چکیده:
در بهینه سازی خط تولید هدف تعیین یک دسته از پارامترها به گونهای است که یک معیار بهینگی با در نظر گرفتن شروطی برآورده شود. اغلب روشهای بهینه سازی موجود بر خلاف الگوریتم ژنتیک، بطور ذاتی برای حل مسائل بهینه سازی پیوسته ایجاد شده اند و در صورت استفاده از این روشها در حل مسایل گسسته باید تغییراتی در آنها صورت پذیرد.
الگوریتم ژنتیک پر کاربردترین روش بهینه سازی برای حل مسائل گسسته میباشد. الگوریتمهای ژنتیک ذاتاً موازیاند و به دلیل موازی بودن و این که چندین رشته در یک لحظه میتواند مورد ارزیابی قرار گیرد، این الگوریتم برای مسائلی که فضای راه حل بزرگی دارند بسیار مفید است. برای این منظور،
تغییراتی در الگوریتم ژنتیک داده شده است. در این مقاله تیم پی سی اسکریپت تلاش دارد تا عنوان نماید نتایج آزمایشات نشان میدهد الگوریتم پیشنهادی در مسایل بهینه سازی خط تولید نسبت به الگوریتمهای دیگر عملکرد بهتری دارد.
مقدمه ای بر بهینه سازی خط تولید:
بهینه سازی خط تولید اهمیت زیادی در بسیاری از شاخه های علوم دارد. به عنوان مثال فیزیک دان ها، شیمی دان ها و مهندسان علاقه دارند تا یک طرح بهینه برای طراحی یک پروسه شیمیایی به کار برند و محصول تولید شده را با در دست داشتن شروطی مثل هزینه و آلودگی کم، بیشینه کنند.
همچنین در برازش غیر خطی مدل و منحنی به بهینه سازی خط تولید نیاز است. اقتصاددانان و تحقیق کنندگان در عملیات 1نیز باید جایابی بهینه منابع در جامعه و صنعت را پیدا کنند.
بهینه سازی خط تولید ،به هر دو عبارت کمینه سازی و بیشینه سازی اشاره دارد. یک مسأله بهینه سازی که در آن هدف کمینه کردن تابع fاست، در حقیقت –f را بیشینه میکند. بنابراین عبارات بهینه سازی، کمینه سازی و بیشینه سازی به جای هم نیز به کار میروند.
کلمات کلیدی:
الگوریتم ژنتیک، job shop scheduling