کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6892491 | 1445448 | 2018 | 32 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Bi-objective scheduling on a restricted batching machine
ترجمه فارسی عنوان
برنامه ریزی بی هدف در یک ماشین مجزا محدود
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
ترجمه چکیده
در این کار، ما یک دستگاه بچینگ را می بینیم که می تواند همزمان چندین شغل را پردازش کند. دسته ها یک اندازه دسته ای محدود دارند و زمان پردازش یک دسته برابر با بزرگترین زمان پردازش در میان تمام مشاغل درون دسته است. ما یک مشکل دو جانبه را برای به حداقل رساندن حداکثر دیررسی و تعداد دسته ها حل می کنیم. این تابع مربوطه است، زیرا ما علاقه مند به ملاقات با تاریخ و به حداقل رساندن هزینه دست زدن به هر دسته است. هدف ما یافتن راه حل های بهینه پارتو با استفاده از یک روش محدودیت اپسیلون بر روی یک مدل ریاضی جدید است که با خانواده ای از نابرابری های معتبر و محدودیت هایی که از راه حل های متقارن جلوگیری می شود، افزایش می یابد. علاوه بر این، ما یک الگوریتم ژنتیک تصادفی بی طرف برای ارزیابی نقاط پورتو بهینه از نمونه های بزرگتر در زمان معقول ارائه می دهیم. نتایج تجربی نشان دهنده کارآیی روش های ما است.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
علوم کامپیوتر (عمومی)
چکیده انگلیسی
In this work, we consider a batching machine that can process several jobs at the same time. Batches have a restricted batch size, and the processing time of a batch is equal to the largest processing time among all jobs within the batch. We solve the bi-objective problem of minimizing the maximum lateness and number of batches. This function is relevant as we are interested in meeting due dates and minimizing the cost of handling each batch. Our aim is to find the Pareto-optimal solutions by using an epsilon-constraint method on a new mathematical model that is enhanced with a family of valid inequalities and constraints that avoid symmetric solutions. Additionally, we present a biased random-key genetic algorithm to approximate the optimal Pareto points of larger instances in reasonable time. Experimental results show the efficiency of our methodologies.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers & Operations Research - Volume 100, December 2018, Pages 201-210
Journal: Computers & Operations Research - Volume 100, December 2018, Pages 201-210
نویسندگان
Marta Cabo, José Luis González-Velarde, Edgar Possani, YasmÃn Á. RÃos SolÃs,