14,000 تومان

A two-stage artificial bee colony algorithm scheduling flexible job-shop scheduling problem with new job insertion

فرمت ترجمه : word
رشته : کامپیوتر
تعداد صفحات ترجمه : 33
سال انتشار مقاله : 2015

 

توضیحات

الگوریتم دومرحله ای کلونی مصنوعی زنبور برای زمانبندی انعطاف پذیر مشکل زمانبندی job-shop همراه با ورودی کار job جدید

چکیده:

در این مقاله مشکل زمانبندی در مهندسی بازتولید مورد بررسی قرار می گیرد. هدف از این مقاله ارائه یک مدل کارآمد برای حل مشکل زمانبندی بازتولید می باشد. این مسئله به عنوان مشکل زمانبندی انعطاف پذیر job-shop که به اختصار FJSP نام گرفته ارائه می شود و به دو مرحله تقسیم می شود: زمانبندی و زمانبندی مجدد هنگامی که یک کار یا job جدید از راه می رسد.

ابهام در زمانبندی بازگشت ها در بازتولید به عنوان الزام ورود کار جدید در FJSP مدلسازی می شود. الگوریتم دو مرحله ای کلونی مصنوعی زنبور یا TABC برای زمانبندی و زمانبندی مجدد عملیات جدید ورودی پیشنهاد شده است. هدف از ارائه این مدل به حداقل رساندن حداکثر زمان مورد نیاز برای تکمیل یک کار یا makespan آن می باشد.

جهت انجام پروژه دانشجویی کامپیوتر به لینک مربوطه مراجعه کنید .

جهت انجام پروژه دانشجویی برق به لینک مربوطه مراجعه کنید .

یک قانون جدید ارائه می شود تا جمعیت کلونی زنبور سرشماری شده و سرآغاز عملیات شکل گیرد. یک جستجوی محلی همگانی پیشنهاد شده تا باعث بهبود عملکرد الگوریتم شود. 3 استراتژی زمانبندی مجدد نیز ارائه شده و مورد مقایسه قرار گرفته است. آزمایشات گسترده ی با استفاده از عملیات کامپیوتری با استفاده از 15 مورد سنجش شناخته شده صورت گرفته که 8 مورد از آنها مربوط به بخش بازتولید می باشند.

TABC برای عملکرد زمانبندی با 5 الگوریتم موجود در این زمینه مورد مقایسه قرار گرفته است. همچنین TABC برای بررسی عملکرد زمانبندی مجدد، با 6 نمونه الگوریتم کاشف ساده و الگوریتم های هیبرید کاشف مورد مقایسه قرار گرفته است. نتایج و مقایسات انجام گرفته نشان می دهد که TABC در هر دو مرحله زمانبندی و زمانبندی مجدد کارآمد بوده است.

معرفی:

بسیاری از پژوهشگران در دهه های گذشته مسئله FJSP را مورد مطالعه قرار داده اند. FJSP نسلی از مشکل زمانبندی job-shop کلاسیک یا همان JSP می باشد. در FJSP یک عملیات می تواند در بیش از یک ماشین کاندیدا برای انجام آن مورد پردازش قرار گیرد. برای حل مشکل FJSP، دو مسئله جانبی دیگر نیز باید مورد بررسی قرار گیرند که شامل تعیین ماشین و تناوب عملیات می باشد.

تعیین ماشین شامل اختصاص دادن یک ماشین پردازشگر برای هر عملیات می باشد، در حالیکه ترتیب دهی عملیات شامل زمانبندی تمام عملیات روی ماشین ها می باشد تا به راه حلی با کیفیت و قابل اجرا دست یابیم. در نتیجه FJSP پیچیده تر از مسئله JSP بوده و سختی آن در گروه NP طبقه بندی می شود.

اولین پژوهشی که به مسئله FJSP پرداخت، توسط بروکر و اسکلی انجام گرفت که یک الگوریتم چندجمله ای برای دو FJSP ارائه شد. در سال های اخیر، الگوریتم های کاشف و ابرکاشف متعددی برای حل مشکل FJSP ارائه شده اند که از این بین می توان به جستجوی تابو TS، الگوریتم ژنتیک GA، بهینه سازی گروه ذرات PSO، تقویت شبیه سازی شده SA، بهینه سازی کلونی مورچه ACO، جستجوی موازی ناحیه متغیر PVNS و الگوریتم های هیبرید اشاره کرد که بر اساس الگوریتم های کاشف و ابرکاشف متعددی شکل گرفته اند.

در بین رویکردهای گوناگون، کلونی مصنوعی زنبور عسل یا الگوریتم ABC که بر اساس کنترل گروهی شکل گرفته، برای زمانبندی مشکلات FJSP کاربرد گسترده ای داشته است. الگوریتم ABC رویکردی نسبتاً جدید در زمینه الگوریتم های ابر-کاشف جمعیت-محور بوده است. این الگوریتم برای اولین بار برای حل عملیات پی در پی چندین متغیری و چند مدلی پیشنهاد شد.

در بسیاری از پژوهش های مقایسه ای نشان داده شده که عملکرد الگوریتم ABC در مقایسه با دیگر الگوریتم های جمعیت-محور رقابتی بوده و از کارآیی بیشتری برخوردار است. همچنین مزیت به کارگیری پارامترهای کنترل کننده کمتری در فضای مداوم را دارد. الگوریتم ABC توجه بسیاری از پژوهشگران در زمینه مسائل زمانبندی را به خود معطوف کرده است.

نقد و بررسی‌ها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین کسی باشید که دیدگاهی می نویسد “الگوریتم دومرحله ای کلونی مصنوعی زنبور برای زمانبندی انعطاف پذیر”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *