مقایسه اثر انواع عملگرهای الگوریتم ژنتیک بر مجموع دیرکردها در مسئله فلوشاپ

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار دانشکده مهندسی صنایع و سیستم‌ها دانشگاه صنعتی اصفهان

2 کارشناسی ارشد آمار اقتصادی و اجتماعی دانشکده علوم ریاضی دانشگاه صنعتی اصفهان

چکیده

مسئله زمانبندی فلوشاپ (FSSP) با هدف کمینه کردن مجموع دیرکردها، از جمله مسائل مشکل یا NP-hard است که تاکنون مقالات زیادی درباره آن نوشته شده است. در این خصوص به روش‌های فراابتکاری از جمله روش الگوریتم ژنتیک نیز توجه شایانی شده است. تعیین پارامترهای الگوریتم‌های فراابتکاری نیز از جمله موضوعات مهمی است که پژوهش‌های زیادی را به خود اختصاص داده است. در همین راستا، این مقاله به بررسی اثر انواع عملگرهای تقاطعی و جهشی الگوریتم ژنتیک با هدف کمینه کردن مجموع دیرکردها در مسئله فلوشاپ جایگشتی می‌پردازد تا مشخص شود که کدام یک از آن‌ها برای استفاده در این مسئله مناسب‌تر است. نتایج عددی بدست آمده حاکی از آن است که از بین عملگرهای تقاطعی متداول، عملگرهای یک نقطه‌ای و دو نقطه‌ای نوع یک و از بین عملگرهای جهشی، عملگر جابجاییِ مجاور در اغلب موارد بهترین مقدار برای مسئله مذکور هستند

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Comparison of the Effect of Various Types of Genetic Algorithm Operators on the Total Amount of Tardiness in Flow Shop Problem

نویسندگان [English]

  • Morteza Rasti-Barzoki 1
  • Sajjad Raeisi 2
چکیده [English]

Flow Shop Scheduling Problem (FSSP) with the objective of minimizing total amount of tardiness is an NP-hard problem and many articles has been written about it. In this context, great attention has been paide to metahuristic techniques such as genetic algorithm. Additionally determination of the paraemeters of the algorithms is an important subject in the research area that many researches have been allocated to it. The purpose of this paper is to investigate the effect of crossover and mutation operators of the genetic algorithm on the objective of minimizing total amount of tardiness in permutation FSSP in order to determine more suitable ones to be applied in the problem. The obtained numerical results indicate that in most cases among common crossover operators,using the one point and two point (first version) operators and among mutation operators,applying the adjacent exchange gives the best value for the mentioned problem.

کلیدواژه‌ها [English]

  • Analysis of Variance (ANOVA)
  • Design of Experiments (DOE)
  • Flow Shop Scheduling Problem (FSSP)
  • Genetic algorithm
  • Total Amount of Tardiness
CAPTCHA Image