برآورد ترکیبی الگوریتم توزیع برای حل مسئله چیدمان تک ردیفی امکانات
چکیده
مسئله موقعیت یابی چیدمان امکانات در یک خط مستقیم به عنوان مسئله چیدمان تک ردیفی امکانات (SRFLP) شناخته شده است. هدف از SRFLP، که به عنوان مسئله کامل NP طبقه بندی می شود، آرایش چیدمان است به طوری که مجموع فواصل بین هر جفت از تمام امکانات بتوان به حداقل رساند. برآورد الگوریتم توزیع (EDA) به طور موثر کیفیت راه حل را در چند اجرا بهبود می دهد، اما از دست دادن تنوع با تکرار بیشتر به سرعت بیشتر می شود. برای حفظ تنوع، ترکیب با الگوریتم های فراابتکاری نیاز است. این پژوهش برآورد ترکیبی از الگوریتم توزیع (EDAhybrid) را پیشنهاد می دهد، یک الگوریتم که متشکل از ترکیب EDA، بهینه سازی ازدحام ذرات (PSO)، و جستجوی ممنوع است. یکی دیگر از الگوریتم های ترکیبی، الگوریتم ژنتیک کروموزوم های مصنوعی گسترش یافته (eACGA) است که همچنین به عنوان معیار ساخته شده است. عملکرد EDAhybrid در 15 مسئله محک زنی SRFLP آزمایش شده است و با موفقیت به راه حل مطلوب دستیابی پیدا می کند. علاوه بر این، نرخ های میانگین خطای EDAhybrid همیشه در مقایسه با الگوریتم های دیگر به کمترین مقدار می رسد. SRFLP را می توان با در نظر گرفتن محدودیت های بیشتری ارتقا داد، پس از آن SRFLP ارتقا می یابد. نتایج محاسباتی نشان می دهد که EDAhybrid می تواند SRFLP پیشرفته را به طور موثر حل نماید. بنابراین، ما می توانیم نتیجه بگیریم که EDAhybrid یک الگوریتم فراابتکاری امیدوار کننده است که می تواند برای حل SRFLP کلی و ارتقا یافته مورد استفاده قرار گیرد.
1. مقدمه
مسئله چیدمان تک ردیفی امکانات (SRFLP) زمانی در نظر گرفته می شود که محصولات متعدد با حجم تولید مختلف و مسیریابی مختلف فرایند باید تولید شوند. هدف از SRFLP، راه اندازی امکانات است به طوری که مجموع فاصله بین هر جفت از امکانات را بتوان به حداقل رساند (Amaral، 2006). از آنجا که اثبات شده است که SRFLP یک مسئله چند جمله ای زمانی (NP) کامل غیر قطعی است، روشهای دقیق اعمال شده برای نمونه های زیادی از این مسئله وقت گیر می باشند. از این رو، روش های ابتکاری برای به دست آوردن راه حل نزدیک به بهینه برای این مسئله (Samarghandi و Eshghi، 2010) ساخته شده است.
پژوهشهای موجود که فراابتکارات را اعمال نمودند، سهم زیادی در حل SRFLP داشته اند. با وجود سهم آنها، هر مطالعه، در واقع، دارای مزایا و محدودیت خاص خود است. با حل SRFLP به طور موثر، امید است که یک الگوریتم نیز بتواند در حل موارد مختلف مساله چیدمان امکانات موفق شود.
abstract
The layout positioning problem of facilities on a straight line is known as Single Row Facility Layout Problem (SRFLP). The objective of SRFLP, categorized as NP Complete problem, is to arrange the layout so that the sum of distances between all facilities’ pairs can be minimized. Estimation of Distribution Algorithm (EDA) efficiently improves the solution quality in first few runs, but the diversity loss grows rapidly as more iterations are run. To maintain the diversity, hybridization with metaheuristic algorithms is needed. This research proposes Hybrid Estimation of Distribution Algorithm (EDAhybrid), an algorithm which consists of hybridization of EDA, Particle Swarm Optimization (PSO), and Tabu Search. Another hybridization algorithm, extended Artificial Chromosomes Genetic Algorithm (eACGA), is also built as benchmark. EDAhybrid’s performance is tested in 15 benchmark problems of SRFLP and it successfully achieves optimum solution. Moreover, the mean error rates of EDAhybrid always get the lowest value compared to other algorithms. SRFLP can be enhanced by considering more constraints, so it becomes enhanced SRFLP. Computational results show that EDAhybrid can also solve Enhanced SRFLP effectively. Therefore, we can conclude that EDAhybrid is a promising metaheuristic algorithm which can be used to solve the basic and enhanced SRFLP.
1. Introduction
The Single Row Facility Layout Problem (SRFLP) is taken into account when multiple products with different production volumes and different process routings need to be manufactured. The objective of SRFLP is to set up the facilities so that sum of the distances between all facility pairs can be minimized (Amaral, 2006). Because SRFLP is proven to be a Nondeterministic Polynomial-time (NP) Complete problem, the exact methods applied to large instances of the problem are time consuming. Hence, heuristic methods are built to acquire a near optimal solution to the problem (Samarghandi & Eshghi, 2010).
Existing researches which applied metaheuristics have contributed to solve the SRFLP. Despite its contribution, each study, in fact, has particular benefits and limitations. By solving SRFLP effectively, it is hoped that an algorithm can also succeed in solving the different cases of Facility Layout Problem.
چکیده
1. مقدمه
2. بررسی نوشته ها
2.1. برآورد الگوریتم های توزیع
2.2. الگوریتم های فراابتکاری برای حل مسئله چیدمان تک ردیفی امکانات
2.3. مسئله چیدمان تک ردیفی امکانات پیشرفته
3. بیانیه مسئله
3.1. مسئله چیدمان تک ردیفی امکانات
3.2. مسئله چیدمان تک ردیفی امکانات ارتقا یافته
4. روش شناسی
4.1. روش اجرایی عمومی eACGA
4.2. روش اجرایی EDAhybrid
5. تجزیه و تحلیل نتیجه
5.1. تنظیم پارامترها
5.2. EDAhybrid برای SRFLP
5.3. EDAhybrid برای SRFLP ارتقا یافته
6. بحث و نتیجه گیری
Abstract
1. Introduction
2. Literatures review
2.1. Estimation of Distribution Algorithms
2.2. Metaheuristic algorithms for solving Single Row Facility Layout Problem
2.3. Enhanced Single Row Facility Layout Problem
3. Problem statement
3.1. Single Row Facility Layout Problem
3.2. Enhanced Single Row Facility Layout Problem
4. Methodology
4.1. General procedure of eACGA
4.2. Procedure of EDAhybrid
5. Result analysis
5.1. Parameters setting
5.2. EDAhybrid for SRFLP
5.3. EDAhybrid for enhanced SRFLP
6. Discussion and conclusion
- 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