No category

پایان نامه با کلید واژگان الگوریتم ژنتیک، مزایا و معایب، دانشگاه تهران، روش شناسی پژوهش

دسامبر 1, 2018

مورچگان۲۱، شبیه سازی تبرید۲۲، جست و جوی ممنوع۲۳ و شبکه عصبی مصنوعی۲۴ توصیه می شود. مقایسه روش های فوق با الگوریتم ژنتیک و برشمردن مزایا و معایب آن ها نسبت به این روش در مسئله تحت بررسی، می تواند الگوی مناسبی را برای استفاده از روش های متاهیوریستیک در کاربردهای عملی در اختیار محققین قرار دهد.
۶۷ منابع و مراجع
۱. اشلقی، ع و مجریان، م،ارائه روش چیدمان بهینه ماشین آلات با استفاده از مدل ریاضی،مجله پژوهش های مدیریت،(۱۳۸۹)شماره ۸۷ ،۳۴-۸۱
۲. دباغی،آوملک، ا، ارزیابی و انتخاب طرح جانمایی تسهیلات با استفتاده از تئوری سیستم های خاکستری، (۱۳۹۰)هشتمین کنفرانس بین المللی مدیریت.
۳. محمدی،آو ابراهیم نژاد،س،تعیین جانمایی تسهیلات با استفاده از ترکیبTOPSIS_AHP فازی و تئوری گراف،(۱۳۹۰)هشتمین کنفرانسی بین المللی مهندسی صنایع
۴. مهدی پور،ع و عبدالهی مهر،ب، استقرار بهینه واحدهای اداری با استفاده از روش AHP، (۱۳۸۷) دومین کنفرانس ملی مهندسی صنایع
۵. مومنی،م و جعفر نژاد،ا.. جایابی بهینه مراکز توزیع در فرآیند بازاریابی با استفاده از روشهای ریاضی،مجلیه مدیریت صنعتی،(۱۳۹۰)، دوره ۳ شماره ۶ صص۱۴۸-۱۲۹
۶. اصغرپور،محمدجواد. ،تصمیم گیری های چندمعیاره،انتشارات دانشگاه تهران،چاپ نهم(۱۳۹۰)
۷. خاکی،غلامرضا. ،روش تحقیق با رویکردی به پایان نامه نویسی،تهران،نشر بازتاب(۱۳۸۳)
۸. دانایی فرد،حمیدوالوانی،سید مهدی..روش شناسی پژوهشی کمی در مدیریت:رویکردی جامع،تهران،نشر صفار۱۳۸۳
۹. سرمد،زهره وبازرگان،عباس..،روش های تحقیق در علوم رفتاری،تهران،انتشارات آگاه،چاپ نوزدهم۱۳۸۵.
۱۰. Barbosa-Povoa AP, Mateus R, Novais AQ Optimal two dimensional layout of industrial facilities. Int J Prod Res 39 (12), 2001,2567-2593
۱۱. BenjaafarS., “Modeling and analysis of congestion in the design of facility layout”,Manag SCI;48(5), 2002,679-704.
۱۲. Deb, S.K., and Bhattacharyya, B., “Facilities layout planning based on fuzzy multiple criteria decision-making methodology,” International Journal of Production Research, Vol. 41, 2003, 4487-4504
۱۳. Dweiri, F., and Meier, F.A., “Application of fuzzy decision-making in facilities layout planning,” International Journal of Production Research, Vol. 34, 1996,3207-3225
۱۴. F.Dweiri , F.A.Meier, “Application of fuzzy decision making in facilities layout planning “, production research ,No .34, 1996,3207-3225,.
۱۵. Foulds LR Graph theory and applications. Springer, Berlin Heidelberg New York,1991.
۱۶. Garcia -Diaz A., Smith J.M., Facilities planning and design ,prentice Hall ,2008
۱۷. Grobelny, J., “Lingustic pattern method for a work station layout analysis,” International Journal of Production Research, Vol. 26, 1988,1779-1798.
۱۸. Grobelny, J., “On one possible fuzzy approach to facility layout problems,” International Journal of Production Research, Vol. 25, 1987,1123-1141.
۱۹. Grobelny, J., “The fuzzy approach to facility layout problems”, Fuzzy Sets and Systems, 23, 1987, 175-190
۲۰. Hassan MMD, Hogg GL A review of graph theory applications to the facilities layout problem. Omega 15,1987,291-300
