دانلود رایگان ترجمه مقاله الگوریتم ژنتیک برای مسئله زمانبندی انعطاف پذیر شغلی-فروشگاه (نشریه الزویر ۲۰۰۸)

این مقاله انگلیسی ISI در نشریه الزویر در ۱۱ صفحه در سال ۲۰۰۸ منتشر شده و ترجمه آن ۱۸ 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:

یک الگوریتم ژنتیک برای مسئله زمانبندی انعطاف پذیر شغلی-فروشگاه

عنوان انگلیسی مقاله:

A genetic algorithm for the Flexible Job-shop Scheduling Problem

 

 

مشخصات مقاله انگلیسی
فرمت مقاله انگلیسی pdf و ورد تایپ شده با قابلیت ویرایش 
سال انتشار ۲۰۰۸
تعداد صفحات مقاله انگلیسی ۱۱ صفحه با فرمت pdf
نوع مقاله ISI
نوع نگارش مقاله پژوهشی (Research article)
نوع ارائه مقاله ژورنال
رشته های مرتبط با این مقاله مهندسی صنایع، مدیریت، مهندسی کامپیوتر 
گرایش های مرتبط با این مقاله تحقیق در عملیات، بهینه سازی سیستم ها، مهندسی الگوریتم ها و محاسبات
چاپ شده در مجله (ژورنال) تحقیقات رایانه ها و عملیات ها – Computers & Operations Research
کلمات کلیدی زمانبندی شغلی-فروشگاه، الگوریتم ژنتیک، سیستم های تولید انعطاف پذیر
کلمات کلیدی انگلیسی Job-shop Scheduling – Genetic algorithms – Flexible manufacturing systems
ارائه شده از دانشگاه گروه مهندسی کامپیوتر، مدیریت و اتوماسیون، دانشگاه پلی تکنیک مارچه، ایتالیا
نمایه (index) Scopus – Master Journals – JCR
شناسه شاپا یا ISSN ۰۳۰۵-۰۵۴۸
شناسه دیجیتال – doi https://doi.org/10.1016/j.cor.2007.02.014
ایمپکت فاکتور(IF) مجله ۳٫۹۷۶ در سال ۲۰۱۹
شاخص H_index مجله ۱۳۳ در سال ۲۰۲۰
شاخص SJR مجله ۱٫۸۵۹ در سال ۲۰۱۹
شاخص Q یا Quartile (چارک) Q1 در سال ۲۰۱۹
بیس  نیست 
مدل مفهومی  ندارد 
پرسشنامه  ندارد 
متغیر  ندارد 
رفرنس دارای رفرنس در داخل متن و انتهای مقاله
کد محصول F1738
نشریه الزویر – Elsevier

 

مشخصات و وضعیت ترجمه فارسی این مقاله
فرمت ترجمه مقاله pdf و ورد تایپ شده با قابلیت ویرایش
وضعیت ترجمه انجام شده و آماده دانلود
کیفیت ترجمه ترجمه ارزان – نقره ای ⭐️⭐️
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۱۸ صفحه با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر و جداول ترجمه شده است  
ترجمه متون داخل تصاویر ترجمه نشده است 
ترجمه متون داخل جداول ترجمه نشده است 
ترجمه ضمیمه ندارد 
ترجمه پاورقی ندارد 
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  
منابع انتهای متن به صورت انگلیسی درج شده است  
کیفیت ترجمه کیفیت ترجمه این مقاله پایین میباشد.

 

فهرست مطالب

چکیده
۱ FJSP
۲ مرور نوشته ها
۳ یکGA برای FJSP
۳-۱ جمعیت اولیه
۳-۲ برنامه نویسی
۳-۳ ارزیابی تناسب
۳-۴ انتخاب
۳-۵تولید فرزندان
۴ نتیجه محاسباتی
۵ نتیجه گیری و تحقیقات آینده

 

بخشی از ترجمه

چکیده
در این مقاله، ما یک الگوریتم ژنتیک برای مسئله برنامه ریزی انعطاف پذیر شغلی-فروشگاه (FJSP). ارائه می دهیم. این الگوریتم استراتژی های مختلف را برای تولید جمعیت اولیه، انتخاب افراد برای تولید مثل و تکثیر افراد جدید ادغام می کند. نتیجه محاسباتی نشان می دهد که ادغام راهبردهای بیشتر در یک چارچوب ژنتیکی، با توجه به دیگر الگوریتم های ژنتیک، منجر به نتایج بهتر می شود. علاوه بر این، نتایج به دست آمده کاملا قابل مقایسه با نتایج به دست آمده توسط بهترین الگوریتم شناخته شده، بر اساس جستجوی ممنوع است. این دو نتیجه، با هم به همراه انعطاف پذیری الگوی ژنتیکی ثابت می کند که الگوریتم های ژنتیکی برای حل FJSP موثر هستند.

