زمانبندی دو هدفه جریان کارگاهی مختلط با تقریب پارتو در یک منطقه مشخص

این تحقیق، مساله زمانبندی تولید در محیط جریان کارگاهی مختلط با زمان های آماده سازی وابسته به توالی و با هدف مینیمم کردن ماکزیمم زمان تکمیل کارها و جمع زمان های تاخیر را مورد بررسی قرار می دهد. در گذشته مسائل دو هدفه با یافتن تقریب پارتو از کل فضای مساله (بدون هیچ محدودیتی) حل شده است. محدودیت در این تحقیق یافتن تقریب پارتو در یک منطقه مشخص شده است. به منظور حل مساله، الگوریتم ژنتیک چند هدفه مبتنی بر رتبه بندی پارتو مورد استفاده قرار گرفته است. در ساختار الگوریتم، دو استراتژی انتخاب جواب برای آرشیو جهت تولید پارتو در یک منطقه مشخص پیشنهاد شده است. پس از تولید مسائل نمونه، الگوریتم ژنتیک با سه استراتژی  (دو استراتژی پیشنهادی و استراتژی عمومی در ادبیات) اجرا شده است. استراتژی مناسب براساس جوابهای موثر در آرشیو تعیین شده است. نتایج نشان دهنده این واقعیت است که استراتژی های پیشنهاد شده عملکرد بهتری نسبت به استراتژی در ادبیات نشان داده اند.

Bi-Objective Hybrid Flow Shop Scheduling With Pareto Approximation in a Specified Region

This paper studies the production scheduling problem in a hybrid flow shop environment with sequencedependent setup times and the objectives of minimizing both the maximum completion time and the total tardiness. In the past, biobjective problems were solved by finding Pareto approximation in the entire problem space (without any restrictions). The limitation in this study is to find Pareto approximation in a specified region. In order to solve the problem, multiobjective genetic algorithm based on Pareto ranking has been used. In the structure of the algorithm, two strategies have been proposed in order to select solutions for archiving and produce Pareto in a certain region. After generating sample problems, the genetic algorithm has been implemented with three strategies (two proposed and one general strategy in literature). The appropriate strategy is based on efficient solutions in the archives. The results reflect the fact that the proposed strategies have shown better performance than the literature strategy.