کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6892492 | 1445448 | 2018 | 30 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
A genetic algorithm for the hybrid flow shop scheduling with unrelated machines and machine eligibility
ترجمه فارسی عنوان
یک الگوریتم ژنتیک برای برنامه ریزی جریان هیبرید با ماشین آلات نامناسب و واجد شرایط بودن دستگاه
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
برنامه ریزی، مغازه هیبرید جریان، الگوریتم ژنتیک،
ترجمه چکیده
در این مقاله یک الگوریتم ژنتیک برای حل مسئله برنامه ریزی جریان هیبرید جریان برای به حداقل رساندن کل خستگی. مفروضات عملی به عنوان ماشین های غیر مرتبط و واجد شرایط بودن ماشین در نظر گرفته می شود. الگوریتم پیشنهادی شامل یک روش رمز گشایی جدیدی است که برای هدف مطلوب خنثی سازی کامل شده است که می تواند برنامه تنگ را بدست آورد، در عین حال تأثیر کروموزوم بر برنامه را تضمین می کند. الگوریتم پیشنهادی با طراحی کامل فاکتوریل آزمایش و با چندین الگوریتم کالیبره شده از حالت پیشرفته در 450 نمونه با اندازه های مختلف و الگوهای همبستگی زمان پردازش کار مقایسه شده است. نتایج اثبات اثربخشی الگوریتم پیشنهاد شده را اثبات می کند.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
علوم کامپیوتر (عمومی)
چکیده انگلیسی
This paper presents a genetic algorithm to solve the hybrid flow shop scheduling problem to minimize the total tardiness. Practical assumptions as unrelated machines and machine eligibility are considered. The proposed algorithm incorporates a new decoding method developed for total tardiness objective, which is able to obtain tight schedule meanwhile guarantee the influence of the chromosome on the schedule. The proposed algorithm has been calibrated with a full factorial design of experiment, and compared to several calibrated state-of-art algorithms on 450 instances with different size and correlation patterns of operation processing time. The results validate the effectiveness of the proposed algorithm.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers & Operations Research - Volume 100, December 2018, Pages 211-229
Journal: Computers & Operations Research - Volume 100, December 2018, Pages 211-229
نویسندگان
Chunlong Yu, Quirico Semeraro, Andrea Matta,