این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیق در عملیات در کاربردهای آن، جلد ۱۸، شماره ۲، صفحات ۱۰۷-۱۲۴
عنوان فارسی روش ترکیبی تاگوچی و تحلیل پوششی داده‌ها برای تعیین پارامترها و عملگرهای الگوریتم‌های فراابتکاری– الگوریتم ژنتیک برای حل مساله جریان کارگاهی جایگشتی دوباره واردشونده
چکیده فارسی مقاله کارایی الگوریتم‌های فراابتکاری ارتباط مستقیمی با تنظیم پارامترهای آن دارد، به طوری که انتخاب نادرست پارامترهای الگوریتمی کاملاً کارا، باعث ناکارآمدی آن می‌گردد. در این تحقیق ترکیب روش طراحی آزمایشات به روش تاگوچی و روش تحلیل پوششی داده‌ها جهت بالا بردن کارایی الگوریتم ژنتیک برای حل مساله جریان کارگاهی جایگشتی دوباره واردشونده به‌کار گرفته می­شود. سناریوهای مختلفی جهت انتخاب اپراتورهای الگوریتم ژنتیک برای واحدهای تحت ارزیابی شکل می‌گیرند. در ابتدا با استفاده از روش تاگوچی برای هر واحد، پارامترهای بهینه با هدف کمینه‌سازی تابع هدف (حداکثر دیرکرد کارها) مشخص شده، سپس واحدهای کارا جهت تعیین بهترین عملگرهای الگوریتم با توجه به بهینه تابع هدف در کم‌ترین زمان ممکن، تعیین شده و رتبه‌بندی می‌گردند. این تحقیق می‌تواند به عنوان روشی برای تنظیم پارامترهای دیگر الگوریتم‌های تکاملی و فراابتکاری با هدف اجتناب از معایب مربوط به روش‌های آزمایش و خطا به‌کار گرفته شود.
کلیدواژه‌های فارسی مقاله زمان‌بندی، جریان کارگاهی جایگشتی دوباره واردشونده، پارامترها و عملگرهای الگوریتم ژنتیک، تحلیل پوششی داده‌ها، طراحی آزمایشات تاگوچی، مدل رتبه‌بندی اندرسن-پترسن.
عنوان انگلیسی Combined Method of the Taguchi Approach and DEA for Setting Parameters and Operators of Metaheuristic Algorithms - Genetic Algorithm to Solve the Reentrant Permutation Flow Shop Problem
چکیده انگلیسی مقاله The efficiency of metaheuristic algorithms has a direct relationship with their parameters setting, so that the incorrect selection of completely effective algorithmic parameters could make them inefficient. In this research, the combination of Taguchi approach and the Data Envelopment Analysis (DEA) method are applied to enhance the efficiency of the genetic algorithm to solve the Reentrant Permutation Flow Shop (RPFS) problem. Various scenarios are formed to select genetic algorithm's operators for units under evaluation. First, using the Taguchi method for each unit, the optimal parameters are specified with the goal of minimizing the objective function (maximum tardiness). Then the effective units are determined and ranked in order to specify the best operators of the algorithm according to the optimal objective function in the shortest possible time. This research can be used as a method for setting the parameters of other evolutionary and metaheuristic algorithms in order to avoid the disadvantages of the trial and error methods.
کلیدواژه‌های انگلیسی مقاله Scheduling, Reentrant Permutation Flow Shop, Setting Genetic Algorithm Parameters and Operators, Data Envelopment Analysis, Taguchi Experimental Design, Andersen-Petersen Ranking Model.
نویسندگان مقاله مائده فصیحی | M. Fasihi
Department of Industrial Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran
گروه مهندسی صنایع، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران

سید اسماعیل نجفی | S. E. Najafi
Department of Industrial Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran
گروه مهندسی صنایع، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران

رضا توکلی مقدم | R. Tavakkoli-Moghaddam
School of Industrial Engineering, College of Engineering, University of Tehran, Tehran, Iran
مهندسی صنایع، پردیس دانشکده های فنی، دانشگاه تهران، تهران

مصطفی حاجی آقائی کشتلی | M. Hahiaghaei-Keshteli
Department of Industrial Engineering, University of Science and Technology of Mazandaran, Behshahr, Iran
گروه مهندسی صنایع، دانشگاه علم و فناوری مازندران، بهشهر

نشانی اینترنتی http://jamlu.liau.ac.ir/browse.php?a_code=A-11-1438-1&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات