جستجوی مقالات مرتبط با کلیدواژه « الگوریتم شبیه سازی تبرید » در نشریات گروه « مدیریت »
تکرار جستجوی کلیدواژه «الگوریتم شبیه سازی تبرید» در نشریات گروه «علوم انسانی»-
شکل متمرکز است که در آن توابع -U این مقاله بر ارایه یک مدل جدید برای مسیله بالانس خط مونتاژ هدف از جنس هزینه، ظرفیت و کیفیت به طور هم زمان در قالب یک مسیله بررسی می شود. به علاوه فرض شده هر وظیفه به مجموعه ای از ابزارآلات نیاز دارد و کیفیت انجام وظایف توسط کارگرها نیز متفاوت است؛ بنابراین هدف مدل این است که تجهیزات و کارگران به نحوی به ایستگاه ها تخصیص یابند که مجموع هزینه ی تجهیزات حداقل شود و کیفیت انجام کار در بالاترین سطح ممکن قرار گیرد. علاوه بر ایندو هدف، تعداد ایستگاه ها نیز کمینه میشوند. به این منظور، ابتدا یک مدل برنامه ریزی چندهدفه غیرخطی آمیخته عدد صحیح ارایه می شود. سپس مدل، خطیسازی شده و برای حل مسیله، الگوریتم فراابتکاریشبیه سازی تبرید و نیز دو حالت بهبودیافته ی آن به کارگیری می شود. دو الگوریتم پیشنهادی شامل یکبرنامه رمزگذاری و رمزگشایی جدید و نیز جستجوی محلی برای تخصیص کارگر به هر ایستگاه است.برای تعیین حدود پارامترها در این سه الگوریتم از روش طراحی آزمایش استفاده شده و به ازاء ترکیب پارامترها، حالت های مختلفی برای حل مسیله ایجاد شده است. سپس، بر اساس گراف های موجود درادبیات تحقیق مثال های عددی ایجاد و نتایج حل آنها با سه الگوریتم مقایسه و کارایی الگوریتم ها سنجشمی شوند. به علاوه، برای ارزیابی کارایی مدل و الگوریتم پیشنهادی در مسایل واقعی، مطالعه موردی در خط مونتاژ قطعه نازل انجام گردید که در پالایشگاه های نفت کاربرد دارد. نتایج حل مطالعه موردی و بررسی شاخص های عملکرد برای آن، بیانگر کارایی و عملکرد بهتر حالتهای بهبودیافته الگوریتم شبیه سازی تبرید است.
کلید واژگان: مسئله بالانس خط مونتاژ U-شکل (UALBPs), الگوریتم شبیه سازی تبرید, برنامه ریزی غیرخطی آمیخته عدد صحیح, تخصیص ابزارآلات, کیفیت انجام کار}This paper focuses on a novel model of the U-shaped assembly line balancing problem, in which the objective functions include cost, capacity, and quality are simultaneously examined. It is assumed that each task requires a set of equipment. In addition, the quality of tasks performed by each worker varies. Hence, the purpose of the model is that the total cost of the equipment is minimized and the quality of the work is maximized. Additionally, the number of workstations is minimized. To this end first, a multi-objective non-linear mixed-integer programming model is provided. Then, the model is linearized, and simulated annealing (SA) algorithm and two of its modified modes have been proposed to solve the problem. The proposed algorithm includes a new encoding/decoding scheme, as well as a local search for assigning the worker to each station. To determine the parameters in three algorithms, the experimental design has been used and various modes have been created by combining the parameters. Moreover, numerical examples were established based on the graphs found in the literature and the solution is compared with three algorithms, revealing the efficiency of each algorithm. Additionally, a case study on the nozzle assembly line in oil refineries was conducted to evaluate the efficiency of the proposed model and algorithm. Results from the case study show that the modified SA algorithms performed better.
Keywords: U-shaped assembly line balancing problems (UALBPs), Simulated Annealing algorithm, non-linear mixed-integer programming, equipment allocation, work quality} -
در پژوهش حاضر، مسئله زمان بندی یکپارچه سیستم تولید کارگاهی با یک مرحله مونتاژ و حمل ونقل با هدف کمینه کردن مجموع تاخیرها بررسی شده است. در این مسئله اجزای محصولات در مرحله تولید کارگاهی پردازش شده و در مرحله مونتاژ با یکدیگر مونتاژ می شوند؛ سپس محصولات در بسته هایی به سمت مشتریان حمل می شوند. در این سیستم تولیدی، زمان آماده سازی وابسته به توالی فرض شده است. ابتدا یک مدل برنامه ریزی خطی عدد صحیح مختلط توسعه داده شده است؛ سپس با توجه به اینکه مسئله موردبررسی NP-hard است، الگوریتم ترکیبی رقابت استعماری و شبیه سازی تبرید برای حل مسایل در ابعاد متوسط و بزرگ پیشنهاد شده است. به منظور اعتبارسنجی الگوریتم پیشنهادی، نتایج به دست آمده با الگوریتم رقابت استعماری و الگوریتم ترکیبی رقابت استعماری و جست وجوی ممنوع مقایسه شده است. برای مقایسه نتایج بین الگوریتم ها از تحلیل واریانس طرح بلوکی تصادفی بهره گیری شد. مقادیر P-value الگوریتم ها و بلوک ها در این آزمون کمتر از سطح معناداری 05/0 به دست آمد. نتایج محاسباتی نشان می دهد که الگوریتم ترکیبی پیشنهادی عملکرد بهتری نسبت به الگوریتم رقابت استعماری و الگوریتم ترکیبی رقابت استعماری و جست وجوی ممنوع دارد.
کلید واژگان: زمان بندی یکپارچه, تولید کارگاهی, زمان آماده سازی وابسته به توالی, الگوریتم رقابت استعماری, الگوریتم شبیه سازی تبرید}In this research, an integrated scheduling problem of job shop systems with an assembly stage and transportation to minimize the total tardiness time is studied. In this problem, the parts are processed in a job shop system and then assembled in the assembly stage. Ultimately, the products are shipped in packages to customers. Setup time is assumed to depend on sequence. At first, a mixed-integer linear model is developed. Since the problem is NP-hard, a hybrid imperialist competitive and simulated annealing (ICA-SA) algorithm is proposed to solve the problems with the medium and large sizes. To validate the performance of the proposed algorithm, results are compared to an imperialist competitive algorithm and a hybrid imperialist competitive and tabu search (ICA-TS) algorithm. Analysis of variance random block design is used to compare the results of the algorithms. P-values of algorithms and blocks in this test are smaller than the significance level of 0.05. The computational results show that the proposed hybrid algorithm achieves better performance than the imperialist competitive algorithm and hybrid imperialist competitive and tabu search.
