زمانبندي دو هدفه جريان كارگاهي مختلط با تقريب پارتو در يك منطقه مشخص

Bi-Objective Hybrid Flow Shop Scheduling With Pareto Approximation in a Specified Region

اين تحقيق، مساله زمانبندي توليد در محيط جريان كارگاهي مختلط با زمان هاي آماده سازي وابسته به توالي و با هدف مينيمم كردن ماكزيمم زمان تكميل كارها و جمع زمان هاي تاخير را مورد بررسي قرار مي دهد. در گذشته مسائل دو هدفه با يافتن تقريب پارتو از كل فضاي مساله (بدون هيچ محدوديتي) حل شده است. محدوديت در اين تحقيق يافتن تقريب پارتو در يك منطقه مشخص شده است. به منظور حل مساله، الگوريتم ژنتيك چند هدفه مبتني بر رتبه بندي پارتو مورد استفاده قرار گرفته است. در ساختار الگوريتم، دو استراتژي انتخاب جواب براي آرشيو جهت توليد پارتو در يك منطقه مشخص پيشنهاد شده است. پس از توليد مسائل نمونه، الگوريتم ژنتيك با سه استراتژي (دو استراتژي پيشنهادي و استراتژي عمومي در ادبيات) اجرا شده است. استراتژي مناسب براساس جواب هاي موثر در آرشيو تعيين شده است. نتايج نشان دهنده اين واقعيت است كه استراتژي هاي پيشنهاد شده عملكرد بهتري نسبت به استراتژي در ادبيات نشان داده اند.

This paper studies the production scheduling problem in a hybrid flow shop environment with sequence-dependent setup times and the objectives of minimizing both the maximum completion time and the total tardiness. In the past, bi-objective problems were solved by finding Pareto approximation in the entire problem space (without any restrictions). The limitation in this study is to find Pareto approximation in a specified region. In order to solve the problem, multi-objective genetic algorithm based on Pareto ranking has been used. In the structure of the algorithm, two strategies have been proposed in order to select solutions for archiving and produce Pareto in a certain region. After generating sample problems, the genetic algorithm has been implemented with three strategies (two proposed and one general strategy in literature). The appropriate strategy is based on efficient solutions in the archives. The results reflect the fact that the proposed strategies have shown better performance than the literature strategy.