بهینه‌سازی مجموع جریمه‌های هزینه دیرکرد و انرژی در مساله زمانبندی ماشین‌های موازی‌ ناهمگن به وسیله الگوریتم ممتیک

در مطالعات مختلف مربوط به مسائل زمانبندی، معمولا تمرکز بر برنامه‌ریزی ماشین‌ها و تخصیص کارها به ماشین‌ها و تعیین توالی کارها، به منظور بهینه‌سازی زمان اتمام کارها، می‌باشد. با توجه به ارتباط بین اقتصاد، انرژی و نگرانی‌های زیست محیطی، مصرف انرژی یکی از موارد مهم در برنامه‌ریزی سیستم‌های مختلف می‌باشد. در این مقاله یک مساله زمانبندی ماشین‌های موازی ناهمگن که در آن سرعت پردازش هر کار روی هر یک از ماشین‌ها قابل تنظیم است، بررسی می‌شود و از آنجا که انرژی مصرفی ماشین‌ها با سرعت پردازش آن‌ها رابطه‌ای مستقیم دارد، هدف مساله کمینه‌سازی مجموع هزینه‌های انرژی مصرفی و جریمه دیرکرد در تحویل تقاضا‌ی مشتریان می‌باشد. به منظور بهینه‌سازی مساله، یک الگوریتم فراابتکاری ممتیک و یک الگوریتم فراابتکاری ژنتیک پیشنهاد شده است و در پایان نتایج بدست آمده از دو الگوریتم فراابتکاری پیشنهادی را با یکدیگر و با نتایج حاصل از خروجی نرم افزار بهینه‌سازی گمز، مقایسه و تحلیل می‌ نماییم.

Optimization of total lateness and energy costs for heterogeneous parallel machines scheduling using memetic algorithm

In general, numerous studies have paid a special attention to machine planning,job allocating andjob sequencing in scheduling problems to optimize makespan. Due to the relation among economy, energy and environmental concerns, energy use is one of the most important issues in different systems planning. In this paper, a scheduling of heterogeneous parallel machines is studied, in which the job process speed on every machine is settable. Since there is a direct link between used energy of machines and process speed, the purpose of the paper is to minimize total used energy and tardinessrelated costs in delivering customers’ demand. In order to optimizing the problem, two metaheuristic algorithms, Memetic algorithm and Genetic algorithm, are developed, finally the results of both algorithms are analyzed and then compared to each other as well as to the results of the GAMS optimization software. Keyword: heterogeneous parallel machines scheduling, total lateness costs, Energy costs. Memetic algorithm