دانلود ترجمه مقاله الگوریتم ژنتیک چند هدفی و کاربردهای آن در برنامه زمانبندی Flowshop
ترجمه در قالب فایل Word و قابل ویرایش میباشد
سال انتشار:1996
تعداد صفحه ترجمه:20
تعداد صفحه فایل انگلیسی:20
موضوع انگلیسی :MULTI-OBJECTIVE GENETIC ALGORITHM AND ITS
APPLICATIONS TO FLOWSHOP SCHEDULING
موضوع فارسی: دانلود ترجمه مقاله الگوریتم ژنتیک چند هدفی و کاربردهای آن در برنامه زمانبندی Flowshop
چکیده انگلیسی:Al~traet--ln this paper, we propose a multi-objective genetic algorithm and apply it to flowshop
scheduling. The characteristic features of our algorithm are its selection procedure and elite preserve
strategy. The selection procedure in our multi-objective genetic algorithm selects individuals for a
crossover operation based on a weighted sum of multiple objective functions with variable weights. The
elite preserve strategy in our algorithm uses multiple elite solutions instead of a single elite solution. That
is, a certain number of individuals are selected from a tentative set of Pareto optimal solutions and
inherited to the next generation as elite individuals. In order to show that our approach can handle
multi-objective optimization problems with concave Pareto fronts, we apply the proposed genetic
algorithm to a two-objective function optimization problem with a concave Pareto front. Last, the
performance of our multi-objective genetic algorithm is examined by applying it to the flowshop
scheduling problem with two objectives: to minimize the makespan and to minimize the total tardiness.
We also apply our algorithm to the flowshop scheduling problem with three objectives: to minimize the
makespan, to minimize the total tardiness, and to minimize the total flowtime. Copyright © 1996 Elsevier
Science Ltd
چکیده فارسی: در این مقاله الگوریتم ژنتیک چند هدفی ارائه می کنیم و آن را به برنامه زمانبندی flowshop اعمال می کنیم. ویژگی های مشخصه الگوریتم ما رویه انتخاب آن و استراتژی نگهداری نوابغ آن است. رویه انتخاب در الگوریتم ژنتیک چند هدفی ما افراد را برای عملیات متقاطع برگزیده بر مبنای مجموع وزن دهی شده توابع چند هدفی با وزن های مختلف انتخاب می کند. استراتژی حفظ نوابع در الگوریتم ما از راه حل های چندنخبه ای به جای انتخاب یک نخبه منفرد استفاده می کند. یعنی، تعداد مشخصی از افراد از مجموعه آزمایشی از راه حل های بهینه Pareto انتخاب شده اند و در نسل افراد نابغه بعدی جایگزین شده اند. برای نشان دادن اینکه مشی ما می تواند مسائل بهینه سازی چند هدفی را با نماهای Pareto کاو کنترل و اداره نماید، ما الگوریتم ژنتیکی پیشنهادی را به یک مسئله بهینه سازی تابع دو هدفی با نمای Pareto کو اعمال می کنیم. در نهایت، عملکرد الگوریتم ژنتیک چند هدفی ما با اعمال آن به مسئله برنامه زمانبندی Flowshop آزموده شده است: برای به حداقل رساندن زمان اتمام آخرین کار و به حداقل رساندن و به حداقل رساندن تأخیر مجموع. علاوه بر این ما الگوریتم خود را به مسأله برنامه زمانبندی flowshop با سه هدف اعمال می کنیم: به حداقل رساندن زمان اتمام آخرین کار، به حداقل رساندن دیرکرد مجموع، و به حداقل رسان زمان روند (گردش) مجموع.
