CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

طبقه بندی الگوریتم های ژنتیکی برای حل مساله JSP و مقایسه کارائی آنها

عنوان مقاله: طبقه بندی الگوریتم های ژنتیکی برای حل مساله JSP و مقایسه کارائی آنها
شناسه ملی مقاله: ISCEE08_149
منتشر شده در هشتمین کنفرانس دانشجویی مهندسی برق در سال 1384
مشخصات نویسندگان مقاله:

کمال کیانی - دانشگاه آزاد اسلامی واحد زنجان
نسیم همایونی - دانشگاه آزاد اسلامی واحد زنجان

خلاصه مقاله:
الگوریتم های ژنتیکی برای حل مسائل Np-Hard طراحی Neural Network ها، Nonlinear Dynamic System , Strategy Planningو ... به کار می روند. از مهمترین موارد استفاده ی GA در حل مسائل Hard NP- اعمال آن بر مسئله JSP می باشد. JSP (JOB SHOP SCHEDULING) از سری مسائل زمان بندی می باشد که در صنعت کاربرد بسیاری دارد چرا که JSP به بررسی نحوه ی توزیع کارها بین ماشین های انجام دهنده ی آن ها می پردازد، به طوری که این کارها در کمترین زمان ممکن انجام شوند، از طرفی بررسی مساله JSPمی تواند به عنوان مدلی برای حل سایر مسائل Np-Hard از قبیل TSP استفاده شود.

کلمات کلیدی:
GA , initial population , fitness function , offspring , representation , فضای حالت

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/47351/