ترجمه مقاله نقش ضروری ارتباطات 6G با چشم انداز صنعت 4.0
- مبلغ: ۸۶,۰۰۰ تومان
ترجمه مقاله پایداری توسعه شهری، تعدیل ساختار صنعتی و کارایی کاربری زمین
- مبلغ: ۹۱,۰۰۰ تومان
In order to exert the advantage of ant colony algorithm and particle swarm optimization algorithm respectively, a method combined the two algorithms was designed for solving multi-objective flexible job shop scheduling problem in this paper. The proposed algorithm was composed by two phases. The first phase made use of the fast convergence of PSO to search the particles optimum position and made the position as the start point of ants. In the second phase, the traditional ant colony algorithm was improved and was used to search the global optimum scheduling according to its characters of positive feedback and structure of solution set. The combined algorithm was validated by practical instances. The results obtained have shown the proposed approach is feasible and effective for the multi-objective flexible job shop scheduling problem.
به منظور استفاده از مزیت الگوریتمهای کلنی مورچه و بهینهسازی گروه ذرات به ترتیب، روشی متشکل از دو الگوریتم برای حل مسئله زمانبندی کارگاه شغلی انعطاف پذیر چندمنظوره طراحی شده بود که در این مقاله بدان پرداخته شده است. الگوریتم پیشنهادی مشتمل بر دو مرحله بود. نخستین مرحله استفاده از همگرایی سریع pso برای پژوهش در مورد موقعیت بهینه ذرات و ایجاد جایگاهی به عنوان نقطه شروع مورچهها میباشد. در مرحله دوم، الگوریتم سنتی کلنی مورچه بهبود یافته و برای پژوهش در مورد زمانبندی بهینه جهانی مطابق با ویژگیهای بازخورد مثبت آن و ساختار مجموعه راه حل مورد استفاده قرار میگیرد. الگوریتم ترکیبی از طریق نمونههای عملی تایید شده بود. نتایج حاصل نشان داده است که رویکرد پیشنهادی برای مسئله زمانبندی کارگاههای شغلی انعطاف پذیر چندمنظوره عملی و کارآمد میباشد.