Önerilen algoritmaların başarısı, rassal türetilen test problemleri kullanılarak gösterilmiştir.
📌 3 Key Takeaways
🎯
Objective & Hypothesis:Bu çalışmada, sıra bağımlı hazırlık sürelerinin olduğu çok amaçlı permütasyon akış tipi çizelgeleme problemi ele alınmıştır.
📊
Key Findings & Data:Problemin amaçları, son işin tamamlanma zamanının, toplam gecikmenin ve toplam erken tamamlanma süresinin enküçüklenmesidir.
💡
Conclusion & Impact:Önerilen algoritmaların başarısı, rassal türetilen test problemleri kullanılarak gösterilmiştir.
🔬Design:Review & Systematic Survey
📍Scope:Comprehensive Sample
⚙️Variables:Çok amaçlı akış tipi çizelgeleme problemi · sıra bağımlı hazırlık süreleri · genetik algoritma
Özet
Bu çalışmada, sıra bağımlı hazırlık sürelerinin olduğu çok amaçlı permütasyon akış tipi çizelgeleme problemi ele alınmıştır. Problemin amaçları, son işin tamamlanma zamanının, toplam gecikmenin ve toplam erken tamamlanma süresinin enküçüklenmesidir. Ele alınan problemin çözümüne yönelik olarak bir genetik algoritma ve problemin çok amaçlı doğası dikkate alınarak bir NSGA-II algoritması önerilmiştir. Ayrıca, literatürde tek makine çizelgeleme problemleri için önerilmiş olan öncelik kurallarından bazıları uyarlanarak, ilk neslin başarısını arttırmakta kullanılmıştır. Önerilen algoritmaların başarısı, rassal türetilen test problemleri kullanılarak gösterilmiştir.
Behnamian, J., Fatemi Ghomi, S.M.T & Zandieh, M. (2009). A multi-phase covering Pareto-optimal front method to multi-objective scheduling in a realistic hybrid flowshop using a hybrid metaheuristic. Expert Systems with Applications, 36(8), 11057-11069. doi: 10.1016/j.eswa.2009.02.080 Ciavotta, M., Minella, G. & Ruiz, R. (2013). Multi-objective sequence dependent setup times permutation flowshop: A new algorithm and a comprehensive study. European Journal of Operational Research, 227(2), 301–313. doi: 10.1016/j.ejor.2012.12.031 Ciavotta, M., Ruiz, R. & Minella, G. (2009). New results for the multi-objective sequence dependent setup times flowshop problem. Multidisciplinary International Conference on Scheduling: Theory and Applications (MISTA 2009),
Dublin, Ireland, Dublin, Ireland, 10-12
August. Deb, K., Pratap, A., Agarwal, S. & Meyarivan, T. (2002). A Fast and Elitist Multiobjective Genetic Algorithm: NSGA-II. IEEE Transactions On Evolutionary Computation, 6(2), 182-197. doi: 10.1109/4235.996017 Deng J. & Wang L. (2017). A competitive memetic algorithm for multi-objective distributedDhingra, A. & Chandna, P. (2009). Hybrid genetic algorithm for multicriteria scheduling with sequence dependent setup time. International Journal of Engineering (IJE), 3(5), 510-520. Erişim adresi: https://www.cscjournals.org/manuscript/Journals/ IJE/Volume3/ Issue5/IJE-112.pdf Hatami, S., Ebrahimnejad, S., Tavakkoli-Moghaddam, R. & Maboudian, Y. (2010). Two meta-heuristics for three-stage assembly flowshop scheduling with sequence-dependent setup times. Int J Adv Manuf Technol, 50(9), 1153–1164. doi: 10.1007/s00170-010-2579-5 Huang R.H. & Yang C.L. (2009). Solving a multi-objective overlapping flowshop scheduling. Int J Adv Manuf Technol, 42(9), 955–962. doi: 10.1007/s00170-008-1652-9 Jiang E. & Wang L. (2019). An improved multi-objective evolutionary algorithm based on decomposition for energy-efficient permutation flow shop scheduling problem with sequence-dependent setup time. International Journal of Production Research, 57(6), 1756-1771. doi: 10.1080/00207543.2018.1504251 Kahraman, C., Engin, O. & Yilmaz, M.K. (2009). A New Artificial Immune System Algorithm for Multiobjective Fuzzy Flow Shop Problems. International Journal Of Computational Intelligence Systems, 3, 236-247. doi: 10.1080/18756891.2009.9727656 Karimi, N. & Davoudpour, H. (2014). A high performing metaheuristic for multi-objective flowshop scheduling problem. Computers & Operations Research, 52, 149–156.