توسعه و حل يك مدل تعيين اندازه انباشته دو سطحي با چند روش توليد بوسيله الگوريتم بهينه سازي ميرايي ارتعاش

Developing and Solving two Level Lot Sizing Problem with Multi Production Methods using Vibration Damping Optimization Algorithm

مسيله تعيين اندازه انباشته شامل تعيين مقدار محصول و زمان بندي براي چندين قلم بر روي يك واحد تسهيل با بيش از يك تعداد متناهي از دوره به طوري كه تقاضا و ظرفيت محدود مي تواند با حداقل هزينه ارضا شود، مي باشد. در اين مقاله، يك مدل تعيين اندازه انباشته دو سطحي با چند روش توليد ارايه مي شود. هدف مدل ارايه شده مينيمم سازي هزينه مي باشد. از الگوريتم بهينه سازي ميرايي ارتعاش براي حل مدل استفاده مي شود. از آنجايي كه كيفيت حل همه الگوريتم هاي فرا ابتكاري به پارامترهاي آن ها وابسته است، براي تنظيم پارامتر الگوريتم ميرايي ارتعاش از روش تاگوچي استفاده شده است. سپس براي اثبات عملكرد مناسب روش حل ارايه شده، ابتدا مسايل آزمايشي با ابعاد مختلف توليد شده و سپس توسط نرم افزار لينگو و الگوريتم بهينه سازي ميرايي ارتعاش حل گرديد. در نهايت پاسخ لينگو و الگوريتم بهينه سازي ميرايي ارتعاش را با هم از نظر زمان حل مقايسه مي كنيم كه نتايج بدست آمده نشان مي دهد، جواب الگوريتم بهينه سازي ميرايي ارتعاش در مسايل با اندازه بزرگ كيفيت بهتري نسبت لينگو داشته است

The Capacitated Lot Sizing Problem (CLSP) consists of determining the production quantity and timing for several items on a single facility over a finite number of periods so that the demand and capacity constraints can be satisfied at a minimum cost. In this Article, developing two level lot sizing problem with multi production methods is provided. The objective of the proposed model is to minimize costs. Vibration Damping Optimization (VDO) is used to solve a model. Taguchi method has been utilized to calibrate the parameters of algorithms Since the quality of solving all of the meta-innovative algorithms depends on their parameters.Then, to demonstrate the proper function of the solution method is provided, at first, experimental issues with different dimensions were generated, then it was solved by Lingo software and Vibration Damping Optimization. Finally, we compare the Lingo response and the optimization algorithm to reduce the vibration damping Optimization algorithm together in terms of the solution time. The results show that the answer to the vibration damping Optimization algorithm has a better quality than Lingo in issues of large size.