زمانبندی جریان کارگاهی با ماشینهای موازی در هر مرحله، که اشاره به محیط جریان کارگاهی مختلط دارد، یک مساله ترکیبیاتی پیچیده است که بسیاری از کاربردهای دنیای واقعی با آن مواجه است. برای در نظر گرفتن فرضهای واقعی در مساله پیشنهادی، چهار خصوصیت اضافی به مساله زمانبندی اضافه شده است. فرضهای اضافه شده شامل خطوط بازگشتی، زمانهای آماده سازی، اثر یادگیری موقعیت مبنا، و در نظر گرفتن ماکزیمم زمان تکمیل همراه با جمع تاخیرها به عنوان تابع هدف هستند. برای توصیف مساله با جزئیات بیشتر یک مدل برنامه ریزی عدد صحیح مختلط 0-1 ارائه میشود. برای نشان دادن اعتبار مدل پیشنهادی، آزمایشات روی پنج مساله کوچک خاص اجرا میشود. نتایج محاسباتی نشان میدهند که وقتی بعد مساله به آهستگی بزرگ شود خطا به مقدار قابل توجهی افزایش می یابد. چون مساله پیشنهادی NP–سخت است، دو الگوریتم فراابتکاری به عنوان رویه حل پیشنهاد میشوند. اولین الگوریتم فراابتکاری به نام VNS-PA در دسته رویکرد پیشین قرار میگیرد. به منظور نشان دادن اثربخشی و کارایی الگوریتم پیشنهادی، آزمایشات روی انواع مسائل اجرا میشوند. نتایج محاسباتی نشان داده اند که الگوریتم پیشنهادی می تواند جوابهای موثر و مناسبی برای مساله بدست دهد. دومین روش فراابتکاری با نام NSGA-DEA در دسته رویکرد پسین قرار میگیرد. روش تاگوچی برای تنظیم پارامترهای الگوریتم پیشنهادی به کار گرفته میشود. به منظور نشان دادن اثربخشی و کارایی الگوریتم پیشنهادی در مقایسه با الگوریتم موثر در ادبیات (با نام MLPGA)، آزمایشات روی سه دسته از مسائل اجرا میشوند: کوچک، متوسط و بزرگ. نتایج محاسباتی برحسب متریک های استاندارد چند هدفه بیان میشوند. نتایج نشان میدهند که الگوریتم پیشنهادی قادر است تا مجموعه پارتو متنوع تر و رقابتی تری از MLPGA بدست آورد.
دیدگاه خود را ثبت کنید