Permutation flowshop scheduling to minimize the total tardiness with learning effects

برنامه ریزی با اثرات یادگیری اخیرا مورد توجه قرار گرفته است. اغلب تعداد عملیات باید بر روی هر کار در بسیاری از تاسیسات تولید و مونتاژ انجام شود. با این حال، به ندرت در تنظیمات عمومی چند منظوره، به ویژه بدون فرضیه پردازش همزمان پردازش در تمام ماشین آلات و یا ماشین آلات غالب بحث می شود. با توجه به تأکید فعلی خدمات به مشتری و دیدار با تاریخ تحویل وعده داده شده، ما یک مشکل زمانبندی جریان سازی را با اثرات یادگیری جایگزین می کنیم که هدف آن به حداقل رساندن خستگی کامل است. الگوریتم شاخه ای و محدود و دو الگوریتم اکتشافی برای یافتن راه حل های مطلوب و نزدیک بهینه ایجاد شده است. آزمایش های محاسباتی نیز برای ارزیابی عملکرد الگوریتم ها ارائه شده است.