اولین قاعده توزیع امکانات مرکب که برای مساله کل دیرکرد بکار برده شده قاعده COVERTمیﺑاشد. این قاعده توسط کارول مورد استفاده قرار گرفته است [۳۴]. در ابتدا این قاعده برای مساله تک ماشینه و مساله ماشینﻫای موازی طراحی شده است، اما میﺗواند برای مساله تولید کارگاهی نیز استفاده شود. لی و همکاران [۳۵]قاعده ATCS را توسعه دادند که مشابه قاعده ATC بود با این تفاوت که مقدار زمانآمادهﺳازی را نیز در نظر میﮔرفت. در این مقاله یک بسط از قاعده ATCS ارائه گردیده است که به منظور محاسبه مقدار اولویت هر کار برخی پارامترهای پیشﻧگر را استفاده میﮐند.پارامترهای پیشﻧگر که به عنوان یک مکانیسم میزانﺳازی مورد استفاده قرار میﮔیرند،نرخ تنزیل مورد استفاده برای محاسبه اولویت را بر حسب مشخصات مساله داده شده تعدیل میﮐنند. آنها برای تعیین مقادیر مناسب پارامترهای پیش نگر یکسری مقادیر را به منظور توصیف مشخصات مساله مشخص کردهﺍند. آنها چهار فاکتور برای توضیح خواص مساله نمونه پیشنهاد کردهﺍند.
دانلود پایان نامه - مقاله - پروژه
پارک و همکاران [۳۳] یک فاکتور اضافی برای اندازهﮔیری مشخصات مساله معرفی کردهﺍند. سپس آنها از یک شبکه عصبی[۲۱] به منظور رسیدن به مقادیر دقیقﺗری از پارامترهای پیشﻧگر استفاده کردهﺍند. نتایج کامپیوتری نشان میﺩهد که روش ارائه شده در این مقاله بهتر از سایر روشﻫای ارائه شده تا کنون میﺑاشد.
ژانگ و همکاران [۳۶] مسأله کمینه کردن میانگین وزنی دیر کردها در ماشین های موازی مرتبط را مورد بررسی قرار دادند.
کیم و همکاران [۳۷] چهار الگوریتم ابتکاری به منظور حل مساله ماشینﻫای موازی با تابع هدف کل دیرکرد وزنی توسعه دادهﺍند. فرض می شود M ماشین موازی غیر مرتبط و B دسته وجود دارد. هر دسته شامل R کار مشابه میﺑاشد. کارهای موجود در دستهﻫای مختلف ممکن است از انواع متفاوتی باشند. زمان پردازش یک دسته وابسته به گروه ماشینی است که روی آن انجام میﺷود. کارهای موجود در یک دسته در صورتیکه روی یک گروه ماشین پردازش گردند, زمان پردازش مشابهی دارند. یک گروه ماشین ترکیبی از ماشینﻫای مشابه میﺑاشد که کارایی عملیاتی مشابهی دارند. ماشینﻫا در لحظه صفر در دسترس بوده و میﺗوانند حداکثر یک کار را در یک زمان انجام دهند. کارها دارای انقطاع نمیﺑاشند ولی کارهای موجود در یک دسته میﺗوانند بطور همزمان روی ماشینﻫای مختلف پردازش گردند. یک گروه از دستهﻫا شامل دستهﻫایی با کارهای مشابه میﺑاشد.
جگلت و ساوری [۳۸] به ارائه یک سری قوانین چیره در مسأله زمانبندی ماشین های موازی با زمان دسترسی به کارها به هدف کمینه کردن کل دیر کرد وزنی پرداختند.
۲-۴- توالی ماشینﻫای موازی با معیارهای زودکرد و دیرکرد
با استناد به فلسفه JITشرکتﻫا سعی در انجام کارها در زمانی نزدیک به موعد تحویلشان دارند.عدم تحقق این هدف منجر به تحمیل هزینهﻫایی به شرکت میﮔردد.بنابراین در اغلب مسائل زمانبندی هدف, یافتن طرح بهینهﺍی است که ترکیبی از دو هدف دیرکرد و زودکرد را حداقل سازد.به عنوان هزینهﻫای زودکرد می توان به هزینهﻫای نگهداری و یا خراب شدن کالاهای فاسدﺷدنی اشاره کرد.جریمه پرداختی به مشتری در ازای تحویل کار دیرتر از موعد تحویل نیز میﺗواند به عنوان جریمه دیرکرد در نظر گرفته شود.این جریمه وابسته به عواملی از قبیل میزان اهمیت کار/مشتری میﺑاشد.
