SavedAdd your journal

Journals / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2026 / Cilt: 22 Sayı: 4

BULANIK AKIŞ TİPİ ÇİZELGELEME PROBLEMİ İÇİN ÇOK AMAÇLI GENETİK ALGORİTMA

İzzettin Temiz
Serpil Erol
Pages
—
Publication Date
2013-02-15
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Algoritmanın orta ve büyükboyutlardaki problemler için makul zamanda etkin çözümleri ürettiği gösterilmiştir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Üretim planlama problemlerinin çoğu karar vericinin herhangi bir kararı vermeden önce birden fazla kriteridüşünmesini gerektirirken, çizelgeleme alanında yapılan çalışmaların pek çoğunda sadece bir kriter elealınmıştır.
📊
Key Findings & Data:Geliştirilen bulanık iş ve teslim zamanlı çokamaçlı genetik algoritma sonucunda amaç değerlerinin üyelik fonksiyonlarıyla ifade edildiği etkin çözümler eldeedilmektedir.
💡
Conclusion & Impact:Algoritmanın orta ve büyükboyutlardaki problemler için makul zamanda etkin çözümleri ürettiği gösterilmiştir.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Akış tipi çizelgeleme · bulanık küme · çok amaçlı eniyileme

Özet

Üretim planlama problemlerinin çoğu karar vericinin herhangi bir kararı vermeden önce birden fazla kriteridüşünmesini gerektirirken, çizelgeleme alanında yapılan çalışmaların pek çoğunda sadece bir kriter elealınmıştır. Bu makalede günümüz imalat sistemlerinde büyük öneme sahip m-makineli akış tipi çizelgelemeprobleminde işlem zamanları ve teslim tarihleri gibi zaman parametrelerinin belirsiz olduğu durum ele alınaraküretim tamamlanma zamanı, maksimum gecikme ve toplam akış zamanı amaçlarını eş zamanlı eniyileyengenetik algoritma temelli çok amaçlı bir yaklaşım geliştirilmiştir. Geliştirilen bulanık iş ve teslim zamanlı çokamaçlı genetik algoritma sonucunda amaç değerlerinin üyelik fonksiyonlarıyla ifade edildiği etkin çözümler eldeedilmektedir. Geliştirilen algoritmanın etkinliği küçük boyutlu problemler kullanılarak gösterilmiştir. Genetikalgoritmanın en iyi parametre değerleri faktöriyel deney tasarımı ile belirlenmiştir. Algoritmanın orta ve büyükboyutlardaki problemler için makul zamanda etkin çözümleri ürettiği gösterilmiştir.

🔖

Cite This Article

Temiz, İ., Erol, S. (2013). BULANIK AKIŞ TİPİ ÇİZELGELEME PROBLEMİ İÇİN ÇOK AMAÇLI GENETİK ALGORİTMA. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 22 Sayı: 4. https://ajindex.com/articles/1078942

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (120)

