یک الگوریتم متا اکتشافی هیبریدی جدید برای مشکل برنامه ریزی جریان انعطاف پذیر بدون وقفه بازمان های وابسته

قیمت: 40,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

یک الگوریتم متا اکتشافی هیبریدی جدید برای مشکل برنامه ریزی جریان انعطاف پذیر بدون وقفه بازمان های وابسته

عنوان لاتین

A novel hybrid meta-heuristic algorithm for a no-wait flexible flow shop scheduling problem with sequence dependent setup times

در این مقاله به بررسی مشکل برنامه ریزی N کار در جریان انعطاف پذیر بدون وقفه می پردازیم که با زمانهای وابسته باعث کاهش حداکثر زمان اتمام می شود. با توجه به سختی NP مشکل در نظر گرفته شده‌، به نظر می رسد که هیچ کاربرد غیر قابل اجتنابی از الگوریتم متا اکتشافی وجود نداشته باشد. به همين دلیل سه الگوریتم متا اکتشافی به نامهای گداختگی شبیه سازی بر اساس جمعیت‌، الگویتم رقابتی امپریالیستی و ترکیبی از گداختگی شبیه سازی بر اساس جمعیت و الگویتم رقابتی امپریالیستی به وجود امده است تا به حل مشکلات بپردازد. به دلیل حساست الگوریتم پیشنهاد شده به ارزش پارامتری‌، ما روش تاگچی را به کار گرفتیم تا پارامترها را تغییر دهد و باعث افزایش صحت راه حل شود. این الگوریتم پیشنهاد شده کد گذاری می شود و به صورت تصادفی به جمع آوری مثالهایی می پردازد و سپس اثر بخشی آنها را اعتبار دهی می کند و نتایج را برحساس درصد نسبی انحراف محاسبه می کند. به علاوه‌، برخی از تحلیل های حساسیتی برای بررسی رفتار الگوریتم در مقابل شرایط مختلف اجرا شده است. ارزیابی محاسباتی عملکرد بالا را پشتیبانی می کند و الگوریتم ترکیبی در مقابل دیگر الگوریتم ها استفاده می شود تا مشکل برنامه ریزی را حل کند.

In this paper, we contemplate the problem of scheduling a set of n jobs in a no-wait flexible flow shop manufacturing system with sequence dependent setup times to minimising the maximum completion time. With respect to NP-hardness of the considered problem, there seems to be no avoiding application of metaheuristic approaches to achieve near-optimal solutions for this problem. For this reason, three novel metaheuristic algorithms, namely population based simulated annealing (PBSA), adapted imperialist competitive algorithm (AICA) and hybridisation of adapted imperialist competitive algorithm and population based simulated annealing (AICAþPBSA), are developed to solve the addressed problem. Because of the sensitivity of our proposed algorithm to parameter’s values, we employed the Taguchi method as an optimisation technique to extensively tune different parameters of our algorithm to enhance solutions accuracy. These proposed algorithms were coded and tested on randomly generated instances, then to validate the effectiveness of them computational results are examined in terms of relative percentage deviation. Moreover, some sensitive analyses are carried out for appraising the behaviour of algorithms versus different conditions. The computational evaluations manifestly support the high performance of our proposed novel hybrid algorithm against other algorithms which were applied in literature for related production scheduling problems.