دانلود کد آماده متلب الگوریتم های فرا ابتکاریNRGA وNSGAIIو حل مدل زمانبندی چندهدفه ماشینهای موازی نامرتبط

دانلود کد آماده متلب الگوریتم های فرا ابتکاریNRGA وNSGAIIو حل مدل زمانبندی چندهدفه ماشینهای موازی نامرتبط

 

کد آماده متلب الگوریتم های فرا ابتکاری  NRGA  و  NSGAII برای حل  مدل زمانبندی چندهدفه در کلاس ماشینهای موازی نامرتبط در محیط تولید بهنگام

فایل دانلودی شامل تمامی کدهای نوشته شده در نرم افزار متلب برای حل  مدل زمانبندی چندهدفه در کلاس ماشینهای موازی نامرتبط در محیط تولید بهنگام به دو  روش الگوریتم فرا ابتکاری  NRGA  و  NSGAII میباشد و آماده اجرا در نرم افزار متلب میباشد. همچنین فایل word مدل مورد نظر برای مدل زمانبندی چندهدفه در کلاس ماشینهای موازی نامرتبط در محیط تولید بهنگام نیز به صورت کامل همراه با مفروضات و اندیس ها و پارامتر های مدل و همچنین توضیحات کامل الگوریتم های پیشنهادی و نحوه عملکرد آنها نیز توضیح داده شده است

به قسمت کوتاهی از شرح مدل بکار رفته توجه فرمایید

توضیحات مدل حل شده در این فایل

در این تحقیق، مسأله‌ی زمانبندی ماشین‌های موازی نامرتبط مورد بررسی قرار می‌گیرد. يک مجموعه از  کار متمايز برروي مجموعه ­اي از m ماشين، ، که بصورت موازي کنار هم قرار گرفتند پردازش مي­شوند بطوريکه هر کار تنها بر روي يک ماشين پردازش مي­شود و هر ماشين در هر لحظه قادر به پردازش تنها يک کار مي­باشد. زمان پردازش هر کار ممکن است روی ماشین‌های مختلف، متفاوت باشد. در واقع زمان پردازش کارها بر روي ماشين­ها نه تنها به نوع کار بلکه به نوع ماشين هم بستگي دارد و بين زمان­هاي پردازش کارها بر روي ماشين­هاي مختلف رابطه مشخصي وجود ندارد. زمان تنظیم وابسته به توالی کارها، بین کارها وجود دارد. هر کار متمایز از سایر کارها، زمان دسترسی و ضرایب هزینه‌ی مربوط به خود را دارد. هدف، زمانبندی این کارها روی m ماشین است به‌طوری‌که هزینه‌های مربوط به زودکرد و دیرکرد از یک طرف و مجموع زمان تکمیل کارها از طرف دیگر حداقل گردند(دو هدفه)

توضیحات مدل و الگوریتم های به کار رفته 

الگوریتم‌های ژنتیک II به دلیل پتانسیل بالای آن‌ها به عنوان یک رویکرد جدید به مسایل بهینه‌سازی چندهدفه که تحت عنوان روش‌های تکاملی یا بهینه‌سازی چندهدفه ژنتیک شناخته می‌شود، توجه خاصی شده است. ویژگی‌های ذاتی الگوریتم‌های ژنتیک بیانگر دلایل مناسب بودن جستجوی ژنتیک در مسایل بهینه‌سازی چندهدفه هستند. ویژگی‌های اصلی الگوریتم ژنتیک چند جهته بودن و جستجوی سراسری  با حفظ جمعیتی از حل‌های خوب از نسلی به نسل دیگر است. رویکرد نسل به نسل در زمان بررسی حل‌های پارتو مفید است.

الگوریتم ژنتیک رتبه‌بندی غیرمغلوب (NRGA)      

