تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله الگوریتم کرم شب تاب گسسته برای مسائل زمان بندی انعطاف پذیر و چند منظوره – نشریه اشپرینگر

عنوان فارسی: الگوریتم کرم شب تاب گسسته و هیبریدی برای مسائل زمان بندی انعطاف پذیر و چند منظوره کار با منابع محدود
عنوان انگلیسی: A hybrid discrete firefly algorithm for multi-objective flexible job shop scheduling problem with limited resource constraints
تعداد صفحات مقاله انگلیسی : 13 تعداد صفحات ترجمه فارسی : 34
سال انتشار : 2014 نشریه : اشپرینگر - Springer
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : 4833 رفرنس : دارد
محتوای فایل : zip حجم فایل : 1.29Mb
رشته های مرتبط با این مقاله: مهندسی کامپیوتر، مهندسی فناوری اطلاعات و مهندسی مکانیک
گرایش های مرتبط با این مقاله: مهندسی ساخت و تولید، مهندسی الگوریتم ها و محاسبات، شبکه های کامپیوتری و مهندسی نرم افزار
مجله: مجله بین المللی فن آوری پیشرفته تولید
دانشگاه: گروه مهندسی ساخت و تولید، موسسه ملی فن آوری، تامیل نادو، هند
کلمات کلیدی: برنامه ریزی فروشگاه کار انعطاف پذیر، الگوریتم کرم شب تاب گسسته ترکیبی، بهینه سازی چند هدفه، محدودیت منابع محدود شده، جستجوی محلی
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه نشده است
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب

چکیده

1. مقدمه

2. فرمولاسیون مشکل

3. الگوریتم کرم شب تاب

3.1. فاصله

3.2. جذابیت

3.3. حرکت

4. الگوریتم کرم شب تاب گسسته ی هیبریدی

4.1. نمایش راه حل

4.2. فرمت جمعیت

4.2.1. قوانین ابتدایی تخصیص ماشین

4.2.2. قوانین ابتدایی زمانبندی

4.3. ارزیابی کرم شب تاب

4.4. به روز رسانی راه حل

4.4.1. فاصله

4.4.2. جذابیت و حرکت

4.5. محل تصادفی (Lma1)

4.5.1. محل تبادل عملیات انتقال (Lswap)

4.5.2. محل انجام عملکرد انتقال (Linsert)

4.6. چارچوب HDFA

5. نتایج محاسباتی

مشکل 5x8

مشکل 8×8

6. نتیجه گیری

نمونه متن انگلیسی

Abstract

In this paper, a hybrid discrete firefly algorithm is presented to solve the multi-objective flexible job shop scheduling problem with limited resource constraints. The main constraint of this scheduling problem is that each operation of a job must follow a process sequence and each operation must be processed on an assigned machine. These constraints are used to balance between the resource limitation and machine flexibility. Three minimisation objectives—the maximum completion time, the workload of the critical machine and the total workload of all machines—are considered simultaneously. In this study, discrete firefly algorithm is adopted to solve the problem, in which the machine assignment and operation sequence are processed by constructing a suitable conversion of the continuous functions as attractiveness, distance and movement, into new discrete functions. Meanwhile, local search method with neighbourhood structures is hybridised to enhance the exploitation capability. Benchmark problems are used to evaluate and study the performance of the proposed algorithm. The computational result shows that the proposed algorithm produced better results than other authors’ algorithms.

نمونه متن ترجمه

چکیده

در این مقاله یک الگوریتم کرم شب تاب گسسته و هیبریدی برای حل مسائل زمانبندی انعطاف پذیر چند منظوره با منابع محدود، ارائه شده است . محدودیت اصلی این مشکل زمانبندی این است که هر عملیات باید فرآیندی را دنبال کند و در یک ماشین اختصاص یافته پردازش شود . این محدودیت ها برای تعادل میان محدودیت منبع و انعطاف پذیری ماشین به کار می روند . سه هدف کمینه سازی - حداکثر زمان انجام، حجم کار ماشین و کل حجم کار همه ی ماشین ها – به صورت خودکار در نظر گرفته می شوند . در این مطالعه ،الگوریتم کرم شب تاب گسسته برای حل این مسئله به کار می رود که در آن اختصاص ماشین و توالی عملیات با تبدیل مناسب توابع پیوسته مانند جذابیت ، فاصله و حرکت به توابع گسسته ی جدید،پردازش می شوند. در همین حال روش جست و جوی محلی با ساختار های مجانب خود، به منظور افزایش قابلیت بهره وری ترکیب می شود. مشکلات معیار برای ارزیابی و مطالعه ی عملکرد الگوریتم ارائه شده ، به کار می روند. نتیجه ی محاسباتی نشان می دهد که الگوریتم ارائه شده نسبت به الگوریتم های دیگر نتایج بهتری داشته است.