جستجوی مقالات مرتبط با کلیدواژه
hybrid genetic algorithm
در نشریات گروه فنی و مهندسی
تکرار جستجوی کلیدواژه hybrid genetic algorithm در مقالات مجلات علمی
-
A new three stage production-assembly problem is considered in this paper. To the best of our knowledge, considering parallel machines in the third stage, identical parallel factories including the three stage production-assembly system and identical parallel factories with parallel machines in the third stage of the production-assembly system, only has been investigated in this paper. To minimize the maximum completion time (Makespan) of all jobs in the all factories, jobs assignment to factories and their processing sequence should be done properly. A Mixed Integer Linear Programming (MILP) model is presented to solve small size problem by using cplex solver. According to the problem computational complexity, large size of problem is not possible to solve using the cplex, so to solve it and to control the computational complexity, a new improved genetic algorithm (GA) is proposed by combining genetic algorithm and Longest Proseccing Time (LPT) method that is called Hybrid Genetic Algorithm Longest Proseccing Time (HGALPT). The problem parameters values are determined using one-way analysis of variance (ANOVA). Finally, in order to evaluate the efficiency and effectiveness of the proposed algorithm, and to specify each parameter impact on the objective function, sensitivity analysis is performed on the problem parameters.
Keywords: Production-Assembly, Basic Scheduling, Longest Processing Time, Hybrid genetic algorithm, Flowshop Scheduling -
In this paper, we studied a new integrated production scheduling, vehicle routing, inventory and outsourcing problem. The production phase considers parallel machine scheduling including setup times with outsourcing allowed and the distribution phase considered batch delivery by a fleet of homogenous vehicles with respect to holding cost of completed jobs. The objective of the Mixed Integer Linear Programming (MILP) formulated model is to minimize the total costs including production, outsourcing, holding, tardiness and distribution fixed and variable costs. Due to the nondeterministic polynomial time (Np)-hardness of the problem, we derive a number of dominance properties for the optimal solution and combine them with a Genetic Algorithm (GA) to solve the problem. To assess the efficiency and effectiveness of the proposed hybrid algorithm, we conduct the computational study on randomly generated instances. Sensitivity analyses showed the impacts of the parameters on the objective function were incorporated. In order to evaluate the significance of the differences among the results obtained by GA and GADP one-tailed paired t tests were performed and interval plots were depicted.Keywords: dominance properties, Hybrid genetic algorithm, Inventory, Outsourcing, Production scheduling, Vehicle routing
-
در این مقاله رویکردی موثر برای کاهش ریسک مسیریابی وسایل نقلیه همراه با پنجره زمانی جهت حمل کالاهای ارزشمند ارائه می شود. مدل در نظر گرفته شده برای حمل این نوع کالا دارای دو تابع هدف کمینه سازی مسافت و ریسک است. تابع هدف کاهش ریسک وابسته به مقدار کالای حمل شده، احتمال حمله مسلحانه تروریستی و احتمال موفقیت سرقت است. احتمال حمله تروریستی با استفاده از نظریه بازی ها و تعیین احتمال انتخاب استراتژی های مختلف آن تخمین زده می شود، به نحوی که یک بازی رقابتی دو نفره با جمع صفر میان تروریست و حمل کننده کالای ارزشمند صورت می گیرد و نقطه تعادل بازی یک استراتژی ترکیبی از مجموعه استراتژی های بازیکن است. همچنین با استفاده از رویکردهای موثر تصمیم گیری چند معیاره، احتمال موفقیت ارزیابی شده و برای افزایش امنیت حمل کالای ارزشمند نسبت به تغییر روزانه مسیرهای توزیع کالا اقدام می شود. برای حل این مدل پیشنهادی، یک الگوریتم ژنتیک ترکیبی چند هدفه موثر طراحی می گردد. کارآیی و اثربخشی الگوریتم روی مسائل آزمایشی استانداد در ادبیات موضوع مورد بررسی قرار می گیرد که نتایج حاصل شده نشانگر موثر بودن راه حل پیشنهادی است.