برنامه ریزی عملیات، یکی از مهم ترین مسائل در برنامه ریزی و مدیریت فرآیندهای تولید است. یافتن بهترین برنامه زمانبندی می تواند با توجه به محیط فروشگاه، محدودیت های فرآیند و شاخص عملکرد آسان و یا بسیار دشوار باشد. یکی از سخت ترین مشکلات در این زمینه، مشکل زمانبندی کار فروشگاه (JSP) است که در آن مجموعه ای از کارها باید بر روی مجموعه ای از ماشین آلات پردازش شود که هر کار توسط یک دنباله از عملیات های پشت سر هم تشکیل شده است، هر عملیات دقیقا نیاز به یک ماشین دارد، ماشین به طور مداوم در دسترس است و می تواند یک فرایند را در یک زمان و بدون وقفه انجام دهد. این تصمیم مربوط به چگونگی توالی عملیات در دستگاه، مانند شاخص عملکرد بهینه سازی می شود. یک شاخص نوعی معمولی برای JSP، مدت کلی برنامه زمانبندی است، به عنوان مثال، زمان مورد نیاز برای تکمیل تمام مشاغل.. JSPیک مسئله سخت NP به خوبی شناخته شده است. [۲] مسئله زمانبندی انعطاف پذیر شغلی-فروشگاه (FJSP)، یک کلیت از JSP کلاسیک، که در آن عملیات ها مجاز به پردازش در میان مجموعه ای از دستگاه های موجود هستند. سپس بنابراین FJSP از JSP کلاسیک سخت تر است. از آن جا که سطح تصمیمات بیشتر را در کنار توالی، به عنوان مثال، مسیرهای کار، عرضه می کند. تعیین مسیرهای شغلی میانی برای تصمیم گیری، برای هر عملیات، چیزی است که دستگاه باید آن را در میان مسیرهای که در دسترس هستند، پردازش نماید.
مسئله FJSP نشان دهنده روش های ابتکاری تولید برنامه های زمانبندی خوب در زمان معقول ، به به جای جستجوی یک راه حل دقیق، همچنین برای نمونه های کوچک است. ابتکارات به طور کلی راه حل هایی را ارائه نمی دهند که مقدار تابع هدف آنها دارای فاصله تضمین شده از نقطه مطلوب باشد، اما برای بسیاری از نمونه های مسئله می توانند موثر باشند. در سال های اخیر، اتخاذ روش های فرا اکتشافی مانند شبیه سازی بازپخت، جستجوی ممنوع و الگوریتم های ژنتیکی (GAS) نسبت به الگوریتم های توزیع کلاسیک و یا روش های اکتشافی سختگیرانه (۳-۵) به نتایج بهتری منجر شده است.

 

بخشی از مقاله انگلیسی

Abstract

In this paper, we present a genetic algorithm for the Flexible Job-shop Scheduling Problem (FJSP). The algorithm integrates different strategies for generating the initial population, selecting the individuals for reproduction and reproducing new individuals. Computational result shows that the integration of more strategies in a genetic framework leads to better results, with respect to other genetic algorithms. Moreover, results are quite comparable to those obtained by the best-known algorithm, based on tabu search. These two results, together with the flexibility of genetic paradigm, prove that genetic algorithms are effective for solving FJSP.

Scheduling of operations is one of the most critical issues in the planning and managing of manufacturing processes. To find the best schedule can be very easy or very difficult, depending on the shop environment, the process constraints and the performance indicator [1]. One of the most difficult problems in this area is the Job-shop Scheduling Problem (JSP), where a set of jobs must be processed on a set of machines, each job is formed by a sequence of consecutive operations, each operation requires exactly one machine, machines are continuously available and can process one operation at a time without interruption. The decision concerns how to sequence the operations on the machines, such as a given performance indicator is optimized. A typical performance indicator for JSP is the makespan, i.e., the time needed to complete all the jobs. JSP is a well-known NP-hard problem [2].

The Flexible Job-shop Scheduling problem (FJSP) is a generalization of the classical JSP, where operations are allowed to be processed on any among a set of available machines. Then, FJSP is more difficult than the classical JSP, since it introduces a further decision level beside the sequencing one, i.e., the job routes. To determine the job routes means to decide, for each operation, what machine must process it, among the available ones.

The difficulty of FJSP suggests the adoption of heuristic methods producing reasonably good schedules in a reasonable time, instead of looking for an exact solution, also for small instances. Heuristics generally do not give solutions whose objective function value have a guaranteed distance from the optimum, but they can be effective for most problem instances. In recent years, the adoption of meta-heuristics such as simulated annealing, tabu search and genetic algorithms (GAS) has led to better results than classical dispatching or greedy heuristic algorithms [3–۵].

 

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا