رویکرد VMAS به تعیین اندازه انباشته در ماشینهای موازی

این مقاله رویکردی نوین به حل مسائل تعیین اندازه انباشته و ترتیب بندی محصولات، با استفاده از VMAS ارائه می دهد. مسئله با استفاده از جامعه ای از نهادهای هوشمند مجازی مدل شده است. هر نهاد هوشمند، متناظر با یک محصول است که می تواند در طول افق برنامه ریزی از چندین ماشین غیر مشابه سرویس بگیرد. هدف هر نهاد هوشمند، تامین تمامی تقاضای دوره، در رقابت با سایر نهادها، با کمترین هزینه مرتبط ممکن می باشد. مکانیزم ارتباطی میان نهادها، بر مبنای مکانیزم بازار شکل داده شده است و طی آن هر نهاد می کوشد تا بهترین استراتژی ممکن برای پیشنهاد قیمت و در صورت برنده شدن در بازار، تعیین اندازه انباشته را فراگیرد. بدین منظور، بر مبنای تئوری فازی، برای هر نهاد هوشمند، دو تابع سیاست قیمت و اندازه تولید با مجموعه ای از پارامترهای مجهول طراحی شده است. همچنین از الگوریتم ژنی برای تولید محیط تعاملی تکاملی میان نهادها استفاد ه شده است. درچنین محیطی، نهادها استراتژی های مختلفی را امتحان نموده و بر مبنای تجارب خود یاد می گیرند که در شرایط مختلف، چگونه باید عمل نماید. آزمایشات عددی حاکی از برتری روش پیشنهادی بر الگوریتمهای تکاملی جستجوی فضای جواب می باشد.

Keywords:

اندازه انباشته , زمانبندی , الگوریتمهای تکاملی فازی , الگوریتم های یادگیری , VMAS