الگوریتم ژنتیک شبیه سازی مبنا برای حل مسئله زمان بندی جریان کارگاهی با درنظرگرفتن هزینه انرژی تحت شرایط عدم قطعیت

Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 109

This Paper With 25 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_INDU-10-2_001

تاریخ نمایه سازی: 28 شهریور 1400

Abstract:

یک مسئله جریان کارگاهی با اهداف حداقل سازی زمان تکمیل و هزینه انرژی بررسی شده است. کاهش هزینه های تولید از اهدافی است که صنایع همواره در نظر دارند. بالا­رفتن آگاهی عمومی نسبت به مسئله انرژی باعث ایجاد نگرشی جدید در راستای کاهش هزینه انرژی شده است. برای نزدیک ­ترشدن مسئله به دنیای واقعی، مسئله تحت عدم قطعیت بررسی شده است. شکاف پژوهشی موجود الهام ­بخش پژوهش بوده است. فرض شده که ماشین ها می توانند از سه سرعت آهسته، نرمال و سریع برای پردازش کارها استفاده کنند. در سرعت بالا میزان مصرف افزایش یافته و زمان تکمیل کاهش می یابد و برعکس. این تفاوت در سرعت به ایجاد مقادیر متفاوت و متضاد در تابع اهداف منجر می شود؛ بنابراین باید راهکاری پیشنهاد شود که علاوه بر ترتیب کار، سرعت دستگاه ها به­عنوان متغیر تصمیم به­صورت بهینه مشخص شوند. یک مدل ریاضی ارائه شده و سپس از الگوریتم ژنتیک مبتنی برشبیه ­سازی برای حل مسئله در ابعاد بزرگ استفاده شده است. به­ازای هربار ارزیابی تابع هدف در الگوریتم از شبیه­ سازی استفاده شده است تا عدم­ قطعیت موجود در پارامتر زمان پردازش درنظر گرفته شود. با توجه به تصادفی­ بودن زمان پردازش، از مدل ارزش انتظاری برای مقابله با عدم­قطعیت استفاده شده است. نتایج محاسباتی نشان می دهد که الگوریتم و رویکرد حل پیشنهادی، عملکرد خوبی دارند.

Keywords:

Authors

مینا فرجی امیری

کارشناسی ارشد، دانشگاه بوعلی سینا.

جواد بهنامیان

دانشیار، دانشگاه بوعلی سینا.

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Alam Tabriz, A. Roghanian, E. & Hoseinzadeh, M. (۲۰۱۲). Design ...
  • Baker, K.R., Altheimer, D. (۲۰۱۲). Heuristic solution methods for the ...
  • Chang, P.C., Chen, S.H., & Lin, K.L. (۲۰۰۵). Two-phase sub ...
  • Dantzig, G.B. (۱۹۵۵). Linear Programming under Uncertainty. Management Science, ۱, ...
  • Ding, J.Y., Song, S., & Wu, C. (۲۰۱۶).Carbon-efficient scheduling of ...
  • Fatahi, P. Mohamadi, E. & Daneshamoz, F. (۲۰۱۹). Solve Multi-Objective ...
  • Framinan, J.M., P-Gonzalez, P. (۲۰۱۵). On heuristic solutions for the ...
  • Gahm, C., Denz, F., Dirr, M., & Tuma, A. (۲۰۱۶). ...
  • Gonzalez-Neira, E. M., Ferone, D., Hatami, S. & Juan, A. ...
  • Gourgand, M., Grangeon, N., & Norre, S. (۲۰۰۵). Markovian analysis ...
  • Juan, A.A., Barrios, B.B., Vallada, E., Riera, D., & Jorba, ...
  • Liefooghe, A., Basseur, M., Jourdan, L., & Talbi, E. (۲۰۰۷). ...
  • Luo, H., Du, B., Huang, G.Q., Chen, H., Li, X. ...
  • Mansouri, S.A., Aktas, E., & Besikci, U. (۲۰۱۶). Green scheduling ...
  • Masmoudi, O., Yalaoui, A., Ouazene, Y., & Chehade, H. (۲۰۱۶). ...
  • Schulz, S. (۲۰۱۸). A genetic algorithm to solve the hybrid ...
  • Tanaev, V., Sotskov, Yuri, N., & Strusevich, V.A. (۲۰۱۲). Scheduling ...
  • Tang, D., Dai, M., Salido, M.A., & Giret, A. (۲۰۱۶). ...
  • Wang, K., Choi, S.H., & Lu, H. (۲۰۱۵). A hybrid ...
  • Zhai, Y., Biel K, Zhao, F., &Sutherland, J. (۲۰۱۷). Dynamic ...
  • Zandieh, M. & Fotovat, A. (۲۰۱۵). Flowshop scheduling system with ...
  • Zhang, H., Zhao, F., Fang, K., & Sutherland, J.W. (۲۰۱۴). ...
  • https://www.iea.org/tcep/industry, Available at February ۲۰۱۷ ...
  • نمایش کامل مراجع