Deney sonuçları, algoritmamızın hem çözüm süresi hem karar vericiye sunulan çizelge sayısı açısından iyi bir yaklaşım olduğunu göstermektedir.
📌 3 Key Takeaways
🎯
Objective & Hypothesis:Bu çalışmada, maksimum ağırlıklı geç bitirme ve ağırlıklı toplam akış zamanının en küçüklendiği iki kriterli tek makinalı çizelgeleme problemi için bir yaklaşım önerilmiştir.
📊
Key Findings & Data:Geliştirilen yaklaşım, farklı büyüklükteki ve farklı özelliklerdeki problemler üzerinde farklı kalite seviyelerinde uygulanmıştır.
💡
Conclusion & Impact:Deney sonuçları, algoritmamızın hem çözüm süresi hem karar vericiye sunulan çizelge sayısı açısından iyi bir yaklaşım olduğunu göstermektedir.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:iki kriterli tek makinalı çizelgeleme · maksimum ağırlıklı geç bitirme · ağırlıklı toplam akış zamanı
Özet
Bu çalışmada, maksimum ağırlıklı geç bitirme ve ağırlıklı toplam akış zamanının en küçüklendiği iki kriterli tek makinalı çizelgeleme problemi için bir yaklaşım önerilmiştir. Tüm baskın noktaları üretebilen bu algoritma; aynı zamanda karar vericinin belirlediği bir kalite seviyesine göre baskın nokta kümesini temsil edebilen bir altküme bulmayı da garantilemektedir. Geliştirilen yaklaşım, farklı büyüklükteki ve farklı özelliklerdeki problemler üzerinde farklı kalite seviyelerinde uygulanmıştır. Deney sonuçları, algoritmamızın hem çözüm süresi hem karar vericiye sunulan çizelge sayısı açısından iyi bir yaklaşım olduğunu göstermektedir.
LOKMAN, B. (2020). İki kriterli tek makinalı çizelgeleme problemi için bir yaklaşım. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 35 - Sayı: 4, 2075–2088. https://ajindex.com/articles/19731
Ehrgott, M. ve Gandibleux, X., A survey and annotated bibliography of multiobjective combinatorial optimization, OR Spektrum, 22, 425-460, 2000
Dileepan, P. and Sen, T., Bicriterion static scheduling research for a single machine, Omega, 16 (1), 53-59, 1988
Fry, T.D., Armstrong, R.D. ve Lewis, H., A framework for single machine multiple objective sequencing research, Omega, 17(6), 595-607, 1989
Nagar, A., Haddock, J. ve Heragu, S., Multiple and bicriteria scheduling: A literature survey, European journal of operational research, 81 (1), 88-104, 1995
Eren, T., ve Güner, E., Tek ve Paralel Makinalı Problemlerde Çok Ölçütlü Çizelgeleme problemleri için bir Literatür taraması, Gazi Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi, 17 (4), 37-69, 2002
Hoogeveen, H., Multicriteria scheduling, European Journal of Operational Research, 167(3), 592-623, 2005
T’kindt V ve Billaut J-C, Multicriteria scheduling: theory, models and algorithms. Springer, Berlin, 2002
Van Wassenhove, L. N., ve Gelders, F., Solving A Bicriterion Scheduling Problem, European Journal of Operational Research, 4 (1), 42-48, 1980
Smith, W. E., Varios Optimizers for Single-Stage Production, Naval Research Logistics Quarterly, 3, 59-66, 1956
Köksalan, M. ve Keha, A.B., Using genetic algorithms for single-machine bicriteria scheduling problems. European Journal of Operational Research, 145 (3), 543-556, 2003
Huo, Y., Leung, J.Y.T. ve Zhao, H., Bi-criteria scheduling problems: Number of tardy jobs and maximum weighted tardiness. European Journal of Operational Research, 177 (1), 116-134, 2007
He, C., Lin, H. ve Wang, X., Single machine bicriteria scheduling with equal-length jobs to minimize total weighted completion time and maximum cost. 4OR, 12(1), 87-93, 2014
Shabtay, D. ve Kaspi, M., Minimizing the total weighted flow time in a single machine with controllable processing times. Computers & Operations Research, 31(13), 2279-2289, 2004
Sayın, S., Measuring the quality of discrete representations of efficient sets in multiple objective mathematical programming, Mathematical Programming, Ser. A 87, 543-560, 2000
Wu, J. ve Azarm, S., Metrics for Quality Assessment of a Multiobjective Design Optimization Solution Set,” Journal of Mechanical Design, Transactions of the ASME, 123 (1), 18-25, 2001
Zitzler, E., Thiele, L., Laumanns, M., Fonseca, C. M., ve Grunert da Fonseca, V. Performance Assessment of Multiobjective Optimizers: