دانلود رایگان ترجمه مقاله استفاده از الگوریتم Branch و Bound برای حل مساله زمانبندی جریان کارکردی (سال 2014)
این مقاله انگلیسی ISI در 6 صفحه در سال 2014 منتشر شده و ترجمه آن 18 صفحه میباشد. کیفیت ترجمه این مقاله ارزان – نقره ای ⭐️⭐️ بوده و به صورت کامل ترجمه شده است.
دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی | |
عنوان فارسی مقاله: |
کاربرد الگوریتم شاخه ایی و محدود به منظور حل مشکل زمانبندی Flow Shop و مقایسه آن با الگوریتم جست جوی Tabu |
عنوان انگلیسی مقاله: |
Application of Branch and Bound algorithm for solving flow shop scheduling problem comparing it with tabu search algorithm |
|
مشخصات مقاله انگلیسی (PDF) | |
سال انتشار | 2014 |
تعداد صفحات مقاله انگلیسی | 6 صفحه با فرمت pdf |
رشته های مرتبط با این مقاله | مهندسی صنایع، مهندسی کامپیوتر |
گرایش های مرتبط با این مقاله | بهینه سازی سیستم ها، مهندسی الگوریتم ها و محاسبات و تولید صنعتی |
چاپ شده در مجله (ژورنال) | کنفرانس بین المللی مهندسی انرژی، مکانیک و صنعتی – International Conference on Mechanical, Industrial and Energy Engineering |
کلمات کلیدی | جریان کارکردی، شاخه ایی و محدود، زمان بندی، زمان کل، کد C++، الگوریتم جست جوی Tabu |
ارائه شده از دانشگاه | گروه مهندسی و مدیریت صنعتی (IEM) |
رفرنس | دارد ✓ |
کد محصول | F1219 |
مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
وضعیت ترجمه | انجام شده و آماده دانلود |
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش | 18 صفحه با فونت 14 B Nazanin |
ترجمه عناوین تصاویر و جداول | ترجمه شده است ✓ |
ترجمه متون داخل تصاویر | ترجمه نشده است ☓ |
ترجمه متون داخل جداول | ترجمه نشده است ☓ |
درج تصاویر در فایل ترجمه | درج شده است ✓ |
درج جداول در فایل ترجمه | درج شده است ✓ |
منابع داخل متن | به صورت عدد درج شده است ✓ |
کیفیت ترجمه | کیفیت ترجمه این مقاله متوسط میباشد |
فهرست مطالب |
چکیده |
بخشی از ترجمه |
چکیده
موقعیت پیشرو در مشارکت اقتصادی بسیاری از کشورها در تصرف کارخانه های پوشاک است و آن فرصتی مغتنم برای ارتقا حوزه های این مجموعه ها می باشد. در بنگلادش، کارخانه ی پوشاک در راس سازمان قرار دارد، که نقش حیاتی در بخش اقتصادی دارد. همانگونه که تعداد job ها(کارها) و ماشین ها افزایش می یابد؛ مشکلات زمان بندی جریان کارکردی در رویکردهای صنعتی نیز با دشواری هایی مواجه است. به یک سلول جریان کارکردی منظم با چندین مرحله ی کندساز توجه کنید. اگر این چنین باشد، صاحبان صنایع منابع بیشتری برای این مراحل کندسازکننده فراهم می کنند.در این مورد حذف عامل کند ساز در بخش تولید و ارتقا بهره وری کلی صنعت، حائز اهمیت فراوانی می باشد. در این مقاله ، به روش شاخه ایی ومحدود برای حل مشکل زمان بندی جریان کارکردی درماشین های M و jobsها ی N ، پرداخته شده است. در اینجا توالی بهینه ی jobsها از طریق به حداقل رساندن زمان انقضای کلی بوسیله ی روش کمینه/ حد پایین محدودing (LB) بر مبنای الگوریتم شاخه ایی ومحدود، به دست آمده است. تاثیر/ نتیجه ی این الگوریتم از طریق نمونه ی عددی نشان داده شده و همچنین جهت یافتن راه حل مناسب از یک کد c++ برای ایجاد الگوریتم استفاده شده است. پارامترهای ورودی، زمان پردازش و توالی اجرایی برای هرکار/ job در ماشین های فراهم شده هستند. این تحقیق مقادیر بهینه ی زمان کل زمان بندی را در مقایسه با روش جست و جوی Tabu در اختیار می گذارد/ تضمین می کند.
1- مقدمه
به jobs های مختلف n که باید در ماشین های m با یک ترتیب پردازش شود، توجه کنید. هر کار(job)ی، عملکردی در هر ماشین دارد و عملکرد job i در ماشین j دارای زمان پردازش Pij می باشد. این مساله ؛ مشکل جریان کارکردی نامیده می شود [1و5]. در یک مشکل جریان کارکردی همه ی jobs، در همه ی ماشین ها ترتیب توالی یکسانی دارند. یک زمان بندی تبدیلی/ permutation بهینه نسبت به زمان بندی جریان کارکردی کلی و بهینه؛ عملکردی بدتر و محسوسی تولید نمی کند[4]. همچنین از دیگاه عملی، زمان بندی ها جذاب هستند زیرا آن ها برای اجرا کردن آسان تر هستند. مشکل جریان کارکردی مقدار (هاردNP) NP-hard ، به ازای m≥3 می باشد [3,7]. راه حل های مناسب را می توان تنها از طریق روش های تعیین شماره ؛ مثل شاخه ایی ومحدود به دست آورد [6]. با این حال، این روش ها ممکن است تا حدودی مانع محاسبه حتی برای مسائلی با اندازه ی متوسط شود و برای مسائل بزرگ، انجام ناپذیر و سخت می شود. این موضوع باعث توسعه ی بسیاری از روش های آزمون و خطا می شود. روش آزمون و خطا های، حل مشکلات زمان بندی جریان کارکردی را می توان به دو مقوله تقسم کرد: روش آزمون و خطا ی تولید کننده ی توالی (sequence generating heuristics) و آزمون و خطا ی بهبود دهنده (improvement heuristics).
روش های دسته ی اول، از scratch یک زمان بندی تولید می کنند. اکثر این روش ها، برای حل مشکلات دو و سه ماشینه؛ یا ممتدند، یا بر پایه ی نظریات الگوریتم شناخته شده ی Johnson می باشند [2,4,8,9]. شروع کردن با راه حلی ایجاد شده به وسیله ی برخی روش های آزمون و خطا ی تولید کننده ی توالی و برخی آزمون و خطا ی بهبودی، طرحی برای کسب یک توالی جدید، با مقیاس های اجرایی توسعه یافته، فراهم می کند. روش هایی از این دست شامل تکنیک های جست و جوی همجواری (neighborhood) [5] مثل تقویت کردن همزمان و جست وجوی Tabu می باشد. جست وجوی Tabu ، یک جست و جوی محلی/ local است و براساس روشی بهینه سازی شده که به طور موفقیت آمیزی برای حل بسیاری از مسائل بهینه سازی شده و ترکیبات دشوار مخصوصا در برنامه ریزی ناحیه ای ، استفاده شده است. این روش همچنین استحکام قابل توجهی نشان داده است. |
بخشی از مقاله انگلیسی |
Abstract The leading position in contributing to the economics of many countries is hold occupied by the garments factory and it has great opportunity to enhance its area .In Bangladesh, the garment factory is the top of the organization, which takes the vital role in the economic sector. As the number of jobs and machines increase, the flow shop scheduling problems in the industry approaches to difficulty. Consider a regular flow shop cell with several bottleneck stages. If such were the case, the industry owners would provide more resources to these bottleneck stages. In this case it is so much important to eliminate the bottleneck in production section and improve the total productivity of the industry. This paper deals with the Branch and Bound technique for solving M machines and N jobs in flow-shop scheduling problem. Here the optimal sequence of jobs is obtained through minimizing the total elapsed time by a lower Bounding (LB) method based on the Branch and Bound algorithm. The working of the algorithm has been illustrated by numerical example and also a C++ code was used to generate an algorithm for finding the optimal solution. The input parameters are process time and operation sequence for each job in the machines provided. This research ensures the makespan optimal values of the schedules comparing with the Tabu search method. 1 Introduction Consider n different jobs that need to be processed on m machines in the same order. Each job has one operation on each machine and the operation of job i on machine j has processing time Pij. This problem is called a flow shop problem [1,5].In a flow shop problem all jobs have the same ordering sequence on all machines. An optimal permutation schedule does not produce an appreciably worse performance than the optimal general flow shop schedule [4]. Also schedules are attractive from a practical point of view since they are easier to implement. The flow shop problem is NP-hard for m >=3 [3,7]. Optimal solutions can only be obtained via enumeration techniques such as Branch and Bound[6] . However, these methods may take a prohibitive amount of computation even for medium-size problems and become intractable for large problems. This leads to the development of many heuristic procedures. Heuristics for solving the flow shop scheduling problem can be divided into two categories: sequence generating heuristics and improvement heuristics. The former methods generate a schedule from scratch. Most of these methods are either extensions or based on the ideas behind Johnsons’ s well known algorithm for solving twoand three-machine problems[2,4,8,9]. Starting with a solution produced by some sequence generating heuristic, improvement heuristics provide a scheme for obtaining a new sequence with improved performance measure. Methods of this type include neighborhood search techniques[5] such as simulated annealing and tabu search. Tabu search is a local search based optimization method which has been successfully used to solve many difficult combinatorial optimization problems, particularly in the scheduling area. It also exhibited considerable robustness. |