تعداد صفحات:20
نوع فايل:word
فهرست مطالب:
چكيده
مقدمه
الگوريتم ژنتيك
مقدمه
مفاهيم اوليه در الگوريتم ژنتيك
كد كردن
رشته
جمعيت
مقدار برازندگي
عملگر تركيب
عملگر جهش
فرآيند نتخاب
تعيين مراحل اوليه قبل از اجراي الگوريتم
تعيين نحوه نمايش يا كد بندي نقاط فضاي جستجو
تعريف ميزان برازندگي
تعيين پارامترها و متغيرها
مشخص كردن شرط پايان تكرار و نحوه انتخاب خروجي الگوريتم
الگوريتم ژنتيك تركيبي ابتكاري براي زمان بندي JOB SHOP
نتايج محاسباتي
منابع
چكيده:
زمان بندي براي توليد كارگاهي (job shop) از دو زمينه مديريت محصول و بهره وري گروهي خيلي مهم است.
هر چند كه اين امر كاملا متفاوت است با بدست آوردن يك جواب بهينه با متدهاي بهينه يابي مرسوم، زيرا مسئله مورد نظر داراي محاسبات خيلي پيچيده ميباشد.(مسئله فوق از نوع NP-Hardاست.)
اثبات شده است كه الگوريتم ژنتيك (GA) براي تنوع وضعيت هايي كه شامل زمان بندي و توالي مي باشند(S.S) موثر مي باشد.
در اين مقاله يك نوع الگوريتم ژنتيكي ابتكاري هايبريد براي مسئله n/m/G/Cmax پيشنهاد شده است، هايبريد به اين خاطر كه قوانين زمان بندي از قبيل SPT و MWKR با الگوريتم ژنتيك ادغام شده اند، همچنين از تكنيك جستجوي محلي (NST ) بعنوان رويه اي كمكي جهت بهبود حل عملكردي كمك گرفته ايم.
كارايي و اثر بخشي اين الگوريتم جديد به وسيله مقايسه با برخي متدهاي معروف ديگر از قبيل الگوريتم هاي NST (تكنيك جستجوي محلي)، SA (تبريد شبيه سازي شده) و ژنتيك، به اثبات رسيده است.
تعداد صفحات:20
نوع فايل:word
فهرست مطالب:
چكيده
مقدمه
الگوريتم ژنتيك
مقدمه
مفاهيم اوليه در الگوريتم ژنتيك
كد كردن
رشته
جمعيت
مقدار برازندگي
عملگر تركيب
عملگر جهش
فرآيند نتخاب
تعيين مراحل اوليه قبل از اجراي الگوريتم
تعيين نحوه نمايش يا كد بندي نقاط فضاي جستجو
تعريف ميزان برازندگي
تعيين پارامترها و متغيرها
مشخص كردن شرط پايان تكرار و نحوه انتخاب خروجي الگوريتم
الگوريتم ژنتيك تركيبي ابتكاري براي زمان بندي JOB SHOP
نتايج محاسباتي
منابع
چكيده:
زمان بندي براي توليد كارگاهي (job shop) از دو زمينه مديريت محصول و بهره وري گروهي خيلي مهم است.
هر چند كه اين امر كاملا متفاوت است با بدست آوردن يك جواب بهينه با متدهاي بهينه يابي مرسوم، زيرا مسئله مورد نظر داراي محاسبات خيلي پيچيده ميباشد.(مسئله فوق از نوع NP-Hardاست.)
اثبات شده است كه الگوريتم ژنتيك (GA) براي تنوع وضعيت هايي كه شامل زمان بندي و توالي مي باشند(S.S) موثر مي باشد.
در اين مقاله يك نوع الگوريتم ژنتيكي ابتكاري هايبريد براي مسئله n/m/G/Cmax پيشنهاد شده است، هايبريد به اين خاطر كه قوانين زمان بندي از قبيل SPT و MWKR با الگوريتم ژنتيك ادغام شده اند، همچنين از تكنيك جستجوي محلي (NST ) بعنوان رويه اي كمكي جهت بهبود حل عملكردي كمك گرفته ايم.
كارايي و اثر بخشي اين الگوريتم جديد به وسيله مقايسه با برخي متدهاي معروف ديگر از قبيل الگوريتم هاي NST (تكنيك جستجوي محلي)، SA (تبريد شبيه سازي شده) و ژنتيك، به اثبات رسيده است.
دانلود پروژه سكته