Skip to main content
فهرست مقالات

حل یک مسأله زمانبندی چند هدفه جدید در سیستم تولید سلولی با استفاده از یک الگوریتم تلفیقی

نویسنده:

علمی-پژوهشی/ISC (18 صفحه - از 1 تا 18)

کلیدواژه ها :

الگوریتم ژنتیک ،سیستم تولید سلولی ،مساله زمانبندی چندهدفه ،بهینه سازی ذرات انبوه

کلید واژه های ماشینی : الگوریتم ، سلول ، سیستم تولید سلولی ، الگوریتم ژنتیک ، بهینه‌سازی ذرات انبوه ، مسأله زمانبندی سیستم تولید سلولی ، الگوریتم بهینه‌سازی ذرات انبوه ، تولید ، قطعه ، سیستم تولید سلولی با استفاده

در این مقاله، یک مدل ریاضی جدید برای مساله زمانبندی چند هدفه در سیستم تولید سلولی ارایه می شود که هدف آن کمینه سازی حداکثر زمان تکمیل کارها، هزینه زودکرد و هزینه دیرکرد است. به علت پیچیدگی این مساله، یک الگوریتم تلفیقی بر پایه الگوریتم ژنتیک و بهینه سازی ذرات انبوه برای حل آن در زمان قابل قبول پیشنهاد می گردد. همچنین، از یک الگوریتم تکاملی چند هدفه معروف به نام الگوریتم ژنتیک مرتب شده غیر مغلوب (NSGA-II) برای مقایسه و نشان دادن کارایی الگوریتم تلفیقی پیشنهادی استفاده می شود. در ادامه، نتایج حاصل از خروجی الگوریتم ها با هم مقایسه و سپس تحلیل می گردند. در خاتمه، نتیجه گیری و پیشنهادهایی برای تحقیقات آتی ارایه می شود.

خلاصه ماشینی:

"مجله علمی-پژوهشی مدیریت تولید و عملیاتدوره دوم،پیاپی(3)،شماره(2)،پاییز و زمستان 1390 تاریخ وصول:89/10/15 تاریخ پذیرش:90/5/12 ص:18-1 حل یک مسأله زمانبندی چندهدفه جدید در سیستم تولید سلولی با استفاده از یکالگوریتم تلفیقی یوسف قلی‌پور کنعانی{o1o}{o*o}،رضا توکلی مقدم{o2o}،مجتبی طبری{o3o}،یاسر جعفری زرندینی{o4o}،میر بهادر قلی آریانژاد{o5o} چکیده {IBدر این مقاله،یک مد ریاضی جدید برای مسأله زمانبندی چندهدفه در سیستم تولید سلولی ارایه شده که هدفآن کمینه‌سازی حد اکثر زمان تکمیل کارها،هزینه زودکرد و هزینه دیرکرد است. این مقاله،به حل مسأله تولید سلولی چندهدفهبا اهداف کمیته کردن حد اکثر زمان تکمیل کارها،کمینه کردن هزینه دیرکرد و کمینه کردن هزینهزودکرد با استفاده از الگوریتم تلفیقی برپایه بهینه-سازی ذرات انبوه{o2o} )OSP( و الگوریتم ژنتیک{o3o} )AG( می‌پردازد. در بخش چهارم به ارایهالگوریتم تلفیقی(الگوریتم ژنتیک-بهینه‌سازی{o(1) emiT-nI-tsuJ o} {o(2) noitazimitpO mrawS elcitraP o} {o(3) mhtiroglA citeneG o} ذرات انبوه)پیشنهادی برای حل مسأله موردنظرپرداخته می‌شود. برای تعیین شرط پذیرش جواب جدید،متغیر n به صورت زیر تعریف می‌گردد: (21)(به تصویر صفحه مراجعه شود)در رابطه(21)، A جواب موجود و B جوابیاست که توسط روش جستجوی ممنوع و با بهکارگیری رویکرد حرکت به دست آمده است. ابتدا چندین مسأله در ابعاد کوچک و بزرگطراحی و سپس نتایج حاصل از اجرای روشپیشنهادی بر روی این مسایل با جواب‌های تولیدشده توسط روش الگوریتم ژنتیک مرتب شدهغیرمغلوب )II-AGSN( از لحاظ دو شاخص کیفیتو پراکندگی مقایسه شده است. نتایج نشان می‌دهد کهروش پیشنهادی تلفیقی بهینه‌سازی ذرات انبوه-ژنتیک چندهدفه،کارایی بسیار قابل‌قبولی برایتولید جواب‌های پارتوی با کیفیت،متنوع و دارایپراکندگی بالاتری نسبت به روش الگوریتم ژنتیکمرتب شده غیرمغلوب داشته است. S,niL noitatumrepnon a gniludehcs rof scitsiruehateM llec gnirutcafunam enil wolf putes ylimaf tnedneped ecneuqes htiw ,hcraeseR snoitarepO & sretupmoC."


برای مشاهده محتوای مقاله لازم است وارد پایگاه شوید. در صورتی که عضو نیستید از قسمت عضویت اقدام فرمایید.