در سال ۲۰۰۸ یک الگوریتم تکاملی چند هدفه با نام الگوریتم ژنتیک مبتنی بر رتبه ­بندی نامغلوب­ها  (NRGA)  به طور موفقیت آمیزی توسط عمرالجدان و همکارانش برای بهینه­ سازی توابع غیر­محدب، غیر خطی و گسسته توسعه داده شد. آنها الگوریتم ­های چند هدفه­ای را که براساس مرتب کردن غیر مغلوب­ها کار می­کردند مورد بررسی قرار دادند. براساس مسائل موجود در رویکردهای قبلی، آنها رویکرد جدیدی را با ترکیب الگوریتم انتخاب چرخه رولت مبتنی بر رتبه ­بندی و الگوریتم رتبه­ بندی جمعیت براساس پارتو توسعه دادند. که الگوریتم ژنتیک رتبه ­بندی نا­مغلوب (NRGA) نامگذاری شد. در این ترکیب یک رتبه­بندی دو لایه­ای براساس انتخاب عملگر انتخاب چرخه رولت ارائه می­شود. که نسل جدید والد براساس انتخاب بهترین جواب­ها (باتوجه به برازش و گستردگی) به طور تصادفی انتخاب می­کند. این الگوریتم در اکثر موارد قادر به دستیابی به گستردگی بهتری از جواب­ها در مرز پارتو و همچنین همگرایی زودتر به مرز بهینه پارتو، در مقایسه با سایر الگوریتم­های تکاملی چند هدفه ­می­باشد

 

مفروضات مسأله

در مسئله ارائه شده در اين تحقيق فرض­هاي زير در نظر گرفته مي­شوند:

  • ماشین­ها نامرتبط با سرعت های متفاوت می­باشند و به صورت موازی قرار گرفته­اند.
  • هر کار شامل یک عملیات بر روی ماشین می‌باشد.
  • کارها دارای زمان دسترسی متفاوت هستند به عبارتی ممکن است همه‌ی کارها در لحظه‌ی صفر در دسترس نباشند.
  • شکست یا وقفه در کارها مجاز نیست بدین معنی که اگر پردازش یک کار روی یک ماشین آغاز شد، پردازش آن بدون وقفه تا اتمام کار ادامه می یابد.
  • از کار افتادگی و شکست برای ماشین‌آلات مجاز نیست، به عبارتیتمامي ماشين­ها به طور مستمر دسترس هستند و امکان خرابي ماشين وجود ندارد.
  • در هر لحظه یک کار بر روی ماشین پردازش می‌شود (ماشین‌ها نمی‌توانند دو کار را به طور همزمان انجام دهند).
  • کارها دارای زمان آماده سازی وابسته به توالی هستند.
  • تمام پارامترهای مساله اعم اززمان­هاي پردازش، نصب ماشين، موعد تحويل و ضرايب هزينه زودکرد و ديرکرد زماني مشخص و قطعی هستند.(هیچ پارامتر تصادفی وجود ندارد)
  • بیکاری ماشین­ها مجاز می­باشد.

کار مجازي نوع صفر مفروض است. اين کار همواره در اولين موقعيت روي تمامي ماشين­ها پردازش مي­شود. زمان پردازش اين کار صفر منظور مي­شود و شروع پردازش آن نيازي به انجام عمليات نصب ماشين ندارد.

