Fasihi M, Najafi S E, Tavakkoli-Moghaddam R, Hahiaghaei-Keshteli M. Combined Method of the Taguchi Approach and DEA for Setting Parameters and Operators of Metaheuristic Algorithms - Genetic Algorithm to Solve the Reentrant Permutation Flow Shop Problem. jor 2021; 18 (2) :107-124
URL:
http://jamlu.liau.ac.ir/article-1-1625-fa.html
فصیحی مائده، نجفی سید اسماعیل، توکلی مقدم رضا، حاجی آقائی کشتلی مصطفی. روش ترکیبی تاگوچی و تحلیل پوششی دادهها برای تعیین پارامترها و عملگرهای الگوریتمهای فراابتکاری– الگوریتم ژنتیک برای حل مساله جریان کارگاهی جایگشتی دوباره واردشونده. تحقیق در عملیات در کاربردهای آن. 1400; 18 (2) :107-124
URL: http://jamlu.liau.ac.ir/article-1-1625-fa.html
گروه مهندسی صنایع، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران ، najafi1515@yahoo.com
چکیده: (2239 مشاهده)
کارایی الگوریتمهای فراابتکاری ارتباط مستقیمی با تنظیم پارامترهای آن دارد، به طوری که انتخاب نادرست پارامترهای الگوریتمی کاملاً کارا، باعث ناکارآمدی آن میگردد. در این تحقیق ترکیب روش طراحی آزمایشات به روش تاگوچی و روش تحلیل پوششی دادهها جهت بالا بردن کارایی الگوریتم ژنتیک برای حل مساله جریان کارگاهی جایگشتی دوباره واردشونده بهکار گرفته میشود. سناریوهای مختلفی جهت انتخاب اپراتورهای الگوریتم ژنتیک برای واحدهای تحت ارزیابی شکل میگیرند. در ابتدا با استفاده از روش تاگوچی برای هر واحد، پارامترهای بهینه با هدف کمینهسازی تابع هدف (حداکثر دیرکرد کارها) مشخص شده، سپس واحدهای کارا جهت تعیین بهترین عملگرهای الگوریتم با توجه به بهینه تابع هدف در کمترین زمان ممکن، تعیین شده و رتبهبندی میگردند. این تحقیق میتواند به عنوان روشی برای تنظیم پارامترهای دیگر الگوریتمهای تکاملی و فراابتکاری با هدف اجتناب از معایب مربوط به روشهای آزمایش و خطا بهکار گرفته شود.
نوع مطالعه:
پژوهشي |
موضوع مقاله:
تخصصي دریافت: 1398/9/18 | پذیرش: 1399/10/24