2 نتیجه برای زمانبندی کارگاه باز
خانم نرجس کمالی، دکتر رضا توکلی مقدم، آقای ابوالفضل کمالی، شجایی برجویی و نادری، دکتر بهمن نادری،
جلد 27، شماره 2 - ( 6-1395 )
چکیده
در این مقاله، مسأله زمانبندی در محیط کارگاه باز با ماشین های انعطاف پذیر ارایه می شود. انعطاف پذیری ماشین ها بدان معناست که هر عملیات می تواند بر روی همه و یا برخی از ماشین های کارگاه پردازش شود. همچنین زمان حمل و نقل بین ماشین ها در نظر گرفته می شود. هدف این مسأله، کمینه سازی میانگین زمان تکمیل کارها است. این مسأله با توجه به ماهیت پیچیده آن، جز خانواده مسایل NP-hard است، بنابراین یک الگوریتم ژنتیک برای حل آن ارایه و طراحی می شود. برای تولید بخشی از جواب اولیه آن از یک روش ابتکاری استفاده می شود. با بکارگیری این روش، ماشین با کمترین زمان پردازش، لزوماً ماشین منتخب برای پردازش هر عملیات نیست، بلکه زمان پردازش عملیات ها روی هر ماشین و زمان حمل و نقل بین ماشین ها ملاک انتخاب قرار می‌گیرد. تاثیر پارامترها و اپراتورهای مختلف بر روی عملکرد الگوریتم ژنتیک پیشنهادی با روش تاگوچی صورت می گیرد و یک کران پایین تقریبی برای مسأله محاسبه شده و نتایج مربوطه با الگوریتم ژنتیک پیشنهادی مقایسه می شود.
آقای ابوالفضل شجاعی برجویی، دکتر رضا توکلی مقدم،
جلد 28، شماره 3 - ( 9-1396 )
چکیده
در این مقاله، یک مدل برنامه ریزی ریاضی جدید دو هدفه خطی و عدد صحیح مختلط برای مسأله زمانبندی کارگاه باز بدون انقطاع با در نظر گرفتن محدودیت در دسترس بودن ماشین ها ارائه می شود. محدودیت در دسترس بودن در زمان های مشخص روی ماشین ها اتفاق می افتد و طول مدت آن برای ماشین های مختلف متفاوت ولی ثابت است. بعلاوه، زمان های حمل و نقل نامتقارن و وابسته به کار بین ماشین ها در نظر گرفته می شود. حداکثر زمان تکمیل کارها و کل دیرکرد به عنوان توابع هدفِ همزمان کمینه می شوند. برای ارزیابی مدل ریاضی ارایه شده، چند مسأله با ابعاد کوچک که به صورت تصادفی تولید شده اند، بطور دقیق حل می شوند. به علاوه حساسیت این مدل ریاضی به پارامترهای ورودی مورد بررسی قرار می گیرد. برای حل مسائل با ابعاد بزرگ، دو الگوریتم فراابتکاری شامل الگوریتم ژنتیک موازی چند هدفه (MOPGA) و الگوریتم شبیه سازی تبرید موازی چند هدفه (MOPSA) طراحی می شوند. نتایج نشان می دهد هر چند الگوریتم MOPSA سرعت بیشتری دارد، الگوریتم MOPGA کارایی بهتری نسبت به آن در برخورد با مسأله های با ابعاد بزرگ دارد. همچنین روش طراحی آزمایشات تاگوچی جهت تنظیم پارامترهای الگوریتم ها و پایا نمودن آنها بکار گرفته می شود. در خاتمه، جهت ارزیابی عملکرد الگوریتم-های طراحی شده، مسأله هایی با ابعاد بزرگ که به صورت تصادفی تولید شده اند، حل می شوند و نتایج مربوطه ارایه و بحث می شود.