  • تابع هدف در سطر (3-1) مجموع هزینه­های زودکرد و دیرکرد را حداقل می­کند. در اين فرمول مقادير متغيرهاي تصميم­گيري و  براي کار نوع  به ترتيب از روابط زیر بدست مي­آيند:
  • تابع هدف در سطر (3-2) مجموع زمان‌های تکمیل را حداقل می‌نماید.
  • محدودیت (3-3) موجب می­شود تا هر کار فقط روی یک ماشین انجام گیرد.
  • محدودیت (3-4) اطمینان می­دهد هر کار بعد از یک کار دیگر انجام گیرد، اولین کار بعد از کار فرضی صفر است.
  • محدودیت (3-5) نشان می­دهد که بعد از هر کار حداکثر یک کار وجود دارد.
  • محدودیت(3-6) نشان می‌دهد که یک ماشین در صورتی می‌تواند کاری را انجام دهد که توانایی انجام آن کار را داشته باشد. همانطور که در بخش پارامترهاي ورودي مدل بيان شد، اگر امکان پردازش کار نوع بر روي ماشين نوع  وجود داشته باشد، پارامتر  مقدار يک و در غير اين صورت مقدار صفر را مي­گيرد. امکان پردازش کار نوع  بر روي ماشين نوع  با توجه به مجموعه پردازشي کار نوع يعني  مشخص مي­شود.  زير­مجموعه­اي از مجموعه ماشين­هامی­باشد که  شامل ماشين­هايي مي­باشد که مي­توانند کار نوع  را پردازش کنند. به اين ترتيب اين محدوديت مدل را مقيد مي­سازد که براي تخصيص ماشين نوع  به کار نوع  و به تبع آن تخصيص مقدار يک به متغير تصميم­گيري ، مقدار  را که جزء پارامتر­هاي ورودي مدل مي­باشد را نيز بررسي نمايد و در صورتي اين تخصيص صورت مي پذيرد که که مقدار  نيز همانند يک باشد.
  • محدودیت (3-7) نشان می‌دهد که دو کار در صورتی می‌توانند پشت هم انجام گیرند که روی یک ماشین انجام شوند.
  • محدودیت‌های (3-8) تا (3-9) زمان شروع کارها را مشخص می­کنند.
  • محدودیت (3-10) زمان تکمیل کارها را مشخص می‌نماید.
  • محدودیت (3-11) زمان زودکرد و دیرکرد کارها را محاسبه می­نماید. در واقع اين محدوديت بيانگر رابطه بين زمان­هاي تکميل، زمان­هاي زودکرد، زمان­هاي ديرکرد و موعد تحويل کارها مي­باشد و ارتباط تنگاتنگي با مقدار تابع هدف دارد. يکي از فرض هاي موجود در بخش مفروضات مدل مجاز بودن بيکاري ماشين­هاست. طبق اين فرض و با در نظر گرفتن محدوديت ارائه شده در اين قسمت، زماني که پردازش يک کار بر روي يک ماشين به اتمام مي­رسد مي­توان ماشين را بيکار نگه داشت و از پردازش کارهاي بعدي بر روي آن جلوگيري نمود مشروط بر اينکه بهبودي در مقدار تابع هدف حاصل شود. بيکار نگه داشتن يک ماشين موجب مي­شود که زمان تکميل کاري که پردازش آن قبل از آغاز زمان بيکاري به اتمام رسيده به اندازه زمان بيکاري افزايش يابد. در نتيجه زمان زودکرد يا ديرکرد آن کار و کارهاي بعدي و به تبع آن مقدار تابع دستخوش تغيير مي­شود. بدين ترتيب بيکاري اختياری ماشين­ها مي­تواند موجب بهبود تابع هدف مدل شود.
  • محدودیت (3-12) بیان کننده‌ی باینری بودن متغیرهای تصمیم است.
این کد ها و مدل آماده استفاده در مقالات و پایانامه به کار گرفته شود و پاسخ های ایجاد شده و بهبود ایجاد شده در مدل رادر مقاله خود بیاورید و آن را تکمیل کنید
پیشنهاد میکنم برای اینکه بتواتید چندین مسله دیگر را نیز با این الگوریتم ها حل کنید و چند مقاله دیگر تولید کنید میتوانید در مفروضات مسله تغیری ایجاد کنید و یا تابع هدف جدیدی تعریف کنید و یا محدودیت دیگری اعمال کنید به این ترتیب شما مدل جدیدی خواهید که میتواند به عنوان یک مقاله یا پایانامه دیگر از آن استفاده کنید
 
پیشنهاد گسترش مدل:
 
میتوانید به جای کمینه کردن مجموع دیرکرد و زود کرد در تابع هدف این مدل از یک تابع هدف  استفاده کنید و یا تابع هدف دوم را به کمینه کردن flow time  که همان زمان در جریان کار میباشد استفاده کنید و با روشهای فرا ابتکاری مذکور که کدهای آن را دارید دوباره آن را حل نمایید و به عنوان یک کار جدید دیگر آن را ارایه دهید( گسترش این مدل ساده است با هر یک گسترش کوچک در محدودیت ها یا تابع هدف یا مفروضات یک مدل جدید خواهید داشت)
 
 
 
لازم به ذکر است حل هرمدل در موسسات پایانامه نویسی به یک روش فرا ابتکاری 700 هزار تومان تا 1 میلیون تومان هزینه میگیرند!
 
اگر به این حوزه علاقه دارید و یا تحقیق و پایانامه نویسی دارید در هر موضوعی مرتبط با الگوریتم نویسی یا متلب این مجموعه را از دست ندهید و آن را دانلود کنید

 

دانلود

پیشگوی اعظم

من از دوران نوجوانی رویایی داشتم! رویای تاسیس یک مکان برای به اشتراک گذاشتن ایده ها و نظرات خودم و همچنین جایی برای دانشجویان و دانش آموزان عزیز که بتوانند تمامی مقالات و جزوات مورد نیاز خودرا از طریق یک سایت مرجع تامین کنند.اکنون،این رویا،godofdoc (خدای داکیومنت) نام دارد D:a

شاید این مطالب را هم دوست داشته باشید

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *