به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

imperialistcompetitive algorithm

در نشریات گروه صنایع
تکرار جستجوی کلیدواژه imperialistcompetitive algorithm در نشریات گروه فنی و مهندسی
تکرار جستجوی کلیدواژه imperialistcompetitive algorithm در مقالات مجلات علمی
  • مریم فتوتی، سید هادی میرقادری*، مسلم علی محمد لو

    این مقاله به مدل سازی و حل مسیله ی جدول بندی زمانی دروس دانشگاهی می پردازد. در مدل سازی ریاضی این مسیله، دو قسمتی بودن برخی دروس 3 و 4 واحدی در طول هفته و همچنین تعلق برخی کلاس ها به برخی گروه های آموزشی در نظر گرفته شد. برای حل این مسیله، یک الگوریتم ابرابتکاری براساس الگوریتم رقابت استعماری توسعه داده شد که شامل 9 ابتکاری سطح پایین است و در آن با پنج استراتژی نحوه ی تخصیص مشخص می شود. الگوریتم ابرابتکاری پیشنهادی با داده های واقعی از دانشگاه شیراز آزمون شد. نتایج نشان داد که این الگوریتم قادر به تولید 10 جدول زمانی متفاوت طی 17 ساعت اجرا و بدون دخالت انسان است. بهترین جدول زمانی تولید شده به وسیله ی ابرابتکاری توسعه داده شده قادر است حدود 11 درصد بهره برداری از کلاس را افزایش داده و زمان انتظار دانشجویان برای شروع کلاس بعدی را به طور متوسط حدود 1 ساعت در هفته کاهش داده است.

    کلید واژگان: درس، جدول زمانی، ابرابتکاری، فراابتکاری، الگوریتم
    M. Fotovvati, S.H. Mirghaderi *, M. Alimohammadlou

    The university course timetabling problem (UCTP) is a crucial yet intricate task for academic departments. UCTP is classi ed as an NP-hard problem; therefore, a simple solution may not be applicable to it. However, recently, hyper-heuristic algorithms, as a new approach, can automatically generate solutions. A hyper-heuristic algorithm consists of one or two high-level heuristics and several low-level heuristics. The low-level heuristics are responsible for generating or improving the initial solution, while the high-level heuristics are used to select the best low-level heuristics for achieving better solutions.
    This paper aims to produce timetables by mathematical modelling of real-world hard and soft constraints and developing a hyper-heuristic algorithm as an ecient solution. In formulating the mathematical model of UCTP, it is considered that certain classes are pre-allocated to departments. Additionally, some three- and four-unit courses are held in two sessions per week, following the traditional patterns of Saturday-Monday, Sunday- Tuesday, and Monday-Wednesday (assuming Saturday to Wednesday as the workweek). There is also the possibility of following new patterns, such as Saturday- Tuesday and Sunday-Wednesday.
    The proposed hyper-heuristic is based on a customized Imperialist Competitive Algorithm (ICA) as a high-level heuristic. It utilizes nine low-level heuristics, ve strategies for implementing them, and four heuristics for choosing time slots. The modi ed ICA is a bi-objective and constructive algorithm, while the original is a singleobjective and improvement-based algorithm. The modi ed ICA has a variable self-tuned parameter and two assimilation process in strategic and operational level. The low-level heuristics refer to selecting courses for allocation that are pre-allocated, limited in time or location, most limited, most limited in remaining slots, most crowded, longest time, in the heaviest group, belong to a highly participated lecturer, or belong to faculty members.
    The hyper-heuristic algorithm was programmed in MATLAB 2018b and ran on a PC with an Intel Core i5 3450 CPU and 8 GB of RAM. The algorithm was tested using real data from Shiraz University. The results revealed that the hyper-heuristic algorithm can generate 10 distinct timetables within a runtime of 17 hours, without the need for human intervention. The best-produced timetable can increase class utilization by up to 11% and reduce student average waiting time by one hour per week.

    Keywords: Course timetable, hyper-heuristic, imperialistcompetitive algorithm, student waiting time, classutilization
  • صفیه گلچین، مانی شریفی، بهمن نادری*

    در این پژوهش مسئله ی زمان بندی جریان کارگاهی ترکیبی با ماشین های پردازش دسته یی، با هدف کمینه کردن زمان تکمیل کل کارها مورد مطالعه قرار گرفته است. ماشین های پردازش دسته یی از قابلیت پردازش همزمان چند کار در یک دسته برخوردارند. ظرفیت ماشین ها و اندازه ی کارها در هر مرحله مشخص است. دسته ها پس از تشکیل تا آخرین مرحله ثابت می مانند. مجموع اندازه کارهای هر دسته نباید از کوچک ترین ظرفیت ماشین ها بیشتر شود. زمان پردازش دسته ها برابر طولانی ترین زمان پردازش کارها در دسته است. ابتدا مدل برنامه ریزی خطی عدد صحیح مختلط برای مسئله ی مورد نظر پیشنهاد داده می شود. به دلیل پیچیدگی بالای مسئله ی مورد بررسی، الگوریتم فراابتکاری رقابت استعماری برای حل مسئله توسعه داده شده است. در نهایت عملکرد الگوریتم پیشنهادی در برابر الگوریتم های شبیه سازی تبرید و بهینه سازی اجتماع ذرات موجود در ادبیات، مورد بررسی قرار گرفته است. نتایج نشان می دهد که الگوریتم رقابت استعماری نسبت به دو الگوریتم دیگر برای مسئله ی مورد نظر عملکرد بهتری دارد.

    کلید واژگان: زمان بندی جریان کارگاهی ترکیبی، ماشین های پردازش دسته یی، برنامه ریزی خطی عدد صحیح مختلط، الگوریتم رقابت استعماری
    S. GOLCHIN, M. SHARIFI, B. NADERI *

    Although batch scheduling has attracted many researchers, they mainly focus on ow shop scheduling problems. Yet, in real world industries, we rarely have a production system with only one processor at each working station. Machines are usually duplicated in parallel at each station to balance the production capacity of shop oor and to decrease the impact of bottleneck stations. This paper deals with a hybrid ow shop scheduling problem with batch processing machines (BPMs). The objective is to minimize makespan (i.e., maximum completion time of jobs). Batch processing machines can simultaneously process several jobs in a batch. The processing time of a batch is the longest processing time among all the jobs in that batch. Once a batch is formed by a set of jobs, it cannot be changed over stages. As the rst study, in this paper, a mathematical model in form of a mixed integer linear programming model is proposed for the mentioned problem. Using CPLEX, the small-sized instances of the problem can be solved to optimality by the model. Yet, due to the NP-hardness of the problem under study, large instances cannot be optimally solved in a reasonable amount of time. Consequently, a novel population-based algorithm based on imperialist competitive metaheuristic algorithm is also proposed. This algorithm includes some advanced features of imperialist behavior mechanisms, imperialist competition operators, and revolutionary phases. The proposed algorithm is rst nely tuned using Taguchi method. Then, to evaluate the proposed algorithm, its e ectiveness is compared with a commercial solver (CPLEX) and two available metaheuristics algorithms in the literature, a simulated annealing algorithm, and a particle swarm optimization algorithm. In this regard, a set of large instances is generated and the tested algorithms are compared. The computational results indicate ecient performance of the proposed algorithm over the existing metaheuristics.

    Keywords: Hybrid ow-shop scheduling, batch processingmachines, mixed integer linear programming, imperialistcompetitive algorithm
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.
درخواست پشتیبانی - گزارش اشکال