Keywords: Integrated scheduling, Job Shop, Sequence-dependent set up time, Imperialist Competitive Algorithm, Simulated Annealing} -
در این پژوهش مسایل مکان یابی انبارهای متقاطع، مسیریابی و زمان بندی وسایل نقلیه را به طور هم زمان در یک زنجیره تامین سه سطحی با امکان برداشت و تحویل گسسته، با هدف کمینه سازی مجموع هزینه ها (هزینه احداث انبارهای متقاطع، هزینه های ثابت و متغیر حمل ونقل و جریمه تاخیر و تعجیل)، موردمطالعه قرار گرفته و یک مدل برنامه ریزی ترکیبی عدد صحیح غیرخطی برای آن ارایه شده است. در این مدل تصمیم گیری در خصوص تخصیص وسایل نقلیه ناهمگن به فرآیند برداشت و تحویل و انتخاب مکان و تعداد انبارهای متقاطع برای احداث از میان مکان های بالقوه موجود پس از حل مدل صورت می گیرد. فرض چندمحصولی بودن شامل تک تک تامین کنندگان، انبارهای متقاطع و مشتریان می شود. برای تحویل هر نوع از کالاها در محل هر یک از مشتریان یک پنجره زمانی نرم در نظر گرفته شده است و علاوه بر جریمه تاخیر، جریمه تعجیل در تحویل کالاها متناسب با مدت زمان و مقدار کالای مواجه شده با تاخیر/ تعجیل محاسبه می شود. سه دسته مسئله در ابعاد کوچک، متوسط و بزرگ به صورت تصادفی تولید و با استفاده از الگوریتم شبیه سازی تبرید حل شده اند. برای مسایل کوچک، جواب حاصل از روش های حل دقیق با نتایج الگوریتم شبیه سازی تبرید مقایسه شده است.
کلید واژگان: برنامه ریزی ریاضی, مکان یابی انبارهای متقاطع, مسیریابی وسایل نقلیه, برداشت و تحویل گسسته, الگوریتم شبیه سازی تبرید}This research studies cross-docking centers location and vehicles routing scheduling problems simultaneously in a three-level supply chain with discrete pick-up and delivery. The proposed problem is formulated as a mixed-integer nonlinear programming model with the aim of reducing total cost includes cross-docking centers construction cost, transportation fixed and variable costs, earliness and tardiness penalty costs. In this supply chain model, vehicles start from a cross-docking center and pick up different products from various suppliers and after classifying and preparing products at cross-docking centers, a different group of vehicles are sent to deliver products to customers. For delivering any kind of product to each customer, a soft time window is considered. Herein, three types of small, medium and large size instances have been generated randomly and solved by using the proposed simulated annealing algorithm. For small problems, the results from simulated annealing algorithm are compared with the solutions obtained by the exact methods.
Keywords: Mathematical Programming, Cross-Docking Location, Vehicle Routing, Discrete Pick-up, Delivery, Simulated Annealing Algorithm} -
در این پژوهش، ابتدا یک مدل ریاضی جدید مبتنی بر مدل تخصیص درجه دوم برای طراحی استقرار بهینه تسهیلات در هر دوره از افق برنامه ریزی زمانی چنددوره ای مسئله استقرار پویا و تصادفی تسهیلات ارایه می شود. در این مدل، علاوه بر در نظرگرفتن مسیرهای چندگانه تولید برای قطعات، فرض می شود که تقاضای محصولات متغیرهای تصادفی مستقل با توزیع نرمال باشند؛ به طوری که میانگین و واریانس آن ها از یک دوره زمانی به دوره دیگر به طور تصادفی تغییر کند؛ همچنین برای حل مدل ریاضی پیشنهادی، یک الگوریتم ترکیبی فراابتکاری جدید با استفاده از الگوریتم های کرافت و شبیه سازی تبرید ارایه می شود. مدل و الگوریتم ترکیبی پیشنهادی با روش های طراحی آزمایش، مطالعه موردی واقعی، حل چند مسئله نمونه و انجام تحلیل حساسیت مورد اعتبارسنجی قرار می گیرند. نتایج نشان می دهد که الگوریتم ترکیبی پیشنهادی از نظر کیفیت جواب و زمان محاسبه نسبت الگوریتم تبرید شبیه سازی شده دارای عملکرد بهتری است؛ همچنین امکان استفاده از مدل پیشنهادی برای طراحی استقرار تسهیلات در محیط های تصادفی و قطعی سیستم های تولیدی سنتی و مدرن وجود دارد.کلید واژگان: مسئله استقرار پویا و تصادفی تسهیلات, سیستم های تولید انعطاف پذیر_ انعطاف پذیری مسیر تولید, الگوریتم شبیه سازی تبرید, کرافت}This paper aims at proposing a novel quadratic assignment-based mathematical model for designing an optimal facility layout in each period of the stochastic dynamic facility layout problem (SDFLP). Considering routing flexibility is the main assumption of this problem so that parts can pass through multiple routes. It is also assumed that product demands are independent, normally distributed random variables with known expected value and variance changing from period to period at random. In addition, to solve the proposed model, a new hybrid meta-heuristic algorithm is developed by combining simulated annealing (SA) and the CRAFT approaches. Finally, the proposed model and the hybrid algorithm are verified and validated using design of experiment, real case study and sensitivity analysis methods as well as solving some numerical examples.The results show that the hybrid algorithm has an outstanding performance from both solution quality and computational time perspectives. Moreover, the proposed model can be used to design the layout of facilities in both of the stochastic and deterministic environments of traditional and modern manufacturing systems.Keywords: Stochastic dynamic facility layout problem, Flexible Manufacturing Systems, Routing flexibility, Simulated Annealing, CRAFT}
-
این پژوهش به بررسی مسئله مسیریابی وسایل نقلیه الکتریکی با در نظر گرفتن محدودیت حجم باری خودرو می پردازد که در این مسئله ناوگان حمل ونقل شامل وسایل نقلیه الکتریکی است که با توجه به ظرفیت محدود باتری آنان باید محدودیت های آن نیز در برنامه ریزی توزیع در نظر گرفته شود. به این منظور نقاط شارژ مجدد در شبکه حمل ونقل در نظر گرفته می شود تا در صورت نیاز به شارژ باتری، خودرو شارژ مجدد را انجام دهد و مسیر خود را تکمیل کند. ازآنجاکه وسایل نقلیه الکتریکی به صورت محدود در توزیع کالا استفاده می شوند، باید سایر جنبه های آن را نیز در نظر گرفت. یکی از جنبه های مهم محدودیت حجم باری این وسایل است که نسبتا فضای باری کمتری دارند. گاهی ممکن است کالاهای تخصیص داده شده به یک وسیله نقلیه از نظر محدودیت وزنی موجه باشد، ولی مجموع حجم کالاها از حجم باری خودرو تجاوز کند؛ درنتیجه در این پژوهش یک مدل برنامه ریزی ریاضی برای فرموله سازی مسئله ارائه می شود؛ سپس چندین نمونه مسئله به منظور اعتبارسنجی طراحی و حل می شود که برای حل در ابعاد بزرگ از الگوریتم شبیه سازی تبرید استفاده خواهد شد.کلید واژگان: مسیریابی وسایل نقلیه, خودروی الکتریکی, شارژ مجدد, محدودیت حجم, الگوریتم شبیه سازی تبرید}This study investigates the problem of electric vehicles routings with a limit on the volume of vehicles capacity. In this regard, the fleet which includes some electric vehicles with given limited battery capacities, should also be taken into account in the planning of distribution. To this end, recharge points are provided in the transmission network to recharge the cars and complete their routes if a battery needs to be recharged. As electric vehicles are only used in the distribution of goods, other aspects should also be considered. One of the important aspects of cargo volume limitation is the relatively low cargo space. Sometimes the goods assigned to a vehicle may be justified by the weight limit but the total volume of goods may exceed the freight volume. Thus, in this research, a mathematical programming model for the problem is presented. Then, several problem instances are designed to validate the model. Then a simulated annealing based algorithm is developed to solve large-scale problems for real world applications.Keywords: Vehicles Navigation, Electric Vehicles, Recharge Stations, Volume Capacity, Simulated Annealing Algorithm}
