پیوند ها
نظرسنجی سایت
آمار بازدید سایت
روشهاي حل مسئله راميتوان به دو دسته کلي روشهاي بهينهسازي و روشهاي تقريبي تقسيم کرد. روشهاي بهينهسازي[1] منجر به پيدا کردن جواب بهينه مسئله ميشوند اما در مقابل در روشهاي تقريبي[2] جواب بدست آمده جوابي بهينه يا نزديک به بهينه ميباشد.
در روشهاي بهينهسازي يا دقيق زمان مورد نياز براي حل با افزايش خطي ابعاد مسئله بهصورت نمايي يا بهصورت چند جملهاي با درجات خيلي بالا افزايش پيدا ميکند. اين افزايش زمان حل براي مسئله FJSP از شدت بيشتري برخوردار ميباشد. از جمله روشهاي بهينهسازي ميتوان به موارد زير اشاره نمود:
روشهاي تقريبي براي مسائل با ابعاد بزرگ مناسب هستند. اگرچه اين روشها رسيدن به جواب بهينه را تضمين نميکنند، اما قادر به پيدا کردن جواب نزديک به بهينه در يک زمان محاسباتي متوسط را دارا ميباشند. از جمله روشهاي تقريبي ميتوان به موارد زير اشاره نمود:
- قوانين ارسال[10] - روش ابتکاري انتقال ايستگاه گلوگاه[11](SBH) - هوش مصنوعي[12](AI) - روشهاي جستجوي محلي و فراابتکاري[13] |
قوانين ارسال به علت بهکارگيري آسان و زمان محاسباتي کم يکي از روشهاي رايج براي حل سريع مسائل زمانبندي هستند. در اين روش از بين عملهاي باقي مانده براي زمانبندي بر روي يک ماشين عملي انتخاب ميشود که داراي بالاترين اولويت نسبت به بقيه است.
روش SBH اولين بار توسط آدامز و همکاران در سال 1988 براي مسئله JSP توسعه داده شد که يکي از رويکردهاي ابتکاري موفق در مسئله JSP است. اين روش مسئله را به چندين زير مسئله تک ماشينه تجزيه ميکند و زمانبندي نهايي را با ثابت نگهداشتن تک تک ماشينها بدست ميآورد. در اين روش در هر تکرار يک ماشين گلوگاه (بحراني) از بين ماشينهايي که هنوز زمانبندي نشدهاند انتخاب شده و سپس زمانبندي اين ماشين با ثابت نگهداشتن کمانهاي فصلي[14] در گراف فصلي[15]انجام ميشود.
هوش مصنوعي شاخهاي از علوم كامپيوتر است. هوش مصنوعي كامپيوترها را قادر ميسازد تا قابليت هوشمندانه انسانها نظير ادراك، يادگيري، حل مسائل هوشمند، استدلال و... را داشته باشند. از روشهاي هوش مصنوعي که براي حل مسئله بکار ميروند ميتوان به شبکههاي عصبي[17]، سيستمهاي خبره[18] و ارضاي محدوديت[19] اشاره نمود.
[1] optimization methods
[2] approximation methods
[3] efficient algorithms
[4] mathematical formulations
[5]Mixed IntegerLinear Programming (MILP)
[6]Mixed Integer Non-Linear Programming (MINLP)
[7] branch and bound techniques
[8]branch
[9]bound
[10] dispatching rules
[11] Shifting Bottleneck Heuristic(SBH)
[12] Artificial Intelligence (AI)
[13] local search methods and meta-heuristics
[14]conjuctive graph
[15]Disjunctive graph
[16]critical machine
[17]neural network
[18]expert system
[19]constraint satisfaction
روشهاي جستجوي محلي و فرا ابتکاري
از جمله روشهاي جستجوي محلي و فرا ابتکاري براي حل مسئله ميتوان به موارد زير اشاره کرد:
-جستجوي محلي[1](LS) -جستجوي شعاعي[2](BS) -جستجوي تصادفي حريصانه[3] -جستجوي همسايگي متغير[4](VNS) -جستجوي ممنوعه[5](TS) |
-شبيه سازي تبريد[6](SA) -الگوريتم ژنتيک[7](GA) -بهينهسازي انبوه ذرات[8](PSO) -الگوريتم مورچگان[9](ACO) -و ... |
[1] Local Search (LS)
[2] Beam Search(BS)
[3] greedy random search
[4] Variable Neighborhood Search(VNS)
[5] Tabu Search(TS)
[6] Simulated Annealing(SA)
[7] Genetic Algorithm(GA)
[8]Particle Swarm Optimization(PSO)
[9] Ant Colony Optimization(ACO)
برچسب های مهم
ممنون از اطلاعات مفیدتون