عنوان پایان‌نامه
زمانبنذی ماشینهای موازی.....
- رشته تحصیلی
- مهندسی صنایع
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس 2 فنی شماره ثبت: 1458;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 39870
- تاریخ دفاع
- ۱۵ دی ۱۳۸۷
- دانشجو
- ملیحه آرامون بجستانی
- استاد راهنما
- رضا توکلی مقدم
- چکیده
- در این پایان نامه، مسئله ماشین های موازی نامرتبط در دو بخش مورد بررسی قرار گرفته است. در بخش اول، الگوریتم شاخه و کران جدیدی برای مسئله ماشین های موازی نامرتبط با فرض زمان های آماده سازی وابسته به توالی به منظور حداقل کردن کل دیرکرد وزنی طراحی شده است. الگوریتم شاخه و کران طراحی شده شامل رویکردهایی برای تعیین مجموعه ای از قواعد، محاسبه حد پایین و حد بالا می باشد. در بخش دوم، مدل برنامه ریزی امکانی چندهدفه، غیرخطی و مختلط عدد صحیح با در نظر گرفتن عدم قطعیت در زمان پردازش و موعد تحویل ارائه شده است. زمان های آماده به کار بودن متفاوت برای کارها، زمان های آماده سازی وابسته به توالی و ماشین و همچنین در نظر گرفتن ابزار به عنوان دومین منبع در کنار ماشین از جمله مهمترین محدودیت های مورد بررسی در این بخش هستند. در مرحله اول رویکرد دو مرحله ای تقابلی فازی برای حداقل کردن کل دیرکرد وزنی و کل زمان در جریان ساخت وزنی پیشنهاد شده است. سپس یکی از روش های وزن دهی قبل از حل، الگوریتم انبوه ذرات چندهدفه برای یافتن تقریب خوبی از کل جواب های پارتو برای حداقل کردن کل انحراف بار کاری ماشین ها به همراه دو تابع هدف پیشتر ذکر شده پیشنهاد شده است. ویژگی متمایز الگوریتم انبوه ذرات، استفاده از رویه های جدید برای انتخاب بهینه کلی و بهینه شخصی می باشد. همچنین، در این بخش، مفهوم تسلط برای استفاده در محیط فازی توسعه پیدا کرده است. در انتها، از آنجایی که مسئله مورد بررسی سه هدفه می باشد، شاخص جدیدی برای محاسبه میزان یکنواختی جواب ها پیشنهاد شده است.
- Abstract
- This paper, at first, presents a scheduling problem with unrelated parallel machines and sequence-dependent setup times that minimizes the total weighted tardiness. A new branch-and-bound (B&B) algorithm is designed incorporating the lower and upper bounding schemes and several dominance properties. The lower and upper bounds are derived through an assignment problem and the composite dispatching rule (ATCS), respectively. We carry out computational experiments and the related results are reported. This paper also presents a novel, multi-objective possibilistic mixed-integer non-linear programming (MINLP) model for an unrelated parallel machine scheduling problem by taking the inherent uncertainty in processing times and due dates into account. The main constraints of this model are as follows: non-zero ready times, sequence and machine-dependent setup times, and secondary resource. At first, a two-phase interactive fuzzy solution approach is proposed to find a preferred compromised solution to minimize not only the total weighted flow time but also the total weighted tardiness. Then, a posteriori optimization approach, i.e., an effective multi-objective particle swarm optimization (MOPSO) is proposed in order to find a good approximation to the whole Pareto frontier. Using MOPSO and to demonstrate the real-world situation more precisely, the minimization of the total machine load variation is also considered along with the foregoing objectives. The proposed MOPSO exploits new selection regimes for the global best as well as personal best. Moreover, a generalized dominance concept in a fuzzy environment is designed and used for finding locally optimal Pareto frontier. The efficiency of the proposed MOPSO is proved by comparing with one that does not feature the new way of selecting social and cognitive leaders based on some comparison metrics and statistical methods.