-
استراتژی لجستیک، یک مزیت مهم برای عملیات مدیریت زنجیره تامین است که نیاز به برنامه ریزی متمرکز عملیات برای کاهش زمان و تحویل به موقع محصول جهت افزایش سطح رضایتمندی مشتریان را به دنبال دارد. در این مقاله هدف کمینه سازی زمان کل عملیات با لحاظ پارامترهای زمانی غیر قطعی و با رویکرد پنجره زمانی نرم در کل زنجیره تامین می باشد و با استفاده از مدل برنامه ریزی خطی امکانی مدل برنامه ریزی ریاضی فازی را به مدل قطعی تبدیل می نماید. از آنجا که مدل مقاله از نوع برنامه ریزی خطی عدد صحیح صفر و یک بوده و متعلق به مسائل با پیچیدگی NP-hard است زمان حل مسئله با افزایش ابعاد مساله به شدت و به صورت نمایی افزایش می یابد. لذا برای پیدا کردن جواب های نزدیک بهینه مساله از الگوریتم های ژنتیک ، الگوریتم شبیه سازی تبرید استفاده شده است.سپس این الگوریتم ها با معیارهایی با یکدیگر مقایسه شده و الگوریتم برتر در هر معیار مشخص گردید.کلید واژگان: مدیریت زنجیره تامین, بارانداز تقاطعی, برنامه ریزی خطی امکانی, الگوریتم ژنتیک, الگوریتم شبیه سازی تبرید}Logistics strategy is an important advantage for supply chain management operations, which requires centralized planning of operations to reduce time and timely delivery of the product to increase the level of customer satisfaction. Cross-dock is an efficient method to control inventory flow that is essential in supply chain management. The other objectives of the cross dock are inventory reduction, increased levels of customer responsiveness and better control of the distribution operation. This paper focuses on the optimization of the transportation scheduling and the planning of the movement inbound and outbound trucks with a soft window, where time parameters are considered uncertain. Therefore, a mathematical model is presented with the goal of minimizing the total time of operation in the supply chain and using the possibility Linear programming model converts the mathematical model into a definite mathematical model. Since the article model is zero and one linear programming type of the integer and belongs to NP-hard issues, the time to solve them increases with increasing problem dimensions. Therefore, genetic algorithm and Simulated Annealing algorithm are used to find optimal solution problems. The parameters used in meta_ heuristic algorithms were determined by Taguchi method with mini-tab software and their optimal values were extracted. Then, according to constant parameters including the number of suppliers, customers, cross-dock, inbound and outbound trucks, and product types, sample problems were generated at three small, meddle and large production levels, and at each level, seven problem samples were generated and total of twenty one issues were solved.Keywords: Supply Chain Management, Cross Docking, possibility linear programming}
-
هدفنظام سلامت یکی از بزرگترین صنعت ها بهشمار میرود و برای حل مشکلات آن، به تلفیقی از دانش و مهارت های مدیریتی و بالینی نیاز است. در این پژوهش، مسئله برنامه ریزی استراتژیک و تخصیص ظرفیت اتاق های عمل با در نظر گرفتن استراتژی برنامه ریزی و زمانبندی بلوکی مطالعه شده است و یک مدل تلفیقی برای تعیین آمیخته بهینه جراحی ها و تخصیص ظرفیت به سرویس های جراحی بهصورت برنامه ریزی آرمانی تصادفی برای مقابله با عدم قطعیت در تقاضای هر عمل ارائه شده است. هدف مدل حداقل کردن انحرافهای نامطلوب شامل تقاضای برآورده نشده، اضافه کاری سرویس ها و بیکاری اتاق های عمل تخصیص یافته، است.روشبهدلیل NP-hard بودن مسئله، دستیابی به جواب دقیق با بزرگ شدن ابعاد آن بهصورت نمایی مشکل است. برای این منظور، الگوریتم فراابتکاری شبیه سازی تبرید پیشنهاد شده است. نتایج مدل ریاضی بهکمک نرمافزار GAMS با حل کننده COINBONMIN و روش شبیهسازی تبرید توسط نرم افزار متلب R2017a با یکدیگر مقایسه شده است.یافتههامثال های ارائه شده، از اطلاعات بخش اتاق عمل بیمارستانی در کانادا با 9 سرویس جراحی، 110 عمل جراحی، 16 اتاق عمل و 220 تخت بستری استخراج شده است. برای کاهش تعداد متغیرهای تصمیم و قابل حل بودن مدل ریاضی، برای هر مثال، سرویسها و جراحیهای اندک با اتاقهای عمل محدودی انتخاب شد. مجموع بیکاری اتاق های عمل تخصیصیافته در همه مثال ها و در هر دو روش برابر با مقدار ایده آل صفر بوده است. اختلاف میان مقادیر تابع بهینه هدف بهدست آمده از مدل برنامه ریزی آرمانی تصادفی و الگوریتم شبیه سازی تبرید در مثال های ارائه شده در بازه ]6/0,05/0[ قرار دارد.نتیجهگیریدر این پژوهش مدل برنامه ریزی آرمانی تصادفی برای برنامه ریزی و تعیین تعداد و ترکیب بهینه جراحیها و تخصیص ظرفیت به سرویس های جراحی با در نظر گرفتن تقاضای غیرقطعی ارائه شده است. ایده مدل پیشنهاد شده آن است که با تغییر تعداد و ترکیب موارد جراحی، می توان انحرافهای نامطلوب را کاهش داد.کلید واژگان: مسئله تخصیص ظرفیت, مسئله تعیین آمیخته بیماران, برنامهریزی استراتژیک اتاق عمل, الگوریتم شبیهسازی تبرید, برنامهریزی آرمانی تصادفی}ObjectiveAs a crucial industry,the health system needs both managerial and clinical knowledge to solve its problems. This research studies the strategic planning and capacity allocation in operating rooms considering planning and block scheduling strategies. And then, a combined model for determining the optimal case-mix planning and allocating capacity to surgical services is developed as a stochastic optimal programming to face with the uncertain demand for surgery. The purpose of this model is to minimize undesirable deviations including unsatisfied demand, services overutilization and inactive operating rooms.MethodsBecause the problem is NP-hard in nature, determining the exact solution for real cases will be difficult exponentially. Therefore, a meta-heuristic simulated annealing algorithm is proposed. The results of the mathematical model using GAMS (COINBONMIN) and simulated annealing method, using MATLAB have been compared.ResultsThe samples have been extracted from a Canadian hospital with 9 surgical services, 110 surgeries, 16 operating rooms and 220 beds. To decrease the number of variables and solve the mathematic model, only a few services, surgeries and operating rooms have been selected. The number of operating rooms not underutilization as studied by both methods for all samples is zero – the optimal. The difference between the optimal values of the objective function obtained from the stochastic goal programming and the simulated annealing method for the samples lies within the range of [0/05, 0/6].ConclusionA stochastic goal programming model has been proposed to determine the number and composition of surgical operations and allocate capacity to surgical services with regard to uncertain demand. The idea of the proposed model is that by changing the number and composition of surgical cases, undesirable deviations can be minimizedKeywords: Capacity allocation problem, Case-mix problem, Operational room strategic planning, Simulated annealing algorithm, Stochastic goal programming}
-
هدف این مقاله، بررسی زمان بندی وسایل نقلیه در یک زنجیره تامین چند محصولی با در نظر گرفتن رابطه متقابل بین بخش حمل ونقل و بخش تولید است. سطح یکپارچگی در نظر گرفته شده در زنجیره تامین، شامل شرکت سازنده محصولات نهایی و تامین کنندگان رده اول است که یک ناوگان حمل ونقل آنها را به یکدیگر مرتبط می کند. هدف، نحوه تخصیص سفارش ها به تامین کنندگان و تعیین توالی ساخت آنها در هر تامین کننده به همراه تخصیص سفارش ها به وسایل نقلیه و تعیین توالی حمل آنها است؛ به قسمی که مجموع زمان تحویل سفارش ها حداقل شود. این مساله تاکنون در ادبیات موضوع بررسی نشده است. ابتدا مدل ریاضی مساله، ارائه می شود. پس از نشان دادن NP-Hard بودن مساله، برای حل آن یک الگوریتم ترکیبی - تلفیقی جدید از دو الگوریتم ژنتیک و شبیه سازی تبرید - با نام شبیه سازی تبرید جمعیتی (PSA) ارائه می شود. برای اعتبارسنجی الگوریتم PSA نتایج آن با نتایج الگوریتم شبیه سازی تبرید و توسعه الگوریتم DGA مقایسه می شود. این دو الگوریتم، نزدیک ترین مساله در ادبیات موضوع به مساله بررسی شده در این مقاله هستند. افزون بر این با ریلکس کردن برخی فرضیات، نتایج الگوریتم PSA با نتایج الگویتم DGA مقایسه می شود. نتایج مقایسه ها نشان دهنده برتری عملکرد الگوریتم PSA در همه مقایسه ها است. همچنین مقایسه نتایج الگوریتم PSA برای مسائل با ابعاد کوچک، نشان دهنده کارایی مناسب آن است.کلید واژگان: مسیریابی, الگوریتم ژنتیک, الگوریتم شبیه سازی تبرید, زمان بندی تولید}This paper aims to examine the scheduling of vehicles in a multi-product supply chain regarding to the mutual relationship between the transportation and the manufacturing units. The integration level in the supply chain consists of a manufacturer and its first tier suppliers, which are linked by a transportation fleet. The problem is determining orders allocation to the suppliers, orders production sequence at the suppliers, orders allocation to the vehicles, and orders transportation priority, in order to minimize the sum of orders delivery time. This issue has not been discussed in the literature, so far. At first, the mathematical model of the problem is presented, then the NP-Hardness of the problem is demonstrated. For solving the problem, a new combination of genetic algorithm and simulated annealing algorithm, named as Populated Simulated Annealing algorithm (PSA) is proposed. For verifying the PSA, its results are compared to results of simulated annealing algorithm (SA) and developed version of DGA algorithm, proposed for the nearest problem in the literature to our problem. Furthermore, relaxing some hypothesis, the results of PSA are compared to DGA results. All of the comparisons show that PSA is more efficient than the other algorithms. Finally, comparison of PSA with exact solution for small size problems demonstrates its proper efficiency.Keywords: Routing, Genetic Algorithm, Simulated Annealing, Scheduling}
-
در این مقاله مساله «مسیریابی انتخابی باز وسایل نقلیه همراه با قیمت گذاری» معرفی، مدل سازی و حل می شود. در این مسئله با توجه به هزینه های مسیریابی با استفاده از یک ناوگان همگن از وسایل نقلیه به قیمت گذاری بهینه پرداخته می شود. از سوی دیگر، در برخی از کاربردهای دنیای واقعی، شرکت ها ترجیح می دهند توزیع محصولات خود را با وسایل نقلیه اجاره ای انجام دهند؛ بنابراین بازگشت به مرکز بارگیری و تخلیه (دپو) برای این وسایل نقلیه الزامی نیست. در این مسئله مسیریابی باز مورد توجه قرار گرفته است. با وجود کاربردی بودن چنین مسئله ای، پژوهشی که آن را بررسی کرده باشد یافت نشد. در این مقاله، یک مدل برای مساله قیمت گذاری و مسیریابی وسیله نقلیه باز ارائه شده است. به منظور حل مدل پیشنهادی از الگوریتم رقابت استعماری بهبودیافته استفاده شده است. برای بررسی اعتبار این روش در حل مسئله، چندین نمونه در ابعاد کوچک حل شده است و با نتایج حاصل از یک روش دقیق و همچنین الگوریتم شبیه سازی تبرید مقایسه شده است. برای بررسی کارایی الگوریتم در ابعاد واقعی نیز پس از حل چندین نمونه توسط هر دو الگوریتم، نتایج با یکدیگر مقایسه شده اند. نتایج محاسباتی حاکی از عملکرد مناسب روش پیشنهادی در حل مسئله است.کلید واژگان: قیمت گذاری, مساله مسیریابی وسیله نقلیه باز, الگوریتم شبیه سازی تبرید, الگوریتم رقابت استعماری بهبودیافته, مسئله مسیریابی انتخابی}In this paper, modeling and solving an open selective vehicle routing problem with pricing are introduced. We will discuss optimal pricing when using a homogeneous fleet of vehicles. Furthermore, in some real world applications, companies prefer to distribute their products using rented vehicles so returning to the depot is not required. Therefore we face an open routing problem. Despite the applicability of such problem, we did not find any published research that examines it.also an Improved Imperialist Competitive Algorithm (IICA) is proposed to solve proposed model. For validating this method, some small scale problems are solved and results are compared to the results of an exact method and Simulated Annealing (SA) algorithm. The comparison of results shows that the proposed method is suitable for solving the model. For investigating its efficiency in dealing with real world problems, some large scale problems are solved and the results are compared to the results of Simulated Annealing (SA) algorithm. Results show that IICA is more efficient than SA.Keywords: Pricing, Open vehicle routing problem, simulated annealing algorithm. Improved imperialist competitive algorithm, Selective vehicle routing problem}
-
خط مونتاژ چندسویهیک خط تولید معمول در کارخانه هایی است که وظیفه ها به صورت موازی در چند سوی خط انجام می شوند. این نوع خط در تولید کالاهای بزرگ مانند خودرو به کار می رود. متوازن بودن خط، برای بهبود بهروه وری در خط مونتاژ دوسویه بسیار مهم است. این مقاله رویکردی نوین براساس الگوریتم شبیه سازی تبرید برای متوازن سازی خط مونتاژ چندسویه ارائه می دهد. محدودیت های ناحیه ای، زمان چرخه، زمان کاری و رابطه های پیش نیازی به عنوان محدودیت های سخت و محدودیت های وضعیتی به عنوان محدودیت نرم در نظر گرفته شده اند. برای نشان دادن توانایی کاربرد، رویکرد پیشنهادی بر یک خط مونتاژ واقعی نمونه به کار برده شده است. براییافتن مقدار مناسب پارامترهای الگوریتم، سناریوهای گوناگونی بر خط مونتاژ نمونه اجرا شد. یافته ها نشان می دهد که رویکرد پیشنهادی در دستیابی به هدف های از پیش تعیین شده مسئله بالانس خط، توانمند است.کلید واژگان: الگوریتم شبیه سازی تبرید, بالانس عمودی خط مونتاژ, خط مونتاژ چندسویه, زمان چرخه, محدودیت نرم, همبارسازی ایستگاه ها}Multi-sided assembly line is a typical production line in factories, where tasks are performed parallel in different sides of the assembly line. This type of line is normally found in producing large products such as cars. It is very important for the production line to be balanced in order to improve the production productivity. This paper presents a new approach based on simulated annealing algorithm to vertical balancing of multi-sided assembly lines. Zoning constraints, cycle time, working time and precedence relationships are considered as hard constraints while positional constraints are considered as soft constraints. To show the applicability of the proposed approach, it is applied on a real sample assembly line. In order to find the most suitable values for the parameters of the algorithm, different scenarios have been run on the sample assembly line. Findings indicate that the proposed approach is highly capable to achieve the predetermined goals of the line balancing problem.Keywords: cycle time, multi-sided assembly line, Simulated annealing algorithm, smoothing station loads, soft constraint, vertical assembly line balancing}
-
به منظور کنترل هزینه ها در یک شبکه حمل و نقل زمینی که میزان کالای انتقالی بین شهرها از میزان ظرفیت یک کامیون کمتر است، باید علاوه بر تعیین محل صحیح هابها، بار چند شهر با یکدیگر تجمیع شود و پس از تعیین مسیر حرکت کالاها، به هاب مناسب اختصاص یابد. در این مقاله، حالت خاصی از مسئله مکانیابی مسیریابی هاب زمینی مطرح میشود که مناسب با وضعیت ایران است؛ بهطوریکه شهرها در محدوده نامتراکم و وسیع واقع شده‌اند. یک مدل برنامهریزی ریاضی عدد صحیح مختلط بهمنظور نگاشت مسئله ارائه شده است. با توجه به پیچیدگی محاسباتی حل بهینه مدل، روش حل دو مرحلهای، تلفیقی از الگوریتمهای ژنتیک و شبیهسازی تبرید طراحی شده است. نتایج مقایسات عددی روش حل پیشنهاد شده با یک روش بهینهیاب، نشان از دقت و سرعت روش حل ارائه شده دارد. در نهایت یک مورد واقعی از ایران با 31 مرکز استان حل شده تا عملکرد مناسب روش حل پیشنهاد شده در این پژوهش نشان داده شود.کلید واژگان: الگوریتم ژنتیک, الگوریتم شبیه سازی تبرید, مدل سازی ریاضی, مسئله مسیریابی وسایل نقلیه, مکان یابی هاب}In order to manage the expenditures in a road transportation network in which the transport demands between cities are less than a truckload capacity, one needs to determine the location of hubs at first, and then collect the cargo from the cities in some routes which are assigned to the appropriate hubs. In this paper, a special case of hub location-routing issue was considered that is suitable for the particular conditions of Iran as cities are located in the sparse and distant places. A mixed integer mathematical programming model was proposed. As the model is NP-hard in nature, a two-phase hybrid method including genetic algorithms and simulated annealing was designed to solve the model. The results of the comparison between the model and the outputs demonstrated the accuracy and speed of the proposed solution method. Finally, a real case including all 31 capital cities of Iran provinces was solved to illustrate the appropriate performance of the solution method.Keywords: Genetic algorithm, Hub location, Mathematical programming, Simulated annealing, Vehicle routing problem}
-
در این مقاله، از مسئله پوشش مجموعه به منظور مکان یابی مراکز اورژانس استفاده می شود. برای تعیین مکان بهینه این مراکز، از یک مدل توسعه یافته چندهدفه با در نظر گرفتن اهدافی چون کمینه سازی هزینه استقرار جایگاه های امدادی، حداکثر سازی کل جمعیت پوشش داده شده و حداقل سازی مجموع فواصل حمل ونقل از محل های تقاضا تا خدمت دهنده های اختصاص یافته به آن ها استفاده شده و نیز ازآنجاکه هر یک از مراکز فقط دارای یک آمبولانس هستند و این آمبولانس ها در هنگام ارائه سرویس دیگر در دسترس قرار نمی گیرند، محدودیت احتمالی برای این مدل در نظر گرفته می شود؛ بنابراین در این تحقیق، ترکیب روش های برنامه ریزی چندهدفه و مسئله پوشش مجموعه به منظور مکان یابی مراکز امدادی در محلات 18 گانه منطقه 6 شهرداری تهران، مورد استفاده قرار گرفته می شود. روش حل انتخابی شبیه سازی تبرید تدریجی و اجرا توسط نرم افزار متلب است. در انتها، به منظور مقایسه با جواب های حاصل از الگوریتم شبیه ساری تبرید، مدل مربوطه با الگوریتم فرا ابتکاری بهینه سازی انبوه ذرات نیز مورد استفاده قرار می گیرد. نتایج حاکی از آن است که هر دو الگوریتم برای مکان های موردنظر به جواب های مشابه دست یافتند.کلید واژگان: الگوریتم شبیه سازی تبرید, الگوریتم بهینه سازی انبوه ذرات, برنامه ریزی چندهدفه, مسئله پوشش مجموعه}In this paper, the considered set covering issue is a stance of location-allocation issue in which the residents of each the eighteen district of region 6 of Tehran, have definite requirements to receive services (medical first aid) from some of emergency centers. We want to arrange so that at least one center, in each district, provides services to people who have been exposed to incidents. In this regard and to emplacement of these relay centers, a developed multi-objective model is used that has objectives such as minimizing the establishment cost of relay stations, maximizing the total covered population and minimizing the total distances between demand locations and allocated service providers. Since, each of the centers has only an ambulance and these ambulances being out of reach during providing services, possible limitations have been used in this model. So, in this research a combination of multi-objective decision making (MODM) methods and set covering problem (SCP) is used to specify the location of relay centers in 18 districts of region 6 in Tehran. The chosen solution is simulated annealing method that is performed using Matlab software. At the end, the model is implemented through the Ultra Innovative algorithm of particle mass optimization to compare to the answers of the Simulated Annealing algorithm. Results show that both algorithms give the same answers for the considered locations.Keywords: Multi, objective Planning, Particle Swarm Optimization, Set Covering, Simulating Annealing}