۲۱. Heragu S, Kusiak A Efficient models for the facility layout problems. Eur J Oper Res 53,1991, 1-13
۲۲. Karray, F., Hegazy, T., shabeeb, A., and Elbeltagi, E., “Tools of soft computing as applied to the facilities layout planning,” IEEE Transaction On Fuzzy Systems, Vol. 8,2000, 367-379.
۲۳. Kim JY, Kim YD A branch-and-bound algorithm for locating input and output points of departments on the block layout. J Oper Res Soc 50,1999, 517-525
۲۴. Koopmans TC, Beckman M, Assignment problems and the location of economic activities. Econometrica 25, 1957, 53-76
۲۵. Lacksonen TA , Pre-processing for static and dynamic facility layout problems. Int J Prod Res 35, 1997,1095-1106
۲۶. Laursen PS Simulated annealing for the QAP-optimal trade off between simulation time and solution quality. Eur J Oper Res 69, 1993,238-243
۲۷. Meller RD, Gau KY The facility layout problem: recent and emerging trends and perspectives. J Manuf Syst 15, 1996, 351-366
۲۸. Montreuil B , A modeling framework for integrating layout design and flow network design. In: Proceedings of the material handling research colloquium, Hebron, KY, 1990, 43-58
۲۹. Raoot, A. D., and Rakshit, A., “A fuzzy approach to facilities layout planning,” International Journal of Production Research, Vol. 29, 1991, 835-857.
۳۰. Raoot, A. D., and Rakshit, A., “A fuzzy heuristic for quadratic assignment formulation to the facility layout problems,” International Journal of Production Research, Vol. 32, 1994, 563-581.
۳۱. Sarker BR, Wilhelm WE, Hogg GL, One-dimensional machine layout problems in a multi-product flow line with equidistant layouts. Eur J Oper Res 105(3), 1998, 401-426
۳۲. Sarker BR, Yu J () A two-phase procedure for duplicating bottle neck machines in linear layout, cellular manufacturing system. Int J Prod Res 32(9),1994, 2049-2066
۳۳. Singh SP,Sharma RRK .,” A review of different approaches to the facility layout problem “,int j advManufTechnol 2006 ;30:425-33
۳۴. Tompkins J.A., et al ., Facilities planning ,3rded ., New Jersey :Wiley ;2003 .
۳۵. Watson KK, Giffin JW , The vertex splitting algorithm for facilities layout. Int J Prod Res 35, 1997, 2477-2492
۳۶. Wilhelm, M., Karwowski, W., and Evans, G., “A fuzzy set approach to layout analysis,” International Journal of Production Research, Vol. 25, 1987, 1431-1450.
۶۸
پیوست ها
۶۹
۷۰
پیوست اول شرح الگوریتم اول برای مسئله QAP
دستورات با دستور tic tac شروع می شود. این دستور زمان کل اجرای الگوریتم را محاسبه می کند. عبارت tic در ابتدای الگوریتم و عبارت tac در انتهای الگوریتم قرار می گیرد (خط ۱ و ۱۱۶).
۱. tic
در خط ۲ و ۳ ماتریس های فاصله بین مکان ها و جریان بین تسهیلات به عنوان ورودی های مسئله وارد می شود.
۲. d=[ ]
۳. w=[ ]
در خط ۴ جوابهای اولیه مسئله داده می شود. با فرض یک مسئله با ۲۰ تسهیل چهار جواب اولیه در ماتریس a به عنوان نمونه آورده شده است. (a ماتریسی ۴*۲۰ می باشد).
a=[];
۴. psize=24;
۵. exist=5;
۶. run=1000;
۷. point=12;
۸. change=7;
۹. numchrom=10;
در خطوط ۵ تا ۱۰ پارامتر های الگوریتم مشخص می شوند که به صورت زیر می باشد.
متغیر psize: همان ابعاد مسئله می باشد که در اینجا ۲۴ می باشد.
متغیر exist: تعداد استقرارهای اولیه ایست که ما به الگوریتم برای شروع می دهیم که در اینجا تعداد استقرارهای اولیه داده شده ۵ عدد می باشد. توجه داشته باشید که تعداد استقرار های ماتریس اولیه متناسب با جواب های داده شده در متغیر a است.
متغیر run: مشخص می کند که الگوریتم چه تعداد استقرار تولید نماید. که در اینجا عدد ۱۰۰۰ وارد شده است. به عبارت دیگر این متغیر تعداد دفعات تکرار الگوریتم را نشان می دهد.
متغیر point: این متغیر جزء پارامترهای کنترلی الگوریتم ژنتیک است و مشخص کننده طول تعداد ژن هایی است که از کروموزوم اول برداشته می شود و به کروموزوم دوم اتصال می یابد تا یک فرزرند (استقرار) جدید تولید نماید. به عبارت دیگر محل برش برای عمل تقاطع توسط این متغیر تعیین می شود. در اینجا عدد ۱۲ برای این متغیر وارد شده است یعنی برای تولید فرزند جدید ناشی از عملگر تقاطع (crossover) 12 ژن از کروموزوم اول و ژن نیز از کروموزوم دوم برداشته می شود. دستور این فرآیند در خط ۴۷ آمده است.
متغیر change: این متغیر نیز از متغیر های کنترلی الگوریتم ژنتیک است و مربوط به عملگر جهش (mutation) می باشد که مشخص می کند چه تعداد از ژن های یک کروموزوم یا والد دچار تغییر (جهش) شوند تا فرزند (استقرار) جدید حاصل شود. در اینجا عدد ۷ وارد شده است به این معنی که از ۲۴ ژن هر کروموزوم (استقرار) ۵ ژن دچار تغییر می شوند که در این الگوریتم انتخاب این ۷ ژن به صورت تصادفی برنامه نویسی شده است. این عمل در خطوط ۷۴ تا ۸۴ صورت می گیرد که در ادامه به تفصیل توضیح داده می شود.
نکته مهمی که لازم است در اینجا توضیح داده شود آن است که در این الگوریتم برای تولید فرزند جدید از دو عملگر تقاطع و جهش استفاده شده است. ابتدا از میان تعداد کروموزوم هایی که در طول الگوریتم تولید می شوند ۲ عدد به عنوان کروموزوم والد انتخاب می شود (چگونگی انتخاب این دو در ادامه توضیح داده می شود) و سپس در هر تکرار الگوریتم دو فرزند از همین دو کروموزوم تولید می شوند (یکی با عملگر تقاطع و دیگری با عملگر جهش).
توجه داشته باشید که برای تولید فرزند از طریق عملگر جهش از همان دو کروموزوم استفاده شده برای عملگر تقاطع استفاده می شود. یعنی مجددا دست به انتخاب کروموزوم نمی زنیم (از آن ۲ کروموزوم نیز یکی به تصادف انتخاب می‌شود زیر ا برای عملگر جهش به یک کروموزوم نیاز داریم).
در صورتی که تمایل داشته باشید برای انجام عملگر جهش دو کروموزوم متفاوت از کروموزوم های عملگر تقاطع استفاده کنید این امر به سادگی امکان پذیر است. می توانید همان دستوراتی که منجر به انتخاب کروموزوم برای عملگر تقاطع شده است را مجددا قبل از عملگر جهش کپی نمایید تا برنامه مجددا دست به انتخاب کروموزوم جدید برای عملگر جهش بزند. برای این منظور کافی است دستورات خطوط ۴۰ تا ۴۵ را قبل از خط ۷۲ کپی نمایید.
متغیر numchrom : این متغیر تعداد کروموزومی که در هر مرحله از اجرای الگوریتم باید ازمیان بهترین کروموزوم ها انتخاب شود را تعیین می کند. در اینجا عدد ۱۰ وارد شده است یعنی ۱۰ عدد از بهترین کروموزوم ها (دارای کمترین tc) انتخاب می شود. البته علاوه بر این ۱۰ کروموزوم، ۲ کروموزوم نیز از بدترین کروموزوم ها انتخاب شده (ویژگی خرق عادت) و به این ۱۰ کروموزوم اضافه می شود و سپس از میان این ۱۲ کروموزوم دست به انتخاب ۲ کروموزوم لازم

No Comments

Leave a Reply