  1. Pinedo, M., Scheduling:Theory, algorithms, and
  2. systems, Prentice Hall, New Jersey, A.B.D., 2002.
  3. Lee, C.E. ve Chou, F.D., “A two-machine
  4. flowshop scheduling heuristic with bicriteria
  5. objective”, International Journal of Industrial
  6. Engineering,Cilt 5, No 2, 128-139, 1998.
  7. Nagar, A., Heragu, S. ve Haddock, J., “A
  8. combined branch and bound and genetic algorithm
  9. based approach for a flowshop scheduling
  10. problem”, Annals of Operations Research, Cilt, 397-414, 1996.
  11. Şerifoğlu, F.S. ve Ulusoy, G. “A bicriteria twomachine
  12. permutation flowshop problem”,
  13. European Journal of Operational Research,
  14. Cilt 107, No 2, 414-430, 1998.
  15. Yeh, W.C., “A new branch-and-bound approach
  16. for the n/2/flowshop/αF+βCmax flowshop
  17. scheduling problem”, Computers and
  18. Operations Research, Cilt 26, No13, 1293-1310,
  19. Neppalli, V.R., Chen, C.L. ve Gupta, J.N.D.,
  20. “Genetic algorihms for the two-stage bicriteria
  21. flowshop problem”, European Journal of
  22. Operational Research, Cilt 95, No 2, 356-373,
  23. Ishibuchi, H. ve Murata, T., “A Multi-objective
  24. genetic local search algorithm and its application to flowshop scheduling, IEEE Transaction on
  25. System, Man, and Cybernetics-Part C:
  26. Applications and Reviews, Cilt 28, No 3, 392-,1998.
  27. Rajendran C., “Two-stage flow shop scheduling
  28. problem with bicriteria”, Journal of the
  29. Operational Research Society, Cilt 43, No 9,
  30. 884, 1992.
  31. Gupta, J.N.D., Neppalli, V.R. ve Werner, F.,
  32. “Minimizing total flow time in a two-machine
  33. flowshop problem with minimum makespan”,
  34. International Journal of Production
  35. Economics, Cilt 69, No 3, 323-338, 2001.
  36. Sayın, S. ve Karabatı, S., “A bicriteria approach to
  37. the two-machine flow shop scheduling problem”,
  38. Cilt 113, No 2, 435-449, 1999.
  39. Murata, T., Ishibuchi, H., ve Tanaka, H., “Multiobjective
  40. genetic algorithm and its applications to
  41. flowshop scheduling”,Computers and Industrial
  42. Engineering, Cilt 30, No 4, 957-968, 1996.
  43. Daniels, R.L. ve Chambers R.J., “Multiobjective
  44. flow-shop scheduling”, Naval research Logistics,
  45. Cilt 37, 981-995, 1990.
  46. Chakravarthy, K. ve Rajendran, C., “A heuristic
  47. for scheduling in a flowshop with the bicriteria of
  48. makespan and maximum tardiness minimization”
  49. Production Planning and Control, Cilt 10, No 7,
  50. 714, 1999.
  51. Allahverdi, A., “A new heuristic for m-machine
  52. flowshop scheduling problem with bicriteria of
  53. makespan and maximum tardiness”, Computers
  54. and Operations Research, Cilt 31, No 2, 157-, 2004.
  55. Ishii, H., Tada, M. ve Masuda T., “Two
  56. scheduling problems with fuzzy due-dates”, Fuzzy
  57. Sets and Systems, Cilt 46, 339-347, 1992.
  58. Ishibuchi, H., Yamamoto, N., Murata, T. ve
  59. Tanaka, H., “Genetic algorithms and
  60. neighborhood search algorithms for fuzzy
  61. flowshop scheduling problems”, Fuzzy Sets and
  62. Systems, Cilt 67, 81-100, 1994.
  63. Murata, T., Gen, M. ve Ishibuchi, H., “Multi-
  64. Objective Scheduling with Fuzzy Due-Date”,
  65. Computers and Industrial Engineering, Cilt 35,
  66. 4, 439-442, 1998.
  67. McCahon, C. S. ve Lee, E. S., “Job sequencing
  68. with fuzzy processing times”, Computers and
  69. Mathematics with Applications, Cilt 19, No 7,
  70. 41, 1990.
  71. McCahon, C. S. ve Lee, E. S., “Fuzzy job
  72. sequencing for a flow shop”, European Journal
  73. of Operational Research, Cilt 62, No 3, 294-301,
  74. Hong, T. ve Chuang, T.N., “A new triangular
  75. fuzzy johnson algorithm”, Computers and
  76. Industrial Engineering, Cilt 36, 179-200, 1999.
  77. Hong, T.P. ve Chuang, T.N., “Fuzzy Palmer
  78. scheduling for flow shops with more than two
  79. machines”, Journal of Information Science and
  80. Engineering, Cilt 15, 397-406, 1999.
  81. Temiz, İ. ve Erol, S., “Fuzzy branch-and-bound
  82. algorithm for flow shop scheduling”, Intelligent
  83. Manufacturing Systems, Cilt 15, No 4, 449-454,
  84. Balasubramanian, J. ve Grossmann, I.E.,
  85. “Scheduling optimization under uncertainty-an
  86. alternative approach”, Computers and Chemical
  87. Engineering, Cilt 27, 469-490, 2003.
  88. Cheng, J., Kise, H. and Matsumoto, H., “A
  89. branch-and-bound algorithm with fuzzy inference
  90. for a permutation flowshop scheduling problem”,
  91. Cilt 96, No 3, 578-590, 1997.
  92. Akyol, D.E., “Application of neural network to
  93. heuristic scheduling algorithms”, Computers and
  94. Industrial Engineering, Cilt 46, No 4, 679-696,
  95. Petrovic, S. And Song, X., “A new approach to
  96. two-machine flow shop problem with uncertain
  97. processing times, Optimization and Engineering,
  98. Cilt 7, No 3, 329-342, 2006.
  99. Lai, Y.J. ve Hwang, C.L., Fuzzy Mathematical
  100. Programming, Springer-Verlag, Berlin, 1992.
  101. Lee, E. S. ve Li, R. J., “Comparison of fuzzy
  102. numbers based on probability measure of fuzzy
  103. events”, Computers and Mathematics with
  104. Applications, Cilt 15, No 10, 887-896, 1988.
  105. Tsai, Y.C. ve Chuang, T.N., “A new max operator
  106. on triangular fuzzy sets”, Journal of The Chinese
  107. Fuzzy Systems Association, Cilt 5, No 2, 71-78,
  108. Goldberg, D. E., Genetic Algorithms in Search,
  109. Optimization, and Machine Learning, Addison-
  110. Wesley, Reading, 1989.
  111. Gen, M. and Cheng, R.,Genetic Algorithms and
  112. Engineering Design, John Wiley & Sons, New
  113. York, 1997.
  114. Taillard, E., “Benchmarks for basic scheduling
  115. problems”, European Journal of Operational
  116. Research, Cilt 64, No 2, 278-285, 1993.
  117. Temiz, İ., Bulanık İş ve Teslim Zamanlı Akış
  118. Tipi Çizelgeleme Problemi için Çok Amaçlı
  119. Genetik Algoritma, Doktora Tezi, Gazi
  120. Üniversitesi, Fen Bilimleri Enstitüsü, 2004.