-
در این مقاله، یک مدل ریاضی مبتنی بر برنامه ریزی عدد صحیح آمیخته برای مساله زمانبندی جریان کارگاهی انعطاف پذیر با ماشین های موازی نا‍مرتبط و زمانهای راهاندازی وابسته به توالی با هدف کمینه‍سازی مجموع زودکرد و دیرکرد، ارائه شده است. به علت پیچیدگی این مساله، برای حل مسائل با ابعاد بزرگ، از الگوریتم های فراابتکاری استفاده شده است؛ در این پژوهش یک الگوریتم مبتنی بر شبیه سازی تبرید و الگوریتم دیگری مبتنی بر بهینه سازی ذرات ارائه شده است، و برای تنظیم پارامترهای الگوریتم های پیشنهادی از روش طراحی آزمایش های تاگوچی استفاده شده است. برای تحلیل عملکرد الگوریتم های حل، چهل ویک مساله نمونه با ابعاد مختلف طراحی، و هرکدام ده مرتبه اجرا شده است. با توجه به تحلیل نتایج آزمایش های محاسباتی زمان حل الگوریتم مبتنی بر بهینه سازی ذرات کمتر بوده است، ولی کیفیت جواب حاصل از الگوریتم مبتنی بر شبیه سازی تبرید بهتر از الگوریتم مبتنی بر بهینه سازی ذرات بوده است؛ به طور متوسط میزان درصد انحراف نسبی، نتایج آزمایش های محاسباتی الگوریتم مبتنی بر بهینه سازی ذرات 4.4 درصد، و الگوریتم مبتنی بر شبیه سازی 2.3 درصد بوده است.کلید واژگان: الگوریتم بهینه سازی انبوه ذرات, الگوریتم شبیه سازی تبرید, دیرکرد, زمان بندی جریان کارگاهی انعطاف پذیر, زمانهای راهاندازی وابسته به توالی, زودکرد}In this paper, a mixed integer programming formulation for flexible flow shop scheduling problem with unrelated machines and sequence dependent setup times is proposed in order to minimize sum of earliness and tardiness. Due to the fact that this problem is NP-Hard, a SA-based heuristic as well as a PSO-based heuristic are proposed to tackle the complexity of the problem. Later, the parameters of these algorithms are set by Taguchi method and then, these meta-heuristic algorithms are compared with each other by 410 test problems. At the end, a number of topics are proposed for future research.Keywords: flexible flow shop scheduling problem, sequence dependent setup time, earliness, tardiness, simulated annealing algorithm, particle swarm optimization algorithm}
-
در این پژوهش، مدل مساله اندازه انباشته چند سطحی [i] مورد استفاده برای تعیین اندازه انباشته تولید در محیط های صنعتی، توسعه داده شده و مساله جدیدی با عنوان مساله اندازه انباشته چند سطحی با موجودی تخریب شدنی و هزینه های دفع [ii] ارائه می گردد. در مساله ارائه شده، فرض موجودی تخریب شدنی [iii] به منظور با پوشش قرار دادن محصولاتی از قبیل الکل، گازوئیل، مواد رادیو اکتیو، مواد غذایی و سایر کالاهای تخریب شدنی به مدل مساله اندازه انباشته چند سطحی افزوده شده است. علاوه بر این، میزانی هزینه با عنوان هزینه های دفع که بیانگر هزینه دور کردن موجودی های فاسد شده از محیط انبار با مدل تعمیم یافته ترکیب شده و این مدل را کامل تر و به واقعیت نزدیکتر می نماید. این هزینه دفع، شامل هزینه هر واحد دفع و هزینه ثابت دفع (مستقل از میزان موجودی فاسدشده) است. در مساله جدید علاوه بر تعیین میزان تولید و زمان تولید هر یک از محصولات در هر یک از سطوح تولید، دوره های زمانی که در آن موجودی های فاسد شده دفع می شوند نیز تعیین می شوند و در تابع هدف مساله نیز مجموع هزینه های دفع اضافه می گردد. از آنجایی که مساله اندازه انباشته چند سطحی یک مساله NP -hard است، برای حل مساله از دو الگوریتم فراابتکاری شامل الگوریتم ژنتیک [iv] و شبیه سازی تبرید [v] استفاده می شود. به منظور مقایسه کارایی الگوریتم های پیشنهادی با یکدیگر و همچنین، با روش های موجود در ادبیات موضوع، مسائل نمونه مطابق با پژوهش های پیشین ایجاد شده و به بررسی و تحلیل روش های حل پرداخته شده است.
[i] - Multi-Level Lot Sizing Problem (MLLSP [ii] - Disposal costs [iii] -Deterioration Inventory [iv] -Genetic Algorithm(GA) [v] -Simulated Annealing (SA) Algorithmکلید واژگان: مساله اندازه انباشته چند سطحی, موجودی تخریب شدنی, هزینه دفع, الگوریتم ژنتیک, الگوریتم شبیه سازی تبرید}In this paper، the multi-level lot sizing problem which is used to determine the production lot sizes in industrial environments، has been investigated. A new problem which we refer to it as “multi-level lot sizing problem with deterioration inventory and disposal costs” is introduced. The aim of multi-level lot sizing problem is to determine the production quantity of production periods for each product in each level، such the the total cost containing production costs، holding costs and setup costs to be minimized. In the proposed model، the deterioration property of the inventory is assumed. Furthermore، disposal costs that represents the costs for removing the perishable inventories from the storage environments، is combined with the generalized model in order to make the model closer to reality. The aim of the new problem، are determining the production quantity of production periods for each product in each level، and determining the periods in which the perishable inventory to be disposed. Therefore، the disposal costs is considered in the objective function of the problem. Two meta heuristic algorithms consist of genetic algorithm and simulated annealing algorithm is used to solve the proposed problem. In order to compare the performance of the proposed algorithms with existing methods in the literature، instance problems are created، and the results are analyzed.Keywords: multi, level lot sizing problem, deterioration inventory, disposal costs, genetic algorithm, simulated annealing algorithm} -
در این مقاله، مسئله زمانبندی پروژه بر پایه حجم کار[1]با محدودیت منبع برای کمینه کردن هزینه های زودکرد و دیرکرد با توجه به حجم کار ثابت برای فعالیت ها، روابط پیشنیازی و محدودیت منابع تجدیدپذیر مورد بررسی و تحلیل قرارگرفته است. باتوجه به اینکه فعالیت ها دارای سررسید مشخصی هستند برای فعالیت هایی که از سررسید خود انحراف دارند جریمه زودکرد و دیرکرد در نظر گرفته می شود. برای حل این مسئله دو الگوریتم فراابتکاری ژنتیک و شبیه سازی تبرید طراحی شده و پارامترهای این الگوریتم ها با استفاده از روش تاگوچی تنظیم شده است. برای بررسی عملکرد این دو الگوریتم، مجموعه ای از مسائل نمونه حل و با با استفاده از آزمون های آماری به مقایسه جواب های حاصل از دو الگوریتم پرداخته شده است.
کلید واژگان: زمانبندی پروژه, زودکرد و دیرکرد, الگوریتم ژنتیک, الگوریتم شبیه سازی تبرید, حجم کار} -
مساله مکان یابی میانه محور با تخصیص چندگانه شامل جانمایی تسهیلات محور و تخصیص گره های غیرمحور به محورها است و البته، از نوع مسایل مکان یابی در کلاس NP-hard است. هدف اصلی در این مقاله، مساله مکان یابی میانه محور با تخصیص چندگانه در حالت تغییرات پویای جریان است که ظرفیتی برای محورها و کمان ها وجود ندارد و باز و بسته شدن محورها در دوره های گوناگون افق برنامه ریزی امکان پذیر است. مدل و الگوریتم پیشنهادی برای حل، با داده های شبکه حمل و نقل هوایی ایران بر مبنای تعداد مسافران جا به جا شده، آزمایش می شود. نتایج بررسی نشان می دهد؛ تشکیل شبکه پویا در مقایسه با حالت ایستا، هزینه کمتری در پی خواهد داشت و هرچه تعداد دوره های زمانی در حالت پویا بیشتر شود؛ روند بهبود (کاهش هزینه ها) ادامه می یابدکلید واژگان: مکان یابی, طراحی شبکه, تقاضای پویا, برنامه ریزی خطی, الگوریتم شبیه سازی تبرید}Hub location problem is further used in transportation and telecommunication networks (airlines، post delivery services، etc.) so origin-destination pairs، receive or send commodities via special facilities called Hub. Hub median problem with multiple allocation is an NP-hard problem which includes both locating hub facilities and allocating non-hub nodes to hubs as minimizes total transportation and location costs. In this paper، the hub median problem is considered in an environment which network flow varies during the time periods and the capacities of hubs and arcs are unlimited. Also opening and closing hubs in different periods of planning horizon are permitted. The model and the proposed algorithm for this problem were considered to Iran airlines network using real passenger flows data. Computational results state that the dynamic network compared with static model has lower cost and whatever the number of time periods in dynamic case increases، the cost will be reduced as well.Keywords: Dynamic Hub Location, Network design, Linear programming, Simulated annealing}
-
در این مقاله مسئله زمان بندی کار کارگاهی منعطف با در نظر گرفتن منابع دوگانه محدود انسان و ماشین با هدف کمینه سازی معیار حداکثر زمان تکمیل کارها مورد بررسی قرار گرفته است. مسئله مورد مطالعه از گروه مسائل NP-hardاست و از 3 زیر مسئله تشکیل شده است. مسئله اول تخصیص هر عملیات به یک ماشین از میان ماشین های موجود برای انجام آن عملیات، مسئله دوم تخصیص هر عملیات به یک کارگر از میان کارگرهای قادر به انجام آن عملیات و مسئله دیگر تعیین توالی عملیات ها روی ماشین ها با توجه به کارگران در نظر گرفته شده به منظور بهینه سازی معیار عملکرد می باشد. ما در این مقاله مدل ریاضی مسئله مورد نظر را تهیه و در ادامه یک الگوریتم فراابتکاری ترکیبی را برای حل آن ارائه کرده ایم. الگوریتم ترکیبی توسعه داده شده از الگوریتم های جستجوی همسایگی متغیر و شبیه سازی تبرید برای جستجوی فضای جواب استفاده می کند. به منظور ارزیابی عملکرد الگوریتم ارائه شده، مطالعات محاسباتی با در نظر گرفتن مسائل نمونه ایجاد شده انجام خواهد شد. نتایج نشان می دهد که الگوریتم ارائه شده روشی موثر برای حل مسئله زمان بندی کار کارگاهی منعطف با منابع دوگانه محدود انسان و ماشین است.
کلید واژگان: زمان بندی, منابع دوگانه محدود انسان و ماشین, محیط کار کارگاهی منعطف, مدل سازی ریاضی, الگوریتم شبیه سازی تبرید, الگوریتم جستجوی همسایگی متغیر}A hybrid meta-heuristic algorithm for dual resource constrained flexible job shop scheduling problemIn this paper, the dual-resource constrained flexible job-shop scheduling problem (DRCFJSP) with objective of minimizing the makespan is investigated. Under studied problem is NP-hard and mainly includes three sub-problems. The first one is to assign each operation to a machine out of a set of capable machines, the second one is to determine a worker among a set of skilled workers for processing each operation on the selected machine and the third one deals with sequencing the assigned operations on the machines considering workers in order to optimize the performance measure. In this paper, we provide a mathematical model for this problem and then propose a hybrid meta-heuristic algorithm for solving the problem. The proposed hybrid algorithm uses variable neighborhood search and simulated annealing algorithms to search in the solution space. Computational study with randomly generated test problems is performed to evaluate the performance of the proposed algorithm. The results show the proposed algorithms are effective approaches for solving the DRCFJSP.Keywords: scheduling, Dual, resource constrained, Flexible job shop, Mathematical Modeling, Simulated annealing, Variable neighborhood search} -
زمان بندی سهم به سزایی در پیشبرد و موفقیت پروژه دارد. این موضوع همواره یکی از مسائل مورد توجه محققان علوم مدیریت و تحقیق در عملیات بوده است. همچنین ماهیت بسیار دشوار این مسئله، علت دیگری برای توجه زیاد محققان به آن می باشد. بنابراین تکنیک ها و روش های خاصی برای حل این مسائل مطرح شده اند. از سوی دیگر تشدید تحریم ها از سوی بیگانگان به منظور به تاخیر انداختن زمان انجام پروژه ها اهمیت اتمام به موقع پروژه ها دوچندان شده است. از این رو توجه بیشتر به استواری پروژه برای مدیران پروژه موضوعیت دارد.
در این مقاله برای یک مسئله واقعی زمان بندی پروژه پالایشگاهی نخست مدل زمان بندی مقاوم ارائه شده و به دلیل اینکه زمان بندی پروژه با محدودیت منابع از جمله مسائل NP-Hard است، الگوریتم فرا ابتکاری شبیه سازی تبرید برای حل این مسئله پیشنهاد شد. به منظور اعتبارسنجی مدل نیز چهار مسئله با ابعاد کوچک انتخاب و جواب های به دست آمده از الگوریتم های پیشنهادی با جواب دقیق به دست آمده حاصل از نرم افزار Lingo مقایسه شد. نتایج به دست آمده نشان می دهد که الگوریتم پیشنهادی کارا و همگرا به جواب بهینه می باشند.کلید واژگان: زمان بندی پروژه تحت محدودیت منابع, پایداری, انعطاف پذیری, الگوریتم شبیه سازی تبرید}Scheduling plays an important role in the development and success of the project; this has always been one of the main issues considered in operations and management science researches. Another reason for the focus of much research into it is the difficult nature of this problem. Therefore، special techniques and methods have been proposed to solve this problem. On the other hand، in order to intensify sanctions on foreign delaying projects، timely completion of projects has been accelerated. Therefore، attention to project robustness subject to project managements. In this article، a real issue is scheduled for a robust scheduling model of a refinery project. Since project scheduling has resource constraints such NP-Hard problems، simulated annealing algorithm was proposed to solve this problem. In order to validate the model، 4 problems with small size were chosen and the solutions obtained by the proposed algorithms were compared with the exact solution obtained by Lingo8 software. The results showed that the proposed algorithm is efficient and convergent to the optimal solution.
