توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 بهینه سازی منبع با استفاده از شبیه‌سازی ترکیب یافته و الگوریتم ژنتیک دارای ۳۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد بهینه سازی منبع با استفاده از شبیه‌سازی ترکیب یافته و الگوریتم ژنتیک  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

این پروژه توسط مرکز بهینه سازی منبع با استفاده از شبیه‌سازی ترکیب یافته و الگوریتم ژنتیک۲ ارائه میگردد

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی بهینه سازی منبع با استفاده از شبیه‌سازی ترکیب یافته و الگوریتم ژنتیک،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن بهینه سازی منبع با استفاده از شبیه‌سازی ترکیب یافته و الگوریتم ژنتیک :

بهینه سازی منبع با استفاده از شبیه‌سازی ترکیب یافته و الگوریتم ژنتیک

خلاصه

این مقاله، توسط ترکیب کردن فلوچارت ( نمودار گردش کار) براساس ابراز شبیه سازی با یک روش بهینه سازی ژنتیک قدرتمند، یک روش را برای بهینه سازی منبع نشان می دهد.روش ارائه شده، کمترین هزینه،و بیشترین بازده را ارائه میدهد، وبالاترین نسبت سودمندی را در عملکردهای ساخت و تولید فراهم می آورد. به منظور یکپارچگی بیشتر بهینه سازی منبع در طرح ریزی های ساخت،مدلهای شبیه سازی بهینه یافته (GA) الگوریتم های ژنتیکی گوناگون،عموماً با نرم افزارهای مدیریت پروژه بکار رفته شده ادغام می شوند. بنابراین، این مدلها از طریق نرم افزار زمان بندی فعال می شوند و طرح را بهینه می سازند.نتیجه، یک ساختار کاری تقلیل یافته سلسله مراتبی در رابطه با مدلهای همانندی سازی بهینه یافته GA است. آزمایشات گوناگون بهینه سازی با یک سیستم در دو مورد مطالعه، توانایی آن را برای بهینه ساختن منابع در محدوده محدودیتهای واقعی مدلهای همانند سازی آشکار کرد. این الگو برای کاربرد بسیارآسان است و می تواند در پروژه های بزرگ بکار رود. براساس این تحقیق، همانندسازی کامپیوتر وا لگوریتمهای ژنتیک ،می توانند یک ترکیب موثر برای بهبود دادن بازده و صرفه جویی در زمان وساخت و هزینه ها باشند.

مقدمه

این امر کاملاً آشکار شده است که بازده کاری پایین ،عدم آموزش، و کاهش تعداد معاملات، چالشهای بحرانی هستند که صنعت ساختمان( ساخت) با آن روبرو خواهد شد.

بهره دهی یا قدرت تولید در رابطه با مطالعه ها، برای مثال،دلالت بر زمان بیکاری (بیهوده) کاربران در ساخت(تولید) دارد که این زمان از ۲۰ تا ۴۵% متغیر است. این اتلاف وقت ، که از طریق منابع ناکارآمد و طرح ریزیهای غیربسنده( نامناسب) ناشی می شود، تاثیر و پیامد فوق العاده ای در هزینه های ساخت دارد. همچنین، پیماناکاران که مهارتهای مدیریتی منابع کارآمد را ندارند، این رقابت کردن در بازارهای ساخت جهانی که آنها د ر آن فرصتها بسیاری را خواهند یافت، برای آنها کاری بس دشوار خواهد بود.

با ایجاد تجهیزات و نیروی کار برای امر ساخت و تولید، این امر آشکار است که تدبیرهای کاربرد نیروی کار متناوب و کاربرد بهتر از منابع کاری موجود، به منظور بهبود دادن،بهره دهی کاری و کاهش هزینه های ساخت، مورد نیاز است. استفاده کارآمد از منابع پروژه، هزینه های ساخت را برای مالکان و مصرف کنندگان کاهش می دهد، و در عین حال سودمندیهایی را برای پیمانکاران افزایش می دهد. با این وجود،برخی فاکتورها وجود دارند که ،مدیریت منبع را امر دشواری می سازند، این فاکتورها در مراحل زیر توضیح داده شده اند:

– سیاست جداسازی مدیریت منبع:در ادبیات، محققان گوناگون، تعدادی تکنیکها را برای پرداختن به جنبه های فردی مدیریت منبع، همانند تخصیص منبع، سطح بندی منبع، مدیریت نقدینگی، و تجزیه و هزینه و زمان معاملات (TCT) ، ارائه داده اند. مطالعات تالبوت و پترسون(۱۹۷۹) و گاولیش و پیرکون (۱۹۹۱)، برای مثال، به تخصیص منابع مربوط بود ، در حالیکه بررسیهای Easa (1989) و Shah et al (1993) به سطح بندی و تراز کردن منابع می پرداخت روشهای دیگر ، تنها روی تجزیه TCT متمرکز شدند. همانطوریکه این بررسیها سودمند واقع شدند، آنها به ویژگیهای مجزایی پرداختند که یکی پس از دیگری برای پروژه ها بکار برده می شدند ( نه بطور همزمان) . بوسیله پیچیدگی اساسی پروژه ها و مشکلاتی در رابطه با الگوبرداری تمام ویژگیهای ترکیب یافته، تلاش بسیار کمی برای بهینه سازی منابع ترکیب شده به عمل آمد.

مدلهای همانندسازی بهینه سازی شده الگوریتم های ژنتیک

این مدلهای همانندسازی نشان داده شده در قبل، قادرند که اجرای فرآیند را در هنگام تغذیه شدن مدلها با مجموعه منابع منطقی تجزیه نمایند. معمولاً یک روش آزمون وخطا برای آزمایش ترکیبات منبع گوناگون در تلاش برای بهبود راه حل، یا کیفیتهای خروجی مدلهای همانندسازی بکار برده می‌شود.با این وجود ، روش آزمون وخطا ، ممکن است یک راه حل منطقی را آشکار نماید، آن می تواند وقت گیر باشد و یک راه حل بهینه و ارائه تعداد وسیعی ترکیبات منبعی ممکن را تضمین ننماید. به این منظور الگوریتم ژنتیک (Gas) بطور موفقیت آمیزی بصورت یک مکانیزم تحقیقی قدرتمند برای راه حلهای تقریباً‌بهینه در مشکلات بسیار بزرگ بکار برده می‌شود.

روش الگوریتم های ژنتیک برای مدلهای همانند سازی

سودمندی کاربردی الگوریتم های ژنتیک، با مدلهای همانندسازی، بررسی تحقیق یک مجموعه منبعهای بهینه است، که هزینه و تولید را تحت محدودیتهای گوناگون در رابطه با تولید مطلوب،وضعیتهای کار،و محدودیتهای موجودیت منبع بهینه می سازد. با

الگوریتمهای ژنتیک وسیع بکار برده شده تقریباً در هر دامنه‌ای،برخی مرجعها در ساخت،اطلاعات زمینه ای مفصل وروشهای مرحله به مرحله را فراهم می نمایند.

روش Gas که بهینه سازی منابع درمدلهای همانندسازی مناسب است ، همانند دو مثال زیر،شامل پنج مرحله اصلی به شرح زیر می باشد:

– مرحله (۱) : تعریف یک راه حل

یک راه حل برای بهینه سازی مشکل، توسط مجموعه ای از روشها (مقدارهای منابع) در رابطه با متغیرهای مشکل(تعداد متغیرها = تعداد انواع منابع) نشان داده می‌شود.آرایش Gas که راه حلی را در یک رشته با نام کروموزوم تنظیم می کند، دارای تعدادی عناصر (ژن ها) است که تعداد متغیرها را نشان میدهد.(شکل۳)

– مرحله (۲) :تنظیم متغیرها ،تابع هدف ، ومحدودیت ها

– متغیرها: متغیرها، مقدار (ارزش) هر منبع بر کاربرد می باشند ( برای مثال، مقدار داخل هر ژن)، همانطورکه در ساختار کروموزوم شکل (۳)نشان داده شده است.