کاربرد رنگ‌آمیزی دایره‌یی گراف و الگوریتم جامعه، مورچگان در حل مسئله‌ی زمانبندی چرخشی، کارگاهی باز
نویسنده
چکیده مقاله:
در این نوشتار مدلی برای تعیین زمانبندی بهینه‌ی چرخشی کارگاهی باز طراحی می‌شود. برای انجام هر عملیات چندین منبع مورد نیاز است که به‌طور همزمان باید از تمامی آن‌ها استفاده شود. این مسئله از لحاظ پیچیدگی محاسباتی در رده‌ی مسائل NP-hard قرار دارد. ابتدا نشان می‌دهیم که این مسئله را می‌توان به مسئله‌ی رنگ‌آمیزی دایره‌یی رئوس یک گراف تبدیل کرد. آنگاه، الگوریتمی در چارچوب روش فراابتکاری جامعه‌ی مورچگان طراحی می‌شود که می‌تواند در حل مسائل با اندازه‌ی بزرگ‌تر مورد استفاده قرار گیرد. برای بررسی و ارزیابی کارایی الگوریتم پیشنهادی، از یک دسته مسائل با عدد رنگی دایره‌یی غیرصحیح استفاده می‌شود و در نهایت نتایج حاصله با جواب‌های به‌دست آمده از روش تحلیلی مقایسه خواهد شد.
منابع مشابه
کاربرد رنگ آمیزی دایره یی گراف و الگوریتم جامعه، مورچگان در حل مسئله ی زمان بندی چرخشی، کارگاهی باز
در این نوشتار مدلی برای تعیین زمان بندی بهینه ی چرخشی کارگاهی باز طراحی می شود. برای انجام هر عملیات چندین منبع مورد نیاز است که به طور هم زمان باید از تمامی آن ها استفاده شود. این مسئله از لحاظ پیچیدگی محاسباتی در رده ی مسائل n p-h a r d قرار دارد. ابتدا نشان می دهیم که این مسئله را می توان به مسئله ی رنگ آمیزی دایره یی رئوس یک گراف تبدیل کرد. آنگاه، الگوریتمی در چارچوب روش فراابتکاری جامعه ی ...
متن کاملتوسعه یک الگوریتم شاخه و کران برای حل مساله زمانبندی در سیستم تولید جریان کارگاهی مونتاژی
سیستم تولید جریان کارگاهی مونتاژی شامل دو مرحله است. در مرحله اول پردازش قطعات صورت می‌گیرد و معمولا به صورت یک ایستگاه با ماشین‌های موازی درنظر گرفته می‌شود. مرحله دوم نیز یک ایستگاه یا خط مونتاژ می‌باشد که قطعات پردازش شده، در آن مونتاژ و محصولات نهایی کامل می‌شود. در این تحقیق فرض می‌شود قرار است تعدادی محصول از انواع مختلف تولید شود و هر محصول جهت کامل شدن، نیازمند قطعاتی مشخص است. بعضی از ...
متن کاملمقایسه و تحلیلی بر استفاده از الگوریتم های فراابتکاری برای حل مسائل زمانبندی تولید کارگاهی
One of the most important problems in research and applied fields of production management is a suitable scheduling for different operations. So, there are many approaches for job workshop or job non-workshop scheduling problems. Since job workshop scheduling problems (JSP) belong to NP-Hard class, some metaheuristics methods such as Tabu Search, Simulated Annealing, Genetic Algorithm and Parti...
متن کاملحل مسایل زمانبندی پروژه‌ها با منابع محدود با استفاده از الگوریتم مورچگان اصلاح شده
موضوع زمانبندی پروژه‌ها با منابع محدود1 (RCPSP) در پی یافتن توالی مناسبی برای انجام فعالیت‌های یک پروژه است؛ به نحوی که محدودیت‌های تقدم و و تأخر شبکه پروژه و انواع مختلف محدودیت‌های منبعی موجود در پروژه به طور همزمان ارضا و معیار سنجش معینی از جمله زمان انجام پروژه، هزینه انجام، تعداد فعالیت‌های تأخیر‌دار و غیره بهینه شوند. RCPSP، یک مسئله چندجمله‌ای غیرقطعی سخت2 به شمار می‌آید و اهمیت این موض...
متن کاملالگوریتم ممتیک برای حل مسئله زمانبندی کار کارگاهی منعطف با امکان ایجاد وقفه در انجام فعالیتها
Flexible job shop scheduling problem )FJSP( is an extension of the classical job shop scheduling problem which allows an operation to be processed by any machine from a given set. FJSP is NP-hard and mainly presents two difficulties. The first one is to assign each operation to a machine out of a set of capable machines, and the second one deals with sequencing the assigned operations on the ma...
متن کاملکاربرد هوش مصنوعی با رویکرد الگوریتم کلونی مورچگان در برنامه زمانبندی پروژه های عمرانی
امروزه استفاده از روشها و ابزارهای مدیریت پروژه در تحقق اهداف بسیاری از سازمانها و شرکتهاضروری است. روشهای زمانبندی فعالیتها، برای کمینه سازی هزینه ها با بکارگیری منابع محدود و درشرایط وجود محدودیت های حساس زمانی مورد استفاده قرار می گیرند. این روش ها توانایی سازمانها را در اجرا و کنترل پروژه ها و راه های استفاده از منابع و افراد، ب...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره دوره 1-26 شماره 1
صفحات 3- 10
تاریخ انتشار 2010-03-21
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023