مقاله حل مساله زمان بندی کار کارگاهی چندهدفی انعطاف پذیر پویا به وسیله الگوریتم ژنتیک توسعه یافته

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

  مقاله حل مساله زمان بندی کار کارگاهی چندهدفی انعطاف پذیر پویا به وسیله الگوریتم ژنتیک توسعه یافته دارای ۱۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله حل مساله زمان بندی کار کارگاهی چندهدفی انعطاف پذیر پویا به وسیله الگوریتم ژنتیک توسعه یافته  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

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 مقاله حل مساله زمان بندی کار کارگاهی چندهدفی انعطاف پذیر پویا به وسیله الگوریتم ژنتیک توسعه یافته،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله حل مساله زمان بندی کار کارگاهی چندهدفی انعطاف پذیر پویا به وسیله الگوریتم ژنتیک توسعه یافته :

مقاله حل مساله زمان بندی کار کارگاهی چندهدفی انعطاف پذیر پویا به وسیله الگوریتم ژنتیک توسعه یافته که چکیده‌ی آن در زیر آورده شده است، در پاییز ۱۳۸۹ در نشریه بین المللی مهندسی صنایع و مدیریت تولید (فارسی)(نشریه بین المللی علوم مهندسی) از صفحه ۲ تا ۱۲ منتشر شده است.
نام: حل مساله زمان بندی کار کارگاهی چندهدفی انعطاف پذیر پویا به وسیله الگوریتم ژنتیک توسعه یافته
این مقاله دارای ۱۱ صفحه می‌باشد، که برای تهیه‌ی آن می‌توانید بر روی گزینه‌ی خرید مقاله کلیک کنید.
کلمات مرتبط / کلیدی:
مقاله زمان بندی چندهدفی
مقاله انعطاف پذیری
مقاله پویایی
مقاله الگوریتم ژنتیک
مقاله تنظیم دینامیک پارامترهای کنترلی

چکیده و خلاصه‌ای از مقاله:
تحقیق حاضر، علاوه بر پارامترهای پویایی و انعطاف پذیری، چندمعیاره بودن تابع هدف را نیز درنظر می گیرد. مسایل زمان بندی ماهیتا مسایل پویای بوده و لحاظ نمودن انواع انعطاف پذیری ها در این قبیل مسایل، منجر به رفع مشکلات گلوگاهی، افزایش تولید، بهبود عملکرد سیستم و ایجاد مزیت رقابتی می شود. از سویی دیگر برای دستیابی به اهداف سازگار با فلسفه تولید بموقع و اهداف مدیریتی زنجیره تامین، اهداف زمان بندی در این مساله حداکثر زمان تکمیل، متوسط زمان گردش کاری و متوسط دیرکرد قطعات در نظر گرفته شد. این اهداف بمنظور استفاده بهینه از منابع، کمینه کردن موجودی در گردش و تعهد بالا در مقابل مشتریان انتخاب شده و کنترل همزمان آنها منجر به بهبود عملکرد سیستم می شود. هدف از حل مساله، یافتن بهترین مجموع وزنی است. پس از مدل سازی مساله، الگوریتم ژنتیک پیشنهادی با کروموزوم های دوبعدی پویا، برای حل آن ارایه شد. پارامترهای کنترلی الگوریتم ژنتیک توسعه یافته، به طور دینامیک در طول اجرای الگوریتم و فرآیند بهینه سازی تغییر می کند که این عامل منجر به کاهش احتمال همگرایی زودرس می شود. نتایج حاصل و مقایسه آن با یک روش فرا ابتکاری، نشان دهنده بهبود بمیزان %۴۹۰، %۵۳۳ و %۴۶۰ در میانگین جواب های به دست آمده، به ترتیب برای سه سطح انعطاف پذیری جزیی، متوسط و کامل است.