تحقیق کاربرد الگوریتم ژنتیک ترکیبی برای زمان بندی تولید کارگاهی (2)

تحقیق درمورد کاربرد الگوریتم ژنتیک ترکیبی برای زمان بندی تولید کارگاهی 18 ص

فرمت فایل word و قابل ویرایش و پرینت

تعداد صفحات: 19

دانشگاه آزاد اسلامئ

گروه کامپیوتر

عنوان مقاله:

کاربرد الگوریتم ژنتیک ترکیبی برای زمان بندی تولید کارگاهی

زیر نظر استاد:

آقای مهندس گداز

تهیه کننده:

النازدخانچئ

بهار 87

فهرست:

چکیده… 3

مقدمه… 4

الگوریتم ژنتیک… 4

– مقدمه… 4

– مفاهیم اولیه در الگوریتم ژنتیک… 6

– مقدار برازندگی… 8

– عملگر ترکیب… 9

– عملگر جهش… 11

– فرآیند نتخاب… 11

– تعیین مراحل اولیه قبل از اجرای الگوریتم… 12

الگوریتم ژنتیک ترکیبی ابتکاری برای زمان بندی JOB SHOP… 15

نتایج محاسباتی… 18

چکیده:

زمان بندی برای تولید کارگاهی (job shop) از دو زمینه مدیریت محصول و بهره وری گروهی خیلی مهم است.

هر چند که این امر کاملا متفاوت است با بدست آوردن یک جواب بهینه با متدهای بهینه یابی مرسوم، زیرا مسئله مورد نظر دارای محاسبات خیلی پیچیده می باشد. (مسئله فوق از نوع NP-Hardاست.)

اثبات شده است که الگوریتم ژنتیک (GA) برای تنوع وضعیت هایی که شامل زمان بندی و توالی می باشند (S. S) موثر می باشد.

در این مقاله یک نوع الگوریتم ژنتیکی ابتکاری هایبرید برای مسئله n/m/G/Cmax پیشنهاد شده است، هایبرید به این خاطر که قوانین زمان بندی از قبیل SPT و MWKR با الگوریتم ژنتیک ادغام شده اند، همچنین از تکنیک جستجوی محلی (NST) به عنوان رویه ای کمکی جهت بهبود حل عملکردی کمک گرفته ایم.

کارایی و اثر بخشی این الگوریتم جدید به وسیله مقایسه با برخی متدهای معروف دیگر از قبیل الگوریتم های NST (تکنیک جستجوی محلی)، SA (تبرید شبیه سازی شده) و ژنتیک، به اثبات رسیده است.

مقدمه

زمان بندی برای تولید کارگاهی یک موضوع مهم در مدیریت تولید است، که توجه آن برروی معین کردن سفارش ترخیص و زمان های مجموعه پدیده ها بر روی ماشین های مربوطه، با در نظر گرفتن محدودیت های مربوطه معطوف شده است، که مجموعه n پدیده بایستی توسط m ماشین پروسه شوند، که عملیات iام بایستی برروی ماشین jام با زمان فرآیند معینی tij انجام شود. همچنین هر ماشین تنها یک پدیده را در یک زمان می تواند پروسه نماید و یک فعالیت نمی تواند مانع انجام کار شود.

هدف مسئله این است که Cmax (دوره ساخت) مینیمم شود.

این مسئله از نوع NP-Hard است (Garey. Johnson & Sethi 1976) که از متدهای موجود الگوریتم ژنتیک بالاترین کارایی را از خود نشان داده اند.

2. الگوریتم ژنتیک

1-2- مقدمه

در میان روش های بهینه سازی الهام گرفته از طبیعت جاندار، الگوریتم ژنتیک (GA) که بر اساس اصول تکامل طبیعی پایه ریزی شده، از تکامل یافته ترین ها به شمار می آید.

الگوریتم ژنتیک یک روش بهینه سازی غیر کلاسیک و جستجوی مستقیم است که فقط با خود تابع و نه مشتقات آن سرو کار داردو بر اساس مکانیزم بقای اصلح و علم ژنتیک طبیعی، الهام گرفته از نظریه تکامل داروین بنا شده است. در این روش جستجو از چندین نقطه در فضای حل

چطور دانلود کنم؟