الگوریتم جستجوی پراکنده برای مسئله زمانبندی جایگشت جریان فروشگاه توزیع شده
چکیده
مسئله جایگشت توزیع شده جریان فروشگاه به تازگی به عنوان یک تعمیم از تنظیمات جریان منظم فروشگاه پیشنهاد شده است که در آن بیش از یک کارخانه برای پردازش مشاغل دردسترس هستند. تولید توزیع شده برای شرکت های بزرگ که در بازار جهانی رقابت می نمایند یک وضعیت رایج است. این مسئله دو بعد دارد: تخصیص مشاغل به کارخانه ها و زمان بندی مشاغل اختصاص یافته به هر کارخانه. با وجود اینکه این مورد به تازگی معرفی شده است، این مسئله زمانبندی جالب، توجهات را جلب کرده است و چندین روش اکتشافی و فراابتکاری در نوشته ها مطرح شده است. در این مقاله ما یک روش جستجوی پراکنده (SS) را برای این مسئله برای بهینه سازی تفاوت زمان بین شروع و اغاز یک شغل ارائه می دهیم. SS به ندرت برای تنظیمات جریان فروشگاه بررسی شده است. در این الگوریتم پیشنهادی، ما از برخی از تکنیک های پیشرفته مانند یک مجموعه مرجع ساخته شده از راه حل های کامل و جزئی همراه با ویژگی های دیگر مانند ر جستجوی محلی و شروع دوباره استفاده نمودیم. یک کمپین محاسباتی جامع شامل 10 الگوریتم موجود، همراه با تجزیه و تحلیل های آماری، نشان می دهد که الگوریتم جستجوی پراکنده پیشنهادی، با اختلاف قابل توجهی نتایج بهتری را نسبت به الگوریتم های موجود تولید می کند. علاوه بر این تمام 720 بهترین شده راه حل شناخته برای این مسئله، بهبود می یابند.
1. مقدمه
زمانبندی، با تخصیص منابع، به طور معمول ماشین آلات، به وظایف (معمولا به عنوان مشاغل نامیده می شوند) در طول زمان با هدف بهینه سازی یک هدف معین سرو کار دارد (Pinedo، 2012). زمانبندی یک مسئله مهم است که به طور عمده در صنایع تولیدی به نظر می رسد. به خوبی مشخص شده است که زمانبندی های خوب تا حد زیادی به عملکرد کلی یک شرکت (McKay، Pinedo، و Webster، 2002) کمک می کنند. طرح ماشین آلات در طبقه تولید، همراه با جریان مشاغل در ماشین آلات، همراه با هزاران محدودیت و تنظیمات زندگی واقعی نوع حل مسئله زمانبندی را تعیین می کند. مسئله زمانبندی جریان فروشگاه (FSP) در عمل مسلما رایج ترین طرح پردازش است، همانطور که برای کارخانه های تولیدی، تولید یک خانواده معین از محصولات که باید از ماشین آلات در نظمی مشخص بازدید نمایند، معمول است.
abstract
The distributed permutation flowshop problem has been recently proposed as a generalization of the regular flowshop setting where more than one factory is available to process jobs. Distributed manufacturing is a common situation for large enterprises that compete in a globalized market. The problem has two dimensions: assigning jobs to factories and scheduling the jobs assigned to each factory. Despite being recently introduced, this interesting scheduling problem has attracted attention and several heuristic and metaheuristic methods have been proposed in the literature. In this paper we present a scatter search (SS) method for this problem to optimize makespan. SS has seldom been explored for flowshop settings. In the proposed algorithm we employ some advanced techniques like a reference set made up of complete and partial solutions along with other features like restarts and local search. A comprehensive computational campaign including 10 existing algorithms, together with statistical analyses, shows that the proposed scatter search algorithm produces better results than existing algorithms by a significant margin. Moreover all 720 known best solutions for this problem are improved.
1. Introduction
Scheduling deals with the allocation of resources, typically machines, to tasks (commonly referred to as jobs) over time with the goal of optimizing a given objective (Pinedo, 2012). Scheduling is an important problem that appears mainly in manufacturing industries. It is well known that good schedules contribute greatly to the overall performance of a company (McKay, Pinedo, & Webster, 2002). The layout of the machines on the production floor, along with the flow of the jobs in the machines, together with a myriad of constraints and real life settings determine the type of scheduling problem to solve. The flowshop scheduling problem (FSP) is arguably the most common processing layout in practice as it is typical for manufacturing plants to manufacture a given family of products that have to visit machines in a known order
چکیده
1-مقدمه
2. بررسی نوشته ها
3. روش جستجوی پراکنده
3.1. ارائه راه حل و روش تولید تنوع
3. 2. تولید زیر مجموعه و روش های ترکیبی راه حل
3. 3. روش بهبود
3.4 روش به روز رسانی مجموعه مرجع و روش راه اندازی مجدد
4. کالیبراسیون، مقایسه محاسباتی و تجزیه و تحلیل آماری
4.1 کالیبراسیون روش جستجوی پراکنده پیشنهادی
4.2 روش های مقایسه شده و تنظیم تجربی
4.3 نتایج اکتشافی برای نمونه های بزرگ
4.4 نتایج فراابتکاری برای نمونه بزرگ
5. نتیجه گیری ها و تحقیقات آینده
Abstract
1. Introduction
2. Literature review
3. Scatter search method
3.1. Solution representation and diversification generation method
3.2. Subset generation and solution combination methods
3.3. Improvement method
3.4. Reference set update method and restart procedure
4. Calibration, computational comparisons and statistical analyses
4.1. Calibration of the proposed scatter search method
4.2. Methods compared and experimental setting
4.3. Heuristic results for large instances
4.4. Metaheuristic results for large instances
5. Conclusions and future research
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه