memetic algorithm
در نشریات گروه فنی و مهندسی-
در این مقاله به بررسی مشکلات مربوط به مسیریابی و موقعیت یابی با متغیرهای واقعی و بررسی سوالات مربوطه می پردازیم. این تصمیمات مهندسی، موجودی و بهینه سازی در یک سیستم زنجیره تامین چندلایه شامل تامین کنندگان، انبارها و خریداران مختلف گرفته می شود. ما به دنبال راه های جدیدی برای مدیریت مکان و مسیریابی کارآمد و موثر هستیم. به منظور افزایش کارایی و دستیابی به نتایج بهینه، از روش های اکتشافی و فراابتکاری استفاده شده است. در تکنیک های فراابتکاری، معمولا از تکنیک ترکیبی برای افزایش عملکرد استفاده می شود. بنابراین، این مقاله مروری به بررسی روش های فراابتکاری و تحلیل مشکلات مکان با استفاده از کمیت های مختلف می پردازد. همچنین مزایا و معایب هر روش را برای حل بهینه این مشکلات بررسی می کند تا روش های کاربردی و کارآمد را معرفی کند.
کلید واژگان: تحقیق در عملیات، فراابتکاری، هیبریداسیون، الگوریتم ممتیکIn this article, we will examine the problems related to routing and positioning with real variables and examine the related questions. These engineering, inventory and optimization decisions are made in a multi-layered supply chain system, including suppliers, warehouses and different buyers. We are looking for new ways to manage location and routing efficiently and effectively. In order to increase efficiency and achieve optimal results, exploratory and meta-heuristic methods have been used. In meta-heuristic techniques, a combination technique is usually used to increase performance. Therefore, this review article examines meta-heuristic methods and analysis of location problems using different quantities. It also examines the advantages and disadvantages of each method to optimally solve these problems in order to introduce practical and efficient methods
Keywords: Operations Research, Meta-Heuristic, Hybridization, Memetic Algorithm -
امروزه به دلیل هزینه های بالا، انجام آزمون جامع و کامل بر روی تمامی بخش های نرم افزاری امکان پذیر نیست. اما اگر بخش های مستعدخطا قبل از انجام آزمون شناسایی شوند، می توان تمرکز اصلی آزمون را بر روی این بخش ها قرار داد که منجر به صرفه جویی در هزینه ها می شود. شناسایی بخش های مستعدخطا، هدف اصلی پیش بینی خطا در نرم افزار است. یک مدل پیش بینی کننده، بخش های نرم افزاری به همراه ویژگی های آن ها را به عنوان ورودی دریافت کرده و پیش بینی می کند که کدام یک از آن ها مستعدخطا هستند. معمولا برای ساخت این مدل ها از فنون یادگیری ماشین استفاده می شود که عملکرد این فنون، بسیار وابسته به مجموعه داده آموزشی است. مجمعه داده آموزشی معمولا دارای ویژگی های نرم افزاری زیادی است که برخی از آن ها نامرتبط و یا افزونه بوده و حذف این ویژگی ها با استفاده از روش های انتخاب ویژگی انجام می گردد. در این تحقیق، روش جدیدی برای انتخاب ویژگی مبتنی بر پوشش ارایه شده که از الگوریتم ممتیک، تکنیک جنگل تصادفی و معیار جدید مبتنی بر سیستم استنتاج فازی استفاده می کند. نتایج بررسی نشان می دهد که معیار ارزیابی فازی ارایه شده، عملکرد بهتری را نسبت به معیارهای موجود داشته و باعث بهبود کارایی انتخاب ویژگی می شود. هدف نهایی این تحقیق، رسیدن به یک مدل قدرتمند پیش بینی کننده خطاهای نرم افزاری با کارایی بالا بودهو نتایج مقایسه نشان می دهد که مدل ارایه شده، دارای عملکرد و کارایی بالاتری نسبت به دیگر مدل ها است.کلید واژگان: پیش بینی خطای نرم افزار، انتخاب ویژگی، منطق فازی، الگوریتم ممتیکToday, due to high costs, it is not possible to perform a comprehensive and complete test on all parts of thesoftware. But if the fault-prone parts are identified before the test, the main focus of the test can be placedon these parts, which leads to cost savings. Identifying fault-prone components is the main purpose ofsoftware fault prediction. A predictive model receives software modules along with their features as inputand predicts which ones are prone to fault. Machine learning techniques are commonly used to constructthese models, the performance of which is highly dependent on the training dataset. Training datasetsusually have many software features, some of which are irrelevant or redundant, and the removal of thesefeatures is done using feature selection methods. In this research, a new method for wrapper-based featureselection is proposed that uses memetic algorithm, random forest technique and a new criterion based onfuzzy inference system. The results show that the proposed fuzzy evaluation criterion has a betterperformance than the existing criteria and improves the performance of feature selection. The final purposeof this research is to achieve a robust model for predicting high performance software faults and thecomparison results show that the proposed model has higher performance than other models.Keywords: software fault prediction, feature selection, Fuzzy Logic, memetic algorithm
-
زمان بندی در محیط های تولیدی به عنوان یک ابزار رقابتی در جهت بهبود کارایی و پاسخ به نیاز مشتریان به کار می رود. در این مقاله یک مسئله زمان بندی در محیط کارگاه جریانی منعطف سه مرحله ای با در نظر گرفتن انسداد و پردازش دسته ای بررسی می شود. این مسئله با الهام از خط شارژ و بسته بندی یک تولید کننده بزرگ باتری خودرو طراحی شده است. در این محیط، مرحله اول و سوم شامل یک ماشین پردازشگر تکی و مرحله دوم شامل m ماشین موازی پردازش دسته ای یکسان است. هدف، کمینه کردن مجموع دیرکرد وزنی سفارشات دریافتی است. با توجه به عدم مشاهده بررسی این مسئله در ادبیات موضوع، ابتدا یک مدل برنامه ریزی ریاضی برای آن ارایه شده است. همچنین با توجه به hard-NP بودن مسیله، یک الگوریتم فراابتکاری جستجوی همسایگی متغیر و یک الگوریتم فراابتکاری ممتیک برای حل آن توسعه داده شده است. نتایج محاسباتی نشان می دهد الگوریتم جستجوی همسایگی متغیر قادر است مسایل تا ابعاد 1200 سفارش و 15 ماشین را با میانگین خطای حدود 1/9 درصد نسبت به بهترین جواب به دست آمده از بین دو روش، حل کند. الگوریتم ممتیک قادر است مسایل تا ابعاد 1200 سفارش و 15 ماشین را با میانگین خطای حدود 7/8 درصد نسبت به بهترین جواب به دست آمده از بین دو روش، حل کند. در کل نتایج محاسباتی نشان از کارایی بهتر الگوریتم جستجوی همسایگی متغیر نسبت به الگوریتم ممتیک دارد.
کلید واژگان: زمان بندی، کارگاه جریانی منعطف، انسداد، پردازش دسته ای، الگوریتم جستجوی همسایگی متغیر، الگوریتم ممتیکScheduling in production environments is used as a competitive tool to improve efficiency and respond to customer requests. In this paper, a scheduling problem is investigated in a three-stage flexible flowshop environment with the consideration of blocking and batch processing. This problem has been inspired by the charging and packaging line of a large battery manufacturer. In this environment, the first and third stages involve a single processor machine, and the second one consists of m identical parallel batch processing machines. The objective is to minimize the total weighted tardiness of the received orders.Given the lack of consideration of this problem in the literature, first, a mathematical programming model is presented for the problem. Also, due to the NP-hardness of the problem, a variable neighborhood search algorithm and a memetic algorithm are developed to solve it. The computational results show that the variable neighborhood search algorithm can solve instances up to 1200 orders and 15 machines with an average deviation of about 1.9%, relative to the best solution of the two algorithms, and the memetic algorithm can solve instances up to 1200 orders and 15 machines with an average deviation of about 7.8%, as compared e to the best solution of the two algorithms. In general, computational results show the better performance of the variable neighborhood search algorithm in comparison to the memetic algorithm.
Keywords: Scheduling, Fexible flowshp, blocking, Batch processing, Variable neighbourhood search algorithm, Memetic algorithm -
Wireless sensor networks include sensor nodes communicating each other through wireless links for effective data collection and routing. These wireless nodes are of limited processing power, memory, communication range, channel band width, and battery capacity, from among which the most important is limited capacity of batteries which are unchangeable, under many conditions. The limitation encourages designing efficient protocols in terms of energy consumption. Using clustering is one of the methods to optimize energy consumption. On the other hand, a technical challenge in successful expansion of wireless sensor networks and their exploitation is effective usage made of limited channel band width. To overcome the challenge, one of the methods is dividing schedule of channel usage through TDMA method (Time-Division Multiple Access) so that each cluster head node creates a schedule for transmission of data from member nodes of the cluster through TDMA. Accordingly, in the paper, a distributed routing protocol based on clustering through usage of mimetic algorithm and time-sharing approach is proposed; and, it is capable of optimizing energy consumption and throughput rate, as well as reducing delay. The simulation results are indicative of better performance of proposed method, compared to IEEE 802.15.4 Standard.
Keywords: ireless sensor network, Clustering, Memetic algorithm, Time-division multiple access, IEEE 802.15.4 Standard -
In this paper, a new approach to risk minimizing vehicle routing and scheduling problem is presented. Forwarding agents or companies have two main concerns for the collection of high-risk commodities like cash or valuable commodities between the central depot and the customers: one; because of the high value of the commodities transported, the risk of ambush and robbery are very high. Two; the cost of a security guard that protects the vehicle is high. Therefore, the goals of these companies are to deliver and collect commodities with maximum security and minimum risk. Hence, in this paper, a multi-objective vehicle routing problem with time windows (VRPTW) is proposed to minimize risk and transportation costs. Finally, a memetic algorithm is designed to optimize the proposed model. The proposed algorithm is evaluated and compared with the non-dominated genetic algorithm (NSGAII) using Solomon VRPTW test sets. The results demonstrate that the presented approach is effective for valuables routing problem.Keywords: Multi-objective vehicle routing problem with time windows, valuable commodities, Risk minimization, Memetic algorithm
-
در مدل های کلاسیک، معمولا تمرکز بر ارایه برنامه زمان بندی با اهداف متناظر با زمان تکمیل کارها است حال آنکه با توجه به ارتباط بین اقتصاد، انرژی و نگرانی های زیست محیطی، توجه به انرژی مصرفی ماشین آلات در سالیان اخیر موردتوجه محققین حوزه های مختلف قرار گرفته است. همچنین در تحقیقات عموما فرض بر آن بوده است که یک عامل (تولیدکننده) به تنهایی سعی در بهینه سازی هدف خود داشته حال آنکه در واقعیت ممکن است چندین عامل تولیدی به دلیل محدودیت های خود به ناچار از منابع مشترک جهت پردازش کارها استفاده کنند. در همین راستا در پژوهش حاضر، مساله زمان بندی دوعاملی در کارگاه ماشین های موازی ناهمگن موردبررسی قرار گرفته و ازآنجاکه انرژی مصرفی ماشین ها با سرعت پردازش آن ها رابطه ای مستقیم دارد، هزینه انرژی نیز مورد قرار گرفته است. در اینجا فرض شده است که عامل اول درصدد کمینه سازی مجموع جریمه های دیرکرد و هزینه انرژی و عامل دوم درصدد کمینه سازی مجموع جریمه های دیرکرد و زودکرد است. از آنجاییکه مساله فوق یک مساله Np-hard است، علاوه بر مدل سازی و حل آن، جهت ارایه راه حل های مناسب برای ابعاد بزرگ، الگوریتم فراابتکاری ممتیک پیشنهاد و به منظور بررسی عملکرد آن، نتایج حاصل با نتایج خروجی نرم افزار گمز و فراابتکاری دیگر مقایسه شده است. با توجه به نتایج حاصل، مشاهده گردید که الگوریتم پیشنهادی در ابعاد مختلف مساله عملکرد مناسبی داشته بطوریکه در ابعاد کوچک، در مقایسه نتایج با روش Lp-Metric وزنی، و در ابعاد بزرگ، با در نظر گرفتن چندین معیار عملکردی مطرح در ادبیات، الگوریتم پیشنهادی کارایی بسیار مناسبی داشته است.کلید واژگان: زمان بندی چند عاملی، زمان بندی ماشین های موازی، هزینه انرژی، کارهای به هنگام، الگوریتم ممتیکJournal of Industrial Engineering Research in Production Systems, Volume:7 Issue: 15, 2020, PP 287 -303In the classic models of scheduling problems, researchers mostly concentrate on the objectives considering jobs completion time. Due to the relation among economy, energy and environmental concerns, attention to the energy use of machines have been considered by researchers in the field of scheduling in recent years. Also, In the literature of scheduling problems, it is mostly assumed that one agent try to optimize the problem. But, occasionally there are several agents that each has their own jobs and they must use a series of common resources to process them. In this study, a two-agent heterogeneous parallel-machines scheduling problem is studied in which the process speed of each job on each machine is adjustable. Since there is a direct link between the energy used in machines and process speed, the used energy costs affect on scheduling problem. In this study, the first agent is tried to minimize total tardiness penalty as well as energy costs of production machines and the second agent is tried to minimize total tardiness and earliness. The suitable schedule should be considered to allocate and sequence jobs of agents to the common resources to optimize appropriately the agent’s objective functions. Since the proposed problem is Np-hard, in order to solve it in large scale problems, a Memetic algorithm is developed and to verify the performance of this algorithm, we take into comparison the results of Memetic algorithm with the results of GAMS software and of another meta-heuristic algorithm.Keywords: Multi-Agent scheduling, Parallel-machines scheduling, Energy cost, Just-in-time jobs, Memetic algorithm
-
الگوریتم ممتیک یکی از انواع الگوریتم های تکاملی است که با استفاده از جستجوی عمومی و جستجوی محلی فضای حل مساله را به صورت بهینه جستجو می نماید. تعادل بین جستجوی عمومی و محلی، همواره یکی از مسایل مهم در این دسته از الگوریتم ها است. در این مقاله یک مدل جدید ممتیکی با نام 2GALA ارائه شده است. این مدل از ترکیب الگوریتم ژنتیک و اتوماتای مهاجرت اشیا که نوع خاصی از اتوماتای یادگیر ساختار ثابت می باشد، تشکیل شده است. در مدل ارائه شده جستجوی عمومی توسط الگوریتم ژنتیک و یادگیری محلی به وسیله اتوماتای یادگیر انجام می شود. در این مدل جهت افزایش سرعت همگرایی و فرار از همگرایی زودرس، به طور هم زمان از دو مدل یادگیری لامارکی و بالدوینی استفاده شده است. در این مدل تکاملی، جهت استفاده توام از اثرات مثبت تکامل و یادگیری محلی، کروموزم ها به وسیله اتوماتای مهاجرت اشیا بازنمایی شده اند. جهت نمایش برتری مدل ارائه شده نسبت به سایر روش های موجود، از این مدل برای حل مساله تناظر گراف استفاده گردیده است.کلید واژگان: الگوریتم ممتیک، مم، جستجوی محلی، جستجوی عمومی، اتوماتای یادگیر، اتوماتای مهاجرت اشیاMemetic algorithm (MA) is a kind of evolutionary algorithms (EAs) that searches the problem solving space using local search and global search. The balance between global search and local search is one of the key issues in this algorithm. In this paper a new model is proposed, called GALA2. This model is combined of genetic algorithm (GA) and object migration automata (OMA), which is a kind of fixed-structure learning automaton. In the proposed model, global search is performed by genetic algorithm and local learning is performed by learning automata. In this model, the Lamarckian and Baldwinian learning models have been used to increase the convergence rate and avoidance of premature convergence, simultaneously. In this evolutionary model, chromosomes are represented by object migration automata for the purpose of using positive effects of evolution and local learning. In order to show the superiority of the proposed model, GALA2 is used to solve the graph isomorphism problem.Keywords: Memetic algorithm, Meme, local search, global search, learning automata, object migration automata
-
Automated Guided Vehicle System (AGVS) provides the flexibility and automation demanded by Flexible Manufacturing System (FMS). However, with the growing concern on responsible management of resource use, it is crucial to manage these vehicles in an efficient way in order reduces travel time and controls conflicts and congestions. This paper presents the development process of a new Memetic Algorithm (MA) for optimizing partitioning problem of tandem AGVS. MAs employ a Genetic Algorithm (GA), as a global search, and apply a local search to bring the solutions to a local optimum point. A new Tabu Search (TS) has been developed and combined with a GA to refine the newly generated individuals by GA. The aim of the proposed algorithm is to minimize the maximum workload of the system. After all, the performance of the proposed algorithm is evaluated using Matlab. This study also compared the objective function of the proposed MA with GA. The results showed that the TS, as a local search, significantly improves the objective function of the GA for different system sizes with large and small numbers of zone by 1.26 in average.
Keywords: AGVS, Tandem configuration, Tabu search, Memetic algorithm, Genetic algorithm -
یکی از ملاحظات مهم در طراحی سازه ها، تحلیل ارتعاشات سازه و کنترل آن می باشد. از این رو نحوه کنترل و فرونشاندن ارتعاشات، یکی از مسایل مهم در طراحی سازه ها می باشد. همچنین وابستگی بین خواص مکانیکی و الکتریکی مواد پیزوالکتریک باعث شده تا استفاده از این مواد به عنوان حسگر و عملگر برای کنترل پاسخ سازه ها بسیار مناسب باشد. در کار حاضر از سیستم استنتاج فازی عصبی تطبیقی ANFIS به همراه الگوریتم ممتیک استفاده شده است. الگوریتم ممتیک، نوعی الگوریتم تکاملی می باشد که برای بهینه سازی یک مسیله، از روش ترکیب جستجوهای محلی با دیگر الگوریتم های تکاملی بهره می برد و منجر به دستیابی به پاسخهای بهتر در زمان کمتر می گردد. در این مقاله با توجه به تکامل رفتاری در حل یک مسئله بهینه سازی، استراتژی جدیدی برای الگوریتم های ممتیک ارایه شده است. با تعیین یک پارامتر تطبیقی برای الگوریتم در هر تکرار، تعداد جمعیت، احتمال جهش و شرایط ورود به الگوریتم های جستجوی محلی را می توان به صورت تطبیقی تعیین نمود. از این الگوریتم برای کنترل ارتعاشات یک تیر همراه با کنترلر ANFIS استفاده شده است که پارامترهای متغیر شبکه کنترلی مورد نظر توسط الگوریتم ممتیک تعلیم داده شده است. با مقایسه نتایج تعلیم کنترلر توسط الگوریتم ممتیک با نتایج حاصل از تعلیم کنترلر توسط الگوریتم ژنتیک، کاهش زمان نشست و فراجهش پاسخ تیر را می توان نشان داد.
کلید واژگان: کنترل ارتعاشات، ANFIS، الگوریتم ممتیک، تیر اویلر برنولی، روش اجزاء محدودOne of the most important considerations in structures design are analysis and control of structure vibrations. Hence how to control and suppress vibrations is one of the important issue in the design of structures. Also, The dependence between mechanical and electrical properties of piezoelectric materials has led to the use of these materials as sensors and actuator to control the structural response is very good. In this paper, we use neural-fuzzy inference system with memetic algorithm to dampen the vibrations. Memetic algorithm is a evolutionary algorithm and leads to better responses in an optimization problem. In this study, with respect to the evolution of behavior in an optimization problem, an adaptive strategy is proposed for the memetic algorithm. By defining an adaptive parameter for the algorithm in each iteration, number of population, mutation probability and entry conditions to local search algorithm can be detemined adaptively. The adaptive algorithm used to vibration control of beam with an ANFIS controller. The variable parameters to control network has been trained by memetic and genetic algorithms. Comparison of results shows that reduces the settling time and Maximum overshoot.
Keywords: Vibration Control, ANFIS, Memetic Algorithm, Euler Bernoulli Beam, Finite Element Method -
In this research, a single batch processing machine scheduling problem with minimization of total earliness and tardiness as the objective function is investigated.We first formulate the problem as a mixed integer linear programming model. Since the research problem is shown to be NP-hard, an improved memetic algorithmis proposed to efficiently solve the problem. To further enhance the memetic algorithm and avoid premature convergence, we hybridize it with a variable neighborhood search procedureas its local search engine. A dynamic programming approach is also proposed to find optimal schedule for a given set of batches. Wedesign a Taguchi experiment to evaluate the effects of different parameters on the performance of the proposed algorithm. The results of an extensive computational study demonstrate the efficacy of the proposed algorithm.Keywords: Batch processing machine, Total earliness, tardiness, Memetic algorithm, Variable neighborhood search, Dynamic programming
-
This paper addressed a Flexible Job shop Scheduling Problem (FJSP) with the objective of minimization of maximum completion time (Cmax) which job splitting or lot streaming is allowed. Lot streaming is an important technique that has been used widely to reduce completion time of a production system. Due to the complexity of the problem; exact optimization techniques such as branch and bound algorithm will lose their efficiency at medium and large dimensions. Thus, metaheuristic techniques are good options in order to obtain high quality solutions within a reasonable computational time. In this study, firstly, the considered problems are solved in both permitted and not permitted of lot streaming by means of memetic algorithm and then the obtained solutions will be improved by using the critical path method heuristic. The numerical results indicate the high efficiency of the memetic algorithm in comparison with the previous methods; in addition, adding preemption and using allowable idle machines have led to a considerable improvement in the objective function.Keywords: Memetic Algorithm, Flexible Job shop Scheduling Problem (FJSP), preemption, Critical Path
-
طراحی شبکه زنجیره تامین برگشتی با هدف مدیریت کارای جریان محصولات برگشتی یکی از موضوعات مهم در مدیریت زنجیره تامین است. تعیین قیمت محصولات برگشتی که خود می تواند تحت تاثیر عوامل متفاوتی همچون کیفیت محصولات باشد، تاثیر بسزایی بر تصمیم استراتژیک طراحی شبکه زنجیره تامین خواهد داشت. در این مقاله، یک مدل ریاضی جامع برای طراحی شبکه زنجیره تامین چندسطحی قیمت گذاری با قیمت گذاری پویای محصولات برگشتی تابعی از کیفیت آن ها و در نظر گرفتن عدم قطعیت میزان جریان برگشتی محصولات ارائه شده است. عدم قطعیت میزان محصولات برگشتی با رویکرد بهینه سازی استوار بودجه ای نمایش داده شده است. هدف، انتخاب تسهیلات شبکه زنجیره تامین برای مدیریت جریان محصولات برگشتی است به نحوی که به صورت همزمان سود کل زنجیره و سطح پاسخگویی به تقاضای مشتریان در طی دوره های برنامه ریزی حداکثر شود. با توجه به اینکه مسئله موردبررسی از نوع مسائل طراحی شبکه بوده که دارای پیچیدگی های حل بسیار زیاد است، یک الگوریتم ممتیک مبتنی بر الگوریتم ژنتیک با مرتب سازی نامغلوب II و جستجوی محلی متغیر انطباق پذیر موازی برای یافتن جواب های بهینه پارتو ارائه شده است. کارایی الگوریتم ممتیک پیشنهادی با عملکرد چندین الگوریتم فراابتکاری مشابه دیگر مقایسه شده است. نتایج محاسباتی حاکی از تاثیر معنادار قیمت گذاری پویا بر عملکرد زنجیره تامین برگشتی داشته و به کارگیری رویکرد بهینه سازی استوار بودجه ای به خوبی می تواند سطوح مختلفی از ریسک پذیری تصمیم گیرندگان در طراحی زنجیره را در برابر عدم قطعیت های محیطی نشان دهد. همچنین نتایج نشان از کارایی معنادار فراابتکاری ترکیبی ارائه شده برای حل مدل طراحی شبکه زنجیره تامین برگشتی چند هدفه با قیمت گذاری پویای تحت شرایط عدم قطعیت دارد.کلید واژگان: شبکه زنجیره تامین برگشتی، قیمت گذاری پویا، عدم قطعیت، الگوریتم ممتیک، همسایگی متغیر با پردازش موازیJournal of Industrial Engineering Research in Production Systems, Volume:4 Issue: 7, 2016, PP 17 -35Design of reverse supply chain network (RSCN) to efficiently manage the flow of returned products is one of the most important issues in supply chain management. Determining an acquisition price of returned products which could be affected by different factors such as product quality levels has a significant effect on strategic design of RSCN. In this paper¡ a comprehensive mathematical model for designing a multi-level RSCN with a dynamic pricing approach for returned products which is affected by product quality levels. In order to manage the uncertainty of number of returned products¡ a robust optimization based on the uncertainty budget approach is considered. The aim of the proposed model is to design the RSCN to maximize the RSCN total profit and responding to customer demands simultaneously. Due to the NP-hard nature of the network design problems¡ a memetic algorithm based on the non-dominated sorting genetic algorithm II and parallel adaptive variable neighborhood search is proposed to find the optimal Pareto solutions. The performance of the proposed memetic algorithm is compared with multiple similar algorithms. The computational results indicate a significant impact of the dynamic pricing approach on the performance of the reverse logistic network. In addition¡ using the robust optimization based on the uncertainty budget approach can efficiently handle various conservatism levels of decision makers under uncertainty of the business environment. Finally¡ the obtained results show the significant superiority of the proposed hybrid meta-heuristic algorithm to solve a multi-objective RSCN design model via considering the dynamic pricing approach under uncertainty.Keywords: Reverse supply chain, Dynamic Pricing, Uncertainty, Memetic algorithm, Parallel adaptive variable neighborhood search
-
International Journal of Supply and Operations Management, Volume:2 Issue: 3, Autumn 2015, PP 833 -855In this paper we address the VRPCD, in which a set of homogeneous vehicles are used to transport products from the suppliers to customers via a cross-dock. The products can be consolidated at the cross-dock but cannot be stored for very long as the cross-dock does not have long-term inventory-holding capabilities. The objective of the VRPCD is to minimize the total traveled distance while respecting time window constraints of suppliers and customers and a time horizon for the whole transportation operation. Rummaging through all the work of literature on vehicle routing problems with cross-docking, there is no work that considers that customer will receive its requests from several suppliers; this will be the point of innovation of this work. A heuristic and a memetic algorithm are used to solve the problem. The proposed algorithms are implemented and tested on data sets involving up to 200 nodes (customers and suppliers). The first results show that the memetic algorithm can produce high quality solutions.Keywords: Cross-docking, Vehicle routing problem, Pickup, Delivery, Memetic algorithm
-
In this study, an optimization model is proposed to design a Global Supply Chain (GSC) for a medical device manufacturer under disruption in the presence of pre-existing competitors and price inelasticity of demand. Therefore, static competition between the distributors’ facilities to more efficiently gain a further share in market of Economic Cooperation Organization trade agreement (ECOTA) is considered. This competition condition is affected by disruption occurrence. The aim of the proposed model is to maximize the expected net after-tax profit of GSC under disruption and normal situation at the same time. To effectively deal with disruption, some practical strategies are adopted in the design of GSC network. The uncertainty of the business environment is modeled using the robust optimization technique based on the concept of uncertainty budget. To tackle the proposed Mixed-Integer Nonlinear Programming (MINLP) model, a hybrid Taguchi-based Memetic Algorithm (MA) with an adaptive population size is developed that incorporates a customized Adaptive Large Neighborhood Search (ALNS) as its local search heuristic. A fitness landscape analysis is used to improve the systematic procedure of neighborhood selection in the proposed ALNS. A numerical example and computational results illustrate the efficiency of the proposed model and algorithm in dealing with global disruptions under uncertainty and competition pressure.Keywords: Global supply chain network design, Competition, Disruptions, Robust optimization, Memetic algorithm, Adaptive large neighborhood search, landscape analysis
-
International Journal of Optimization in Civil Engineering, Volume:5 Issue: 1, Winter 2015, PP 53 -65For most practical purposes, true topology optimization of a braced frame should be synchronized with its sizing. An integrated layout optimization is formulated here to simultaneously account for both member sizing and bracings’ topology in such a problem. Code-specific seismic design spectrum is applied to unify the earthquake excitation. The problem is solved for minimal structural weight under codified stress, deformation and also user-defined weak-storey and architectural constraints. Particle swarm optimization is hybridized with an extra memory consideration strategy to solve this problem. As another issue, Baldwin effect of memetic algorithm is utilized in the proposed method to enhance its search capability regarding the geometrical and topological constraints. Treating a number of planar braced frames revealed superior performance of the proposed hybrid method partiqularly in avoiding premature convergence over the common particle swarm optimiztion for such a discrete problem.Keywords: Baldwin effect, memetic algorithm, swarm intelligence, layout optimization, spectral seismic design, steel braced frame
-
طراحی یک سیستم آموزشی، کار وقت گیر و پر هزینه ای است. از این رو ایجاد یک درس الکترونیکی مطابق با ویژگی های هر فراگیر به منظور کاهش زمان یادگیری و افزایش بهره وری آموزشی از اهمیت بسیاری برخوردار است. هدف از این پژوهش، تولید درس الکترونیکی مطابق با ویژگی های یادگیری هر دانش آموز، با استفاده از برخی استانداردهای آموزش الکترونیک، تیوری های آموزشی و الگوریتم ممتیک و همچنین ارزیابی نتایج آموزشی این روش است. در مرحله تالیف درس، برای آموزش هر مفهوم، یک دسته از حداکثر فعالیت های یادگیری ممکن، با منابع آموزشی مختلف از قبیل اسلاید، سخنرانی و غیره ایجاد می شود. تناسب بین فعالیت ها و ویژگی های یادگیری دانش آموز با استفاده از تیوری فلدر در سبک های یادگیری و تیوری بلوم در طبقه بندی سطوح دانش به دست می آید. سبک یادگیری دانش آموز با پرسش نامه فلدر و سطح دانش او با آزمون های طراحی شده بر طبق تیوری بلوم استخراج شد. الگوریتم ممتیک، مسیر یادگیری را که شامل چینش مناسبی از همین فعالیت هاست، در اختیار دانش آموز قرار می دهد. جامعه آماری این پژوهش، دانش آموزان دختر سال سوم رشته رایانه شهر زاهدان بودند. از این جامعه تعداد 40 نفر به طور تصادفی انتخاب شدند. 20 نفر با سیستم پیشنهادی آموزش دیدند و 20 نفر دیگر این درس را به طور سنتی آموختند. مقایسه ای از لحاظ بررسی کیفیت آموزش بین دو گروه انجام شد که نتایج حاکی از کیفیت مطلوب روش پیشنهادی بود.کلید واژگان: استانداردهای آموزشی، الگوریتم ممتیک، مسیر یادگیری، یادگیری الکترونیکیDesigning an educational system is costly and a time consuming task, hence, providing electronic learning modules according to the characteristics of each learner in order to reduce the learning time and increase productivity of education is very important. The purpose of this study is to provide an electronic module according to the learning characteristics of each student, using some of the e-Learning standards, learning theories , memetic algorithm and also assess the learning outcomes of this approach. At the stage of subject preparation to teach each concept, a set of maximum possible learning activities is provided with different materials such as slides, lectures, etc. The compatibility between the activities and characteristics of student who want to learn is produced based on the theory of Folder on learning styles and Bloom's theory for knowledge classification. Student learning styles are designed based on a questionnaire using Folder approach and testing of his/her knowledge is extracted based on Bloom's theory and learning path which is include the proper ordering of learning activities is produced based on memetic algorithm. The populations of this study were 40 girls of third-year computer science class of high school in Zahedan. They were selected randomly. They have been subdivided into two groups of 20 randomly. The proposed system is trained with 20 people and 20 people have traditionally learned their lesson. Comparison between the proposed approach and traditional method in term of quality of education were performed. The results indicate that the proposed method has good quality.Keywords: Educational Standards, Memetic Algorithm, Learning Path, e-Learning
-
Many parameter-tuning algorithms have been proposed for training Fuzzy Wavelet Neural Networks (FWNNs). Absence of appropriate structure, convergence to local optima and low speed in learning algorithms are deficiencies of FWNNs in previous studies. In this paper, a Memetic Algorithm (MA) is introduced to train FWNN for addressing aforementioned learning lacks. In proposed MA, DifferentialEvolution (DE) is utilized as the global search. The main contributions of this paper aresummarized in three sections. (I) Proposing a new, fast and effective local search based on spatial distribution that is named Spatial Distribution Local Search (SDLS). SDLS can adjust the step size of movements toward better neighbor solutions adaptively. (II) Introducing a selection method to select appropriate individuals from current population for local refinement in MA. This property decreases the computational cost of MA and leads to tuning the local search frequency in an adaptive way. (III) Improving the selection operator in standard DE by an adaptive strategy. In this strategy, worse offspring has a chance to be replaced with its parent to prevent trapping in local optima and controlling the selection pressure. The proposed MA is compared with several training algorithms of FWNNs over some benchmark problems. Experimental results obtained, confirm the effectiveness of the proposed MA for improving the convergence rate and modeling accuracy in comparison to the other training methods.Keywords: FuzzyWavelet Neural Network (FWNN), Memetic Algorithm, Differential Evolution, Spatial Distribution Local Search, Adaptive Selection Strategy
-
Design of GMR-Based Wideband Optical Reflector Using Memetic Algorithm with Fuzzy Logic Local SearchWideband, GMR-based reflector is designed employing a novel variant of memetic algorithm with fuzzy logic local search. High quality, single periodic layer reflector with SOI structure is designed with reflectance >99.50% over 1.35 μm to 1.9 μm spectral band. The proposed optimization/design method is very powerful and able to optimize complex structures with desired optical responses.Keywords: Guided mode resonance, memetic algorithm, fuzzy logic, periodic structures, optical reflectors
-
مسایل مکان یابی هاب، یکی از توسعه های مسایل مکان یابی سنتی بوده که کاربردهای متعددی در طراحی شبکه های حمل و نقل، پستی، و مخابراتی دارند. با وجود توجه مشهود محققان به این مسایل در طی سالیان اخیر، تحقیق های اندکی در زمینه طراحی شبکه های هاب با شرایط نبود قطعیت و اختلال انجام شده است. در این تحقیق، مسئله مکان یابی هاب با ظرفیت محدود و تخصیص یگانه با شرایط نبود قطعیت تقاضای جریان و اختلال در ظرفیت تسهیلات، بررسی شده و ضمن پیشنهاد یک مدل ریاضی بر پایه مفهوم بودجه نبود قطعیت، یک روش حل ترکیبی بر پایه الگوریتم ممتیک و جستجوی همسایگی متغیر ارائه شده است. نتایج محاسباتی، حاکی از دقت بالای روش حل پیشنهادی در حل مسایل نمونه است. همچنین، نتایج به دست آمده از آزمایش های شبیه سازی مونت کارلوبرای بررسی اثر نبود قطعیت بر عملکرد پیکربندی های مختلف شبکه هاب، نشان دهنده اهمیت در نظرگیری شرایط نبود قطعیت و اختلال در هنگام طراحی شبکه های هاب هستند.
کلید واژگان: مکان یابی هاب، نبود قطعیت، اختلال، بهینه سازی استوار، الگوریتم ممتیک، جستجوی همسایگی متغیرHub location problems are among the extensions of classical location problems that have numerous applications in designing transportation, postal, and telecommunication networks. Despite the evident attention of researchers to these problems, there are few studies on designing hub networks under uncertainty and disruption. In this study, the capacitated single allocation hub location problem under demand uncertainty and disruption is investigated. First, a mathematical model based on budget of uncertainty concept is proposed, then a hybrid solution method based on genetic algorithm and variable neighborhood search is proposed. Computational experiments demonstrate the accuracy of the proposed solution method in solving the testinstances. In addition, the results obtained from conducting Monte-Carlo simulation experiments to analyze the effects of uncertainty on the performance of different hub network configurations show the necessity of considering demand uncertainty and disruption while designing hub networks.Keywords: Hub location, Uncertainty, Disruption, Robust Optimization, Memetic algorithm, Variable neighborhood search -
In this article, a Multi-Objective Memetic Algorithm (MA) for rule learning is proposed. Prediction accuracy and interpretation are two measures that conflict with each other. In this approach, we consider accuracy and interpretation of rules sets. Additionally, individual classifiers face other problems such as huge sizes, high dimensionality and imbalance classes’ distribution data sets. This article proposed a way to handle imbalance classes’ distribution. We introduce Multi-Objective Memetic Rule Learning from Decision Tree (MMDT). This approach partially solves the problem of class imbalance. Moreover, a MA is proposed for refining rule extracted by decision tree. In this algorithm, a Particle Swarm Optimization (PSO) is used in MA. In refinement step, the aim is to increase the accuracy and ability to interpret. MMDT has been compared with PART, C4.5 and DTGA on numbers of data sets from UCI based on accuracy and interpretation measures. Results show MMDT offers improvement in many cases.Keywords: C4.5, Memetic Algorithm, rule sets, Particle Swarm Optimization
- 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.