A comparison of two stage-based hybrid algorithms for a batch scheduling problem in hybrid flow shop with learning effect

در این مقاله، مسئله برنامه ریزی دسته ای جریان هیبرید با مجموعه زمان های تنظیم خانواده و وابسته به دستگاه تعیین می شود که در آن هدف به طور همزمان به حداقل رساندن وزن وزن کل زمان تکمیل وزنی و تمام شدن وزن با توجه به تولید کننده و مشتریان است . به منظور انعکاس نیازهای صنعت، زمان های در دسترس بودن دستگاه، زمان آزاد شدن شغل، قابلیت ماشین و واجد شرایط بودن برای پردازش شغل، گذراندن مرحله و اثر یادگیری در نظر گرفته شده است. بر خلاف برنامه ریزی گروهی، برنامه ریزی دسته ای، فرضیه های فناوری گروه را با تقسیم گروه های از پیش تعیین شده مشاغل به دسته های متناقض برای انجام پردازش به موقع مشاغل با اولویت بالاتر و استفاده از حداکثر ظرفیت موجود ماشین ها، بی توجهی می کند. یکی از مشارکتکنندگان این تحقیق، شناخت مزایای یکپارچه سازی تصمیم گیری بچگانه در رویکرد برنامه ریزی گروهی است. سهم دیگر این است که توسعه متا اکتیویته قوی براساس ترکیبی از ساختارهای مبتنی بر جستجوی محلی و جمعیتی همراه با استراتژی وابستگی متقابل مرحله به حل مسئله تحقیق را ایجاد کند. مکانیزم یافتن راه حل اولیه و مکانیسم تولید اطلاعات جامع توسعه یافته است. کارایی و کارایی الگوریتم های فراشناختی توسط سطوح پایین تر به دست آمده از دو مدل برنامه ریزی خطی تلفیقی عددی تایید می شود. مزایای توجه به تصمیم گیری بچگانه نسبت به محدودیت های پایین تر مورد نظر در اندازه های دسته ای، امیدوارانه تمرینکنندگان را تشویق به استفاده از روش زمانبندی دسته ای به جای روش برنامه ریزی گروه بندی کند.