ترجمه مقاله برآورد ترکیبی الگوریتم توزیع برای حل مسئله چیدمان تک ردیفی امکانات - نشریه الزویر

ترجمه مقاله برآورد ترکیبی الگوریتم توزیع برای حل مسئله چیدمان تک ردیفی امکانات - نشریه الزویر
قیمت خرید این محصول
۳۷,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
برآورد ترکیبی الگوریتم توزیع برای حل مسئله چیدمان تک ردیفی امکانات
عنوان انگلیسی
Hybrid Estimation of Distribution Algorithm for solving Single Row Facility Layout Problem
صفحات مقاله فارسی
23
صفحات مقاله انگلیسی
9
سال انتشار
2013
نشریه
الزویر - Elsevier
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد ✓
کد محصول
9224
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه نشده است ☓
وضعیت ترجمه منابع داخل متن
به انگلیسی درج شده است ✓
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است ✓
رشته های مرتبط با این مقاله
مهندسی صنایع
گرایش های مرتبط با این مقاله
بهینه سازی سیستم ها، برنامه ریزی و تحلیل سیستم ها
مجله
کامپیوتر و مهندسی صنایع - Computers & Industrial Engineering
دانشگاه
گروه مدیریت صنعتی، دانشگاه ملی علوم و فناوری تایوان
کلمات کلیدی
چیدمان تک ردیفی امکانات، برآورد الگوریتم توزیع، بهینه سازی ازدحام ذرات، جستجوی ممنوع
doi یا شناسه دیجیتال
http://dx.doi.org/10.1016/j.cie.2013.05.018
فهرست مطالب
چکیده
1. مقدمه
2. بررسی نوشته ها
2.1. برآورد الگوریتم های توزیع
2.2. الگوریتم های فراابتکاری برای حل مسئله چیدمان تک ردیفی امکانات
2.3. مسئله چیدمان تک ردیفی امکانات پیشرفته
3. بیانیه مسئله
3.1. مسئله چیدمان تک ردیفی امکانات
3.2. مسئله چیدمان تک ردیفی امکانات ارتقا یافته
4. روش شناسی
4.1. روش اجرایی عمومی eACGA
4.2. روش اجرایی EDAhybrid
4.2.1. برآورد الگوریتم توزیع بخشی
4.2.2. بخش بهینه سازی ازدحام ذرات
4.2.3. بخش جستجوی ممنوع
5. تجزیه و تحلیل نتیجه
5.1. تنظیم پارامترها
5.2. EDAhybrid برای SRFLP
5.3. EDAhybrid برای SRFLP ارتقا یافته
6. بحث و نتیجه گیری
نمونه چکیده متن اصلی انگلیسی
Abstract

The layout positioning problem of facilities on a straight line is known as Single Row Facility Layout Problem (SRFLP). The objective of SRFLP, categorized as NP Complete problem, is to arrange the layout so that the sum of distances between all facilities’ pairs can be minimized. Estimation of Distribution Algorithm (EDA) efficiently improves the solution quality in first few runs, but the diversity loss grows rapidly as more iterations are run. To maintain the diversity, hybridization with metaheuristic algorithms is needed. This research proposes Hybrid Estimation of Distribution Algorithm (EDAhybrid), an algorithm which consists of hybridization of EDA, Particle Swarm Optimization (PSO), and Tabu Search. Another hybridization algorithm, extended Artificial Chromosomes Genetic Algorithm (eACGA), is also built as benchmark. EDAhybrid’s performance is tested in 15 benchmark problems of SRFLP and it successfully achieves optimum solution. Moreover, the mean error rates of EDAhybrid always get the lowest value compared to other algorithms. SRFLP can be enhanced by considering more constraints, so it becomes enhanced SRFLP. Computational results show that EDAhybrid can also solve Enhanced SRFLP effectively. Therefore, we can conclude that EDAhybrid is a promising metaheuristic algorithm which can be used to solve the basic and enhanced SRFLP.

نمونه چکیده ترجمه متن فارسی
چکیده
مسئله موقعیت یابی چیدمان امکانات در یک خط مستقیم به عنوان مسئله چیدمان تک ردیفی امکانات (SRFLP) شناخته شده است. هدف از SRFLP، که به عنوان مسئله کامل NP طبقه بندی می شود، آرایش چیدمان است به طوری که مجموع فواصل بین هر جفت از تمام امکانات بتوان به حداقل رساند.
برآورد الگوریتم توزیع (EDA) به طور موثر کیفیت راه حل را در چند اجرا بهبود می دهد، اما از دست دادن تنوع با تکرار بیشتر به سرعت بیشتر می شود. برای حفظ تنوع، ترکیب با الگوریتم های فراابتکاری نیاز است. این پژوهش برآورد ترکیبی از الگوریتم توزیع (EDAhybrid) را پیشنهاد می دهد، یک الگوریتم که متشکل از ترکیب EDA، بهینه سازی ازدحام ذرات (PSO)، و جستجوی ممنوع است. یکی دیگر از الگوریتم های ترکیبی، الگوریتم ژنتیک کروموزوم های مصنوعی گسترش یافته (eACGA) است که همچنین به عنوان معیار ساخته شده است. عملکرد EDAhybrid در 15 مسئله محک زنی SRFLP آزمایش شده است و با موفقیت به راه حل مطلوب دستیابی پیدا می کند. علاوه بر این، نرخ های میانگین خطای EDAhybrid همیشه در مقایسه با الگوریتم های دیگر به کمترین مقدار می رسد.
SRFLP را می توان با در نظر گرفتن محدودیت های بیشتری ارتقا داد، پس از آن SRFLP ارتقا می یابد. نتایج محاسباتی نشان می دهد که EDAhybrid می تواند SRFLP پیشرفته را به طور موثر حل نماید. بنابراین، ما می توانیم نتیجه بگیریم که EDAhybrid یک الگوریتم فراابتکاری امیدوار کننده است که می تواند برای حل SRFLP کلی و ارتقا یافته مورد استفاده قرار گیرد.

بدون دیدگاه