کلید واژگان: الگوریتم ژنتیک ترکیبی، ریسک، کالای ارزشمند، مسئله مسیریابی وسایل نقلیه همراه با پنجره زمانی، نظریه بازیIn this paper, an effective approach for risk minimizing vehicle routing with time window for valuable commodities transportation is proposed. The proposed model pursues two objective functions including distance minimization and risk minimization. The risk minimization objective depends on the size of goods transported, the probability of an armed terrorist attack, and the probability of the success of robbery. The probability of a terrorist attack is estimated using game theory approach for different strategies, in such a way that a two-player, zero-sum game is played between the terrorist and the valuable goods carrier. The equilibrium of such a game is a strategy combining set of player's strategies. Moreover, the probability of success is evaluated using multi-criteria decision-making, and in order to increase the security of valuable commodities transportation, distribution routes will change on a daily basis. An effective multi-objective hybrid genetic algorithm is designed to tackle the proposed model. The efficiency and effectiveness of the algorithm are also examined through standard data sets, and the results indicate the effectiveness of the proposed solution algorithm.Keywords: Hybrid genetic algorithm, risk, Valuable commodity, Vehicle routing problem with time window, game theory
-
Scheduling problems play a big role in manufacturing and planning the production for increasing the production efficiency and assigning the resources to operations. Furthermore, in many manufacturing systems there is a physical space between stages that called intermediate buffers. In this study, a model is proposed for minimizing the makespan of a hybrid flow shop scheduling problem with intermediate buffers and resource constraints. These constraints exist in almost every realistic manufacturing system and have an imperative impact on improving the production cost, productivity, and sustainability. In this study, a hybrid algorithm based on genetic algorithm and variable neighborhood search was used, which in tuned with Taguchis method helped in solving the proposed model for a tire manufacturing company. The results show that the proposed mathematical model has a high ability for scheduling problems with resource and intermediate buffer constraints and is solvable by the hybrid genetic algorithm.Keywords: Hybrid flow shop scheduling, Buffer limits, Resource constraints, Hybrid genetic algorithm
-
مسئله مکانیابی نقطه انتقال عمومابه یافتن مکان بهینه نقطه انتقال بین تسهیل و مجموعه ای از نقاط تقاضا اتلاق می شود، به طوری که حداکثر فاصله (مجموع فواصل) مشتریان تا تسهیل از طریق نقطه انتقال در شرایط قطعی حداقل گردد. از این رو مقاله پیش رو،سعی بر مدل سازی مسئله مذکور به صورت چند هدفه به ازای مکانیابی یک یا چند نقطه انتقال در حضور یک یا چند تسهیل، تحت شرایط قطعی در فضای شبکه دارد. اهداف مورد نظر نیز مشتمل بر کمینه سازی مجموع هزینه های حمل و نقل و برپایی نقاط انتقال، کمینه سازی مجموع زمان های جابجایی و بیشینه سازی مقدار پوشش می باشند. هم چنین به دلیل پیچیدگی بالای محاسباتی ، از یک نوع الگوریتم ژنتیک ترکیبی جدید جهت حل مدل بکار گرفته شده و به جوابنزدیکبهبهینهدرزمانمحدود بسنده شده است.در انتها، اعتبار و کاربرد مدل سازی پیشنهادی تحت شرایط قطعی، از طریق ارائه یک مطالعه موردی در مورد سیستم توزیع گندم اسیاب شده درشهرستان اندیمشک استان خوزستان نشان داده شده است.کلید واژگان: برنامه ریزی آرمانی، الگوریتم ژنتیک ترکیبی، مسئله مکانیابی چندگانه نقاط انتقال، مسئله مکانیابی تسهیل چندهدفهThe Transfer Point Location Problem is about locating optimum transfer point between the facility and a set of demand points, such that the maximum distance or the sum of the distances between the customers and the facility through the transfer point is minimized in certain environment. Thus, in this thesis the goal is to construct the modeling of the aforesaid problem, in case of multi objectives with respect to locating the single or multiple transfer point(s), in the certain environment and network topology when one or more facility exist. The objectives are about minimizing total cost of transfer points set up and transportation, minimizing total time of transfer and maximizing demand covering. In addition, due to high computational complexity of problem for acquiring a solution near to optimum in limited time, one type of proposed hybrid genetic algorithm is used. At last, the validation and the application of the developed model in certain environment are shown by a case study of ground wheat distribution system in Andimeshk of Khozestan.Keywords: Goal Programming, hybrid Genetic algorithm, Multiple location of transfer points, Multi, objective Facility location problem
-
جمع آوری زباله شهری یکی از فعالیت های بزرگ شهری است که شامل هزینه های کلان و مشکلات عملیاتی بسیاری است، انجام عملیات جمع آوری و دفع به دلیل وجود هزینه های سرمایه گذاری (ناوگان وسائط نقلیه) و هزینه های عملیاتی بالا (سوخت، نگهداری و تعمیرات و)... بسیار هزینه بر است و ایجاد بهبودهای کوچک در این حوزه باعث صرفه جویی های بزرگی در مصارف شهرداری ها میگردد. از جمله مسائل مطرح در این زمینه تغییر در الگوی جمع آوری زباله به منظور بررسی الگوهای مختلف و به تبع آن وارد شدن عدم قطعیت در داده ها است. بررسی مساله جمع آوری زباله در شرایط عدم قطعیت میتواند در تصمیم گیری مناسب مدیران و تصمیم گیران در این حوزه نقش بسزایی داشته باشد. در این مقاله، مساله مسیریابی کمان ظرفیت دار (همراه با محدودیت ظرفیت وسایل نقلیه) با در نظر گرفتن شرایط عدم قطعیت برای داده ها توصیف میشود. به دلیل ماهیت غیر قطعی تقاضا (میزان زباله تولید شده) و دشواری تعیین مقدار واقعی آن، یک مدل برنامه ریزی محدودیت شانسی مبتنی بر نظریه اعتبار فازی برای مساله طراحی میشود. همچنین از یک الگوریتم ژنتیک ترکیبی شامل الگوریتم ابتکاری، شبیه سازی تبرید و ژنتیگ به همراه شبیه سازی احتمالی جهت حل مساله پیشنهادی استفاده میشود. نتایج محاسباتی در مقایسه با روش CPLEX بیانگر آن است که الگوریتم پیشنهادی نتایج مطلوبی ارائه میدهد. در انتهای مقاله نیز به بررسی مطالعه موردی جمع آوری زباله درشهر اصفهان پرداخته و سیاست بهینه آن در شرایط عدم قطعیت تعیین میشود.کلید واژگان: مساله مسیریابی کمان ظرفیتدار، الگوریتم ژنتیک ترکیبی، شبیه سازی مونت کارلو، نظریه اعتبار فازی، جمع آوری زباله شهریWaste collection is a highly visible municipal service that involves large expenditures and difficult operational problems, plus it is expensive to operate in terms of investment costs (i.e. vehicles fleet), operational costs (i.e. fuel, maintenances) and making small improvements in this area can lead to huge savings in municipal expenditures. Among the issues raised in this context, changes in the pattern of waste collection in order to explore different, and consequently considering the uncertainty of the data. Study of urban waste collection problem in terms of uncertainty can help managers and decision-makers to make appropriate decisions.
In this paper, The Capacitated Arc Routing Problem under fuzzy demands is described. Due to uncertain nature of demands (waste amount) and the difficulty of determining the real amount, a fuzzy chance constrained programming is designed to model the problem, based on the fuzzy credibility theory. A hybrid genetic algorithm incorporated with a heuristic algorithm, a simulated annealing, a genetic algorithm and a stochastic simulation is developed and proposed to solve the model. The experimental results have shown that the proposed algorithm has appropriate performance in comparison with CPLEX. At the end of paper, a case study in urban waste collection of Isfahan is implemented to determine the optimal policy in uncertain circumstances.Keywords: Capacitated arc routing problem, hybrid genetic algorithm, stochastic simulation, fuzzy credibility theory, urban waste collection -
A series of experiments were carried out by mixture of methanol and water as feed of the methanol to propylene (MTP) process in temperature range of 623-823 K. The H-ZSM5 catalyst with the Si/Al ratio of 200 was applied for carrying out the experiments. A novel lumped kinetic scheme was proposed for methanol to propylene (MTP) process. The reactor was mathematically modeled by assumptions of being isothermal, fixed bed, plug flow and the hybrid genetic algorithm was applied for estimating the kinetic parameters. The temperature dependency of the kinetic parameters was determined, using the modified Arrhenius relation. A good agreement was observed between the experimental and the calculated data. Effect of temperature on propylene and ethylene selectivity was investigated. It was found that the propylene selectivity increases with temperature until 773.15 K, but after that it decreases.Keywords: Kinetic Study, Methanol to Propylene Process, Lumped Mechanism, Hybrid Genetic Algorithm, High silica H, ZSM5 Nano Catalyst
-
Flow-shop scheduling problem (FSP) dealswith the scheduling of a set of n jobs that visit a set ofm machines in the same order. As the FSP is NP-hard, thereis no efficient algorithm to reach the optimal solution of theproblem. To minimize the holding, delay and setup costs oflarge permutation flow-shop scheduling problems withsequence-dependent setup times on each machine, thispaper develops a novel hybrid genetic algorithm (HGA)with three genetic operators. Proposed HGA applies amodified approach to generate a pool of initial solutions,and also uses an improved heuristic called the iterated swap < /div>procedure to improve the initial solutions. We consider themake-to-order production approach that some sequencesbetween jobs are assumed as tabu based on maximumallowable setup cost. In addition, the results are comparedto some recently developed heuristics and computationalexperimental results show that the proposed HGA performsvery competitively with respect to accuracy and efficiencyof solution.
Keywords: Hybrid genetic algorithm, Scheduling, Permutation flow - shop, Sequence dependent
نکته
- نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
©2000-2025 magiran.com All Rights Reserved.