم شبیه سازی تبرید
زمان بندی سهم به سزایی در پیشبرد و موفقیت پروژه دارد. این موضوع همواره یکی از مسائل مورد توجه محققان علوم مدیریت و تحقیق در عملیات بوده است. همچنین ماهیت بسیار دشوار این مسئله، علت دیگری برای توجه زیاد محققان به آن می باشد. بنابراین تکنیک ها و روش های خاصی برای حل این مسائل مطرح شده اند. از سوی دیگر تشدید تحریم ها از سوی بیگانگان به منظور به تأخیر انداختن زمان انجام پروژه ها اهمیت اتمام به موقع...
متن کاملحل یک مدل ریاضی جدید برای زمانبندی در شبکه های توزیع با بهینه سازی ذرات انبوه چند هدفه
در این مقاله، یک مدل ریاضی جدید دو هدفه و آمیخته با اعداد صحیح برای مسایل شبکههای توزیع ارایه میشود. یک تابع هدف هزینههای خرید، حمل و نقل و نگهداری کالاها را حداقل میکند و تابع هدف دیگر با عنوان توزیع بهنگام، مجموع مقادیر دیرکرد یا زودکرد تحویل کالاها را با توجه به اختلاف زمان تحویل و زمان مقرر کمینه میکند. این مدل برای شبکه توزیع سه سطحی شامل تأمینکنندگان، عمدهفروشان و خردهفروشان طرا...
متن کاملیک روش ترکیبی برای حل مساله ی زمانبندی پروژه با منابع محدود با استفاده از ترکیب الگوریتم های تکاملی و بهینه سازی انبوه ذرات
زمانبندی نقش مهمی در حوزه های متفاوت مهندسی از جمله مدیریت پروژه، محاسبات گرید، زمانبندی پرستار، کنترل خط تولید، تولید و توسعه ی نرم افزار و مهندسی ساخت و غیره دارد. یکی از مهم ترین مسائل زمانبندی که در سال های اخیر مورد توجه بسیاری از محققین قرار گرفته مساله زمانبندی پروژه با منابع محدود (rcpsp) است. این مساله شامل مجموعه ای از فعالیت ها، منابع، محدودیت ها و معیار کارایی است. هدف یافتن راهی بر...
15 صفحه اولالگوریتم ژنتیک آشوب گونه مبتنی بر حافظه و خوشه بندی برای حل مسائل بهینه سازی پویا
چکیده: اکثر مسائل موجود در دنیای واقعی یک مسئله بهینهسازی با ماهیتی پویا هستند، بهطوریکه مقدار بهینه سراسری آنها در طول زمان ممکن است تغییر کند، بنابراین برای حل این مسائل الگوریتمهایی نیاز داریم که بتوانند خود را با شرایط این مسائل بهخوبی سازگار نموده و بهینه جدید را برای این مسائل ردیابی نمایند. در این مقاله، یک الگوریتم ژنتیک آشوبگونه مبتنی بر خوشهبندی و حافظه برای حل مسائل پویا ارائ...
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 @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه پیام نور - دانشگاه پیام نور استان خراسان رضوی - دانشکده علوم
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023