Keywords: Robust project scheduling, Robustness, Flexibility, Simulated annealing algorithm, Particle swarm optimizition algorithm} -
در مسائل پوشش تدریجی افزایش فاصله از تسهیل ارائه دهنده سرویس در ناحیه پوشش، موجب کم شدن سطح پوشش دهی می گردد و اغلب محققین در مسایل مکان یابی تنها به عامل فاصله توجه می کنند، حال آنکه در دنیای واقعی معیارهای زیادی مثل جمعیت، دسترسی سریع و... وجود دارند که باید علاوه بر عامل فاصله در ارزیابی مکان یابی و تخصیص مورد توجه قرار گیرند، به عنوان مثال در مکان یابی تسهیلات اورژانسی نباید تنها به عامل فاصله توجه کرد. از طرفی با ازدیاد نقاط تقاضا و معیارها، ضمن افزایش زمان محاسبات، نرخ ناسازگاری در ارزیابی و امتیازدهی بین نقاط نیز افزایش می یابد. در این مقاله رویکرد ترکیبی شبکه عصبی و شبیه سازی تبرید برای حل مسئله پوشش تدریجی چند معیاره پیشنهاد شده است. زمانیکه تعداد نقاط کم هستند، امتیاز نقاط (اهمیت نقاط در اولویت تخصیص) در مسئله با استفاده از تحلیل سلسله مراتبی و با افزایش تعداد نقاط، پس از یافتن الگوی ذهنی تصمیم گیرندگان این امتیازها با روش شبکه عصبی محاسبه می-شود، البته کارایی الگوریتم شبکه عصبی در یافتن الگوی ذهنی با استفاده از آزمون رتبه علامت دار در این مقاله تایید شده است. در ادامه مسئله با استفاده از الگوریتم شبیه سازی تبرید حل می گردد که نتایج بررسی، حاکی از کارایی بالای الگوریتم پیشنهادی (کیفیت جواب وزمان حل) در مقایسه با روش دقیق است.
کلید واژگان: پوشش تدریجی, شبکه عصبی, الگوریتم شبیه سازی تبرید}In traditional covering problem, covering levelof receiving the services is independent ofdistances between nodes and facilities. However in gradual covering location problem (GCLP) the covering objective depends on the distance of customers from the service centers. Hence increasing incustomer-facility distances will results in decreasing the covering level. In most of covering problems, researchers only consider the distance factor. However; in the real word there are some other important elements such as population, availability, distance and etc. which affect the location of service center. Increasing the number of demand nodes and criteria’s will result in increasing the nodes evaluating computational time and inconsistency rate. This paper proposes a combined Simulated annealing (SA) and Artificial Neural Network (ANN) approaches to solve the multi criteria GCLP.In presence of few nodes; score of nodes are calculated usingAnalytic Hierarchy Process (AHP) method. Moreover by increasingthe number of nodes the score of every node will be calculated using ANNinstead of AHP. Statistical test of signed rank test shows that there is not a significant difference between the result of ANN and AHP methods. The comparison results between the exact solution method and the proposed algorithm confirms the efficiency of the proposed solution approach.Keywords: Gradual covering Problem, Neural Network, Simulated Annealing} -
این تحقیق به دنبال یافتن مدل مناسبی و حل آن جهت حل مشکل چرخش شغلی در یک شرکت می باشد که به منظور کاهش هزینه و حداقل سازی حجم کار صورت پذیرفته است، تا بتوان با حداقل کردن هزینه بهره وری سازمان را افزایش دهد که با توجه به مدل سازی انجام شده از شرایط شرکت پیکسل و بررسی موردی آن با لحاظ محدودیت های پیشرو انجام پذیرفت نشان داده می شود که پیچیدگی این مساله از نوع NP سخت است و در نتیجه استفاده از روش های دقیق برای حل مساله در زمان معقول امکان پذیر نیست. مدل برنامه ریزی بر اساس یک مسئله زمانبندی نیروی انسانی که نیاز به کارکرد 12 ساعت از روز و 7 روز هفته در یک محیط عملیاتی است به طوری که وضعیت کارگران با این شرایط محاسبه شده اند.در این تحقیق تلاش بر حدقل رسانیدن هزینه حجم کاری (بار کاری) W در کل برنامه برای هر یک از کارگر ها که خدمات ارایه می دهند در 24 ساعت روز و 7 روز هفته انجام می گیرد.مفروضات مدل پیشنهادی عبارت است از اینکه سازمان 12 ساعت در روز کار می کند، افق برنامه ریزی در مدل تحقیق (7-r) روز از هفته می باشد، هر کارگر در هفته r روز شامل off-day می شود، یک شیفت کاری به صورت، زمان شروع و طول شیفت، تعریف می گردد، شیفت کاری تمام وقت مجاز می باشد، در برنامه m کار با هزینه کارگری (حجم کاری) متفاوت دارد که با توجه به روز و هفته قابلیت جابه جایی دارد، همه کارگران دارای شرایط یکسان کاری می باشند. برای حل این مساله از یک الگوریتم تکاملی استفاده خواهد شد که در اینجا الگوریتم فاخته انتخاب شده است که در نرم افزار متلب کد نویسی شده و به منظور حل آن از الگوریتم فاخته استفاده شد. و نتایج آن با الگوریتم شبیه سازی تبرید مقایسه گردید نتایج بدست آمده بیانگر آن بوده است که الگوریتم فاخته بهینه ترین جواب جهت برازش مدل را به ما معرفی نموده است.
کلید واژگان: گردش شغلی, مدل سازی ریاضی گردش شغلی, الگوریتم فاخته, الگوریتم شبیه سازی تبرید}The aim of this study is to find a suitable model and solution to solve of job rotation problem in a company which has been done to reduce costs and minimize the volume of work, this study has been done in order to minimize the cost, increase productivity, which according to modeling done based on the Pixel company conditions, and its case study, it was carried out by the leading constraints, it is shown that the complexity of the problem is NP-hard, and the use of accurate methods for solving the problem is not possible within a reasonable time. To solve this problem, an evolutionary algorithm will be used, in this study the Cuckoo algorithm is selected, which is coded in the MATLAB software, and Cuckoo algorithm was used to solve it.And the results were compared with simulated annealing algorithm.The results show that the Cuckoo algorithm has introduced to us the most optimal solution to fit model.
Keywords: Job Rotation, mathematical modeling of job rotation, Cuckoo algorithm, simulated annealing algorithm}
- 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.
©2000-2024 magiran.com All Rights Reserved.