تسای و وانگ [۳۹] ۳ مدل برنامه ریزی عددمختلط را برای مسئله ماشینهای موازی نامرتبط با موعدهای تحویل متفاوت پیشنهاد نمودند. هدف این مدلسازی کمینه سازی مجموع زودکرد و دیرکرد می باشد. دراین تحقیق آنها بهترین استفاده از زمان بیکاری ماشینها جهت افزایش انعطاف پذیری زمانبندی کارها را مدنظر قرار دادند.با وجود اینکه این مدلها در زمانی قابل توجیه جوابگو می باشند، زمان های بیکاری ایجاد شده در تنظیم برنامه زمانبندی استفاده می گردد، زمانیکه موعدهای تحویل باز بالا باشند کارها بسیار بهتر قابل زمانبندی هستند، زمان بیکاری موجود انعطاف پذیری زمانبندی کارها را افزایش می دهد، اما این مدلها محدودیت برنامه ریزی را در تعداد کارها و ماشینها دارد و برای تمامی حالات قابل کاربری نیستند.
سنتیل کومارو همکاران [۴۰]از متد فراابتکاری بهینه سازی بخشی دسته و کلونی مورچه برای ایجاد نتایج بهینه براساس معیارهای متفاوت زودکرد و دیرکرد استفاده می نمودند، و روش فازی برای انتخاب بهترین ترکیب وزنی زودکرد و دیرکرد در مورد ماشین موازی غیرمرتبط بکار بردند.
نیکوفرد و همکاران[۴۱]یک مدل ریاضی را برای زمانبندی ماشینهای موازی یکسان با کارهای مانع در فضای کار به موقع که میزان زودکرد و دیرکرد را کمینه می نماید بکار بردند.
دمیرل و همکاران[۴۲]از الگوریتم ژنتیک برای زمانبندی ماشینهای موازی استفاده نمودند. آنها برنامه بهبود و اپراتور عملکردی مناسب را توسعه دادند و با الگوریتم ژنتیک تلفیق نمودند.
کداک سیدهوم و همکاران [۴۳] یک حد پایین برای مسئله زمانبندی زودکرد و دیرکرد در سیستم ماشین های موازی ارائه دادند.
دروبوچویچ و سیدنی [۴۴] مسأله زمانبندی می نیمم سازی جریمه زودکرد و دیرکرد و موعد تحویل روی ماشین های موازی یکسان را مورد مطالعه قرار دادند. آنها یک الگوریتم دو فازی برای حل مسئله پیشنهاد کردند.
۲-۴-۱- مسائل با تمرکز بر زمان آمادهﺳازی بین کارها
اکثرتحقیقات زمانبندی مقدار زمان آمادهﺳازی را ناچیز یا جزئی از زمان پردازش در نظر میﮔیرند.با وجود اینکه این فرض تحلیل را آسان نموده و منعکسﮐننده برخی کاربردهای بخصوص میﺑاشد، در برخی کاربردها که در نظر گرفتن زمان آمادهﺳازی امری لازم میﺑاشد،این فرض در جهت مخالف با کیفیت حل عمل میﮐند.بطور کلی دو نوع زمان آمادهﺳازی وجود دارد.نوع اول, فقط به کاری که بایستی انجام گردد وابسته است.این نوع زمان آمادهﺳازی مستقل از توالی نام دارد.نوع دیگر به کار انجام شده و کاری که بایستی انجام گردد وابسته بوده و زمان آمادهﺳازی وابسته به توالی نام دارد [۴۵].
مثالهایی برای زمان آماده سازی وابسته به توالی:عبارتند از:
در یک محل تولیدی که رنگ تولید میﺷود، هر جا تغییر رنگ نیاز باشد یک زمان آمادهﺳازی برای تمیز کردن دستگاه لازم است.این زمان هم وابسته به رنگ قبلی است که روی دستگاه تولید شده و هم وابسته به رنگی که دستگاه برای تولید آن آماده میﺷود.
۲-در صنعت پلاستیک محصولات با رنگﻫای متفاوت به ماشینﻫای اکستروژن متفاوتی تخصیص داده میﺷوند.هنگامیکه تغییر رنگ نیاز باشد. مقداری طول میﮐشد تا پلاستیک بیرون آمده از قالب به رنگ دلخواه برسد.
در صنعت نوشابه, زمان آمادهﺳازی بالایی برای تغییر شیشهﻫای نوشابه به بطری نیاز میﺑاشد.
در یک شرکت تولید کاغذ هر کجا ماشین بین دو نوع کاغذ تعویض انجام دهد، از آنجا که زمان آمادهﺳازی وابسته به درجه تشابه کاغذهای تولیدی متوالی است،این زمان وابسته به توالیمیﺑاشد.
۵-در صنعت تولید بطری،زمان آمادهﺳازی وابسته به اندازه و شکل بطریﻫا میﺑاشد.
بلکریشنان و همکاران[۴۶] یک مدل برنامهﺭیزی مخلوط عدد صحیح فشرده را برای حل مساله ماشینﻫای موازی یکنواخت بکار بردهﺍند.به دلیل اختلافﻫای موجود بین ماشینﻫا،زمان مورد نیاز برای پردازش یک کار از ماشینی به ماشین دیگر تفاوت میﮐند.آنها زمانﻫای آماده سازی وابسته به توالی را نیز در مدل خود در نظر گرفتهﺍند.همچنین آنها فرض کردهﺍند که هر کار زمانﻫای تحویل،زمانﻫای رهاسازی و جریمهﻫای زودکرد و دیرکرد مجزایی دارد.هدف, حداقل کردن کل دیرکرد وزنی و زودکرد وزنی میﺑاشد.آنها نشان دادهﺍند که این مدل قادر به ارائه حل بهینه برای مسائلی با اندازه کوچک(تا۱۰کار) میﺑاشد. آنها برای مسائل با اندازه بزرگ(بیش از۱۰کار) نیز روشی بر اساس قانون تجزیه بندر[۲۲]ارائه کرده اند[۴۶].
سیوریکایا و اولسوی[۲۴]یک الگوریتم ژنتیک موثر به منظور حل مساله ماشینﻫای موازی با تابع هدف حداقل کل دیرکرد وزنی و زودکرد وزنی ارائه کردهﺍند.برای مدلسازی واقعیﺗر مساله،آنها فرض کردهﺍند که هر کار زمانﻫای تحویل و زمانﻫای ورود مجزایی دارد.جریمهﻫای زودکرد و دیرکرد با یکدیگر متفاوت بوده ولی برای تمام کارها یکسان در نظر گرفته شدهﺍند((Wj=WE,Vj=WTآنها زمانﻫای آمادهﺳازی وابسته به توالی را نیز در مدل خود در نظر گرفتهﺍند.آنها مساله زمانبندی ماشینﻫای موازی با جریمهﻫای زودکرد و دیرکرد را بصورت PMSP-E/Tنشان دادهﺍند.همچنین آنها فرض کردهﺍند کهMماشین موجود یکی از دو نوع ماشین میﺑاشند. ماشینﻫای متعلق به یک نوع مشابه و ماشینﻫای متعلق به انواع مختلف یکنواخت هستند.تابع هدف مساله عبارت است از:

(۲-۱۰)
در تساوی بالاJ نشان دهنده مجموعه کارها وWEوWTبه ترتیب وزنﻫای زودکرد و دیرکرد هستند. Ej=max {0,dj-cj} زودکرد کار jوTj=max {0,dj-cj}دیرکرد کارj می باشد.همچنین cj ,djبه ترتیب موعد تحویل و زمان تکمیل کارj میﺑاشند.دو رویکرد الگوریتم ژنتیک برای این مساله بکار برده شده است،یکی با عملگر تقاطعی که برای حل مسائل بهینهﺳازی ترکیبی چند جزئی ایجاد شده است(مسالهPMSP-E/T نیز یک نمونه از این مسائل است) و دیگری بدون عملگر تقاطع.نتایج آزمایش روی۹۶۰مساله ایجاد شده بصورت تصادفی نشان میﺩهند که الگوریتم ژنتیک یک الگوریتم کارا برای حل مسالهPMSP-E/T میﺑاشد[۲۴].
رادهاکریشنان و ونتورا[۲۰]یک فرمولبندی ریاضی و یک الگوریتم بازپخت شبیهﺳازی شده به منظور یافتن جوابﻫای نزدیک به بهینه برای مساله زیر ارائه کردهﺍند:
“Nکار وM ماشین در دسترس هستند.بین کارها زمانﻫای آمادهﺳازی وابسته به توالی وجود دارد.همچنین هر کار زمان عملیات و موعد تحویل مجزایی دارد.هدف یافتن بهترین زمانبندی به گونهﺍی است که کل دیرکرد و زودکرد را حداقل کند.مساله را میﺗوان بطور خلاصه بصورت رابطه ۲-۱۱نمایش داد.”
(۲-۱۱)
آنها به منظور تولید جمعیت اولیه از یک روش ابتکاری موثر بهره گرفتهﺍند.سپس با بهره گرفتن از نتایج محاسباتی حاصل از مسائل ایجاد شده بصورت تصادفی،نشان دادهﺍند که الگوریتم بازپخت شبیهﺳازی شده, بهبود قابل ملاحظهﺍی در جوابﻫای بدست آمده از روش ابتکاری ایجاد میﮐند.
زو و هدی[۴۷]یک فرمولبندی مخلوط عدد صحیح برای حداقل کردن زودکرد و دیرکرد در یک مساله زمانبندی چند ماشینه ایجاد کردهﺍند.آنها فرض کردهﺍند که زمانﻫای آمادهﺳازی وابسته به توالی بوده و زمانﻫای پردازش, وابسته به ترکیب کار-ماشین باشند.موعدهای تحویل و هزینهﻫای جریمه برای کارهای مختلف متفاوت میﺑاشند.مدل به آسانی برای مسائلی با نه کار و سه ماشین حل بهینه را فراهم میﮐند.بنابراین، فرمولسازی نشان داده شده می تواند راه حلﻫای بهینه لازم برای ایجاد و تعیین اعتبار مقیاس صنعتی،روشﻫای فراابتکاری زودکرد/دیرکرد چند ماشینه فراهم کند که تا این زمان تنها در مقابل سایر روشﻫای فراابتکاری آزموده شده است. آنها پس از بازنگری مقالات تک ماشینه چندین فرض محدودکننده کلیدی بکار برده شده در ادبیات را خلاصه کرده و یک رویکرد چند ماشینه برای مساله زمانبندی ایجاد میﮐنند.آنها اشاره میﮐنند که در نظر گرفتن یک موعد تحویل برای همه کارها برای انواع سیستمﻫای ساخت که همه قطعات ساخته شده باید در یک زمان از قبل تعیین شده برای ساخت آماده باشند،قابل بکارگیری است.
وای و وانگ[۳]یک مدل برای زمانبندی کارهای گروهی روی ماشینﻫای موازی مشابه در نظر گرفتهﺍند.مدل فرض میﮐند که زمان آمادهﺳازی وقتی ایجاد میﺷود که یک ماشین از پردازش یک نوع به نوع دیگری بپردازد.هدف در این مدل, حداقل کردن کل جریمهﻫای زودکرد و دیرکرد میﺑاشد. محیط خاص در نظر گرفته شده در اینجا, یک کار تولیدی است کهMماشین موازی مشابه اجزای مختلفی را پردازش میﮐنند.اگر بخشی که باید روی ماشین تولید شود از همان نوعی باشد که قبلا تولید شده است،هیچ زمان آمادهﺳازی مورد نیاز نیست. لیکن اگر این بخش از نوع متفاوتی باشد،آمادهﺳازی ماشین قبل از پردازش لازم است.
توکلی مقدم و همکاران[۴۸] یک مدل برنامهﺭیزی ریاضی برای مساله زمانبندی ماشینﻫای موازی نامرتبط با معیارهای کل زودکرد ودیرکرد و هزینهﻫای ماشین ارائه دادهﺍند. آنها به منظور حل مساله, از یک الگوریتم ژنتیک موثر استفاده کردهﺍند. عملگرهای جدید تعریف شده در این مقاله, برای الگوریتم مورد نظر, منجر به بهبود زیادی در کیفیت حل میﮔردد. نتایج محاسباتی روی مسائل محققان پیشین, نشان میﺩهند که الگوریتم پیشنهادی به نحو موثری عمل میﮐند.
در یکی از تحقیقات صورت گرفته در زمینه ماشینهای موازی نامرتبط،چن]۵۹[یک الگوریتم ابتکاری بر مبنای atcs، یک الگوریتم تبرید شبیه سازی شده و یک رویه ابتکاری بهبود جوابها برای مسئله ماشینهای موازی نامرتبط با تابع هدف زمان های دیرکرد کل با محدودیت زمان نصب ماشین وابسته به توالی کارها ارائه نموده است. رویه ATCS توسط لی و پیندو ]۶۰[برای حل مسئله ماشینهای موازی با محدودیت زمان نصب طراحی گردیده است.
یک الگوریتم ژنتیک به همراه یک الگوریتم جستجوی محلی توسط والادا و رویز]۶۱[برای مسئله با تابع هدف زمان پایان کار ماکسیمم ارائه شده و با بهره گرفتن از مسائل معیار تولید شده برای اندازه های کوچک و بزرگ مسئله،آزمایشات جامعی صورت گرفته است.نتایج محاسباتی نشان می دهد که این الگوریتم بهترین عملکرد در مقایسه با سایر روشها ی موجود در ادبیات تحقیق این نوع مسائل را داراست
.
۲-۴-۲- مسائل با تمرکز بر موعد تحویل یکسان برای کارها
مسائل تعیین موعد تحویل در سالﻫای اخیر به دلیل توجه صنعتی به فلسفهJITمورد توجه خاصی قرار گرفتهﺍند.در بسیاری از محیطﻫای عملی از جمله صنعت نساجی،صنایع مکانیکی و صنایع الکترونیکی،مقدار موعد تحویل در طول مذاکرات فروش با مشتری تعیین میﮔردد. در نظر گرفتن موعد تحویل بالا، مساله زمانبندی را آسان نموده و هزینهﻫای دیرکرد و زودکرد را کاهش میﺩهداما نتایج درآمدی مهمی را در پی دارد.رسیدن به موعد تحویل تعیین شده یکی از اهداف اولیه مدیریت میﺑاشد.مدل موعد تحویل یکسان, مطابق با یک سیستم مونتاژ می باشد که در آن اجزای محصول بایستی در یک زمان آماده باشند یا در یک کارخانه که چند محصول تشکیل سفارش مشتری را میﺩهند.
۲-۴-۲-۱ موعد تحویل معلوم
چن و پاول[۴۹]یک الگوریتم تجزیه[۲۳] دقیق بر اساس تولید ستونی برای مساله زمانبندیnکار با یک موعد تحویل یکسان غیر محدود کننده روی mماشین موازی یکسان به منظور حداقل کردن کل دیرکرد وزنی و زودکرد وزنی ارائه کردهﺍند. مساله بطور خلاصه بصورت معادله ۱۲-۲ نمایش داده میﺷود.آنها ابتدا مساله را بصورت یک برنامه عدد صحیح فرمولبندی کردند.سپس با بهره گرفتن از روش تجزیه دانتزیگ_والف مساله را دوباره بصورت دستهﺍی از مسائل جزء بندی شده با محدودیتﻫای مساله اولیه فرمولبندی کردهﺍند.بر اساس این مجموعه مسائل جزء بندی شده، یک الگوریتم حل دقیق شاخه و کران برای مساله توسعه داده شده است.در درخت شاخه و کران هر گره بیانگر یک مساله از مجموعه مسائل جزء بندی شده میﺑاشد. پس مساله موجود در هر گره با بهره گرفتن از روش تولید ستونی حل گردیده است.در این روش, ستونﻫا بیانگر طرحﻫای جزئی روی تک ماشین بوده و با بهره گرفتن از حل دو زیر مساله تولید میﮔردند.نتایج محاسباتی بیانگر این هستند که این الگوریتم تجزیه قادر به حل مسائلی با ۶۰کار در زمانی معقول می باشد.
(۲-۱۲)
بنک و ورنر[۵۰]روش حل دقیقی برای مساله زمانبندیm ماشین موازی نامرتبط ارائه کردهﺍند.مساله بدین صورت می باشد که مجموعه ای از nکار بایستی بدون انقطاع روی یکی ازm ماشین نامرتبط انجام شوند.هر کار, یک زمان ورود و یک زمان انجام عملیات دارد.زمان عملیات هر کار بستگی به ماشینی که کار روی آن انجام می شود،دارد. هدف،توزیع کارها روی ماشینﻫا و زمانبندی کارهای تخصیص داده شده به هر ماشین به گونه ای است که مجموع دیرکرد وزنی و زودکرد وزنی حداقل گردد.
فرض در دسترس بودن همه کارها در زمان صفر یک انحراف مهم از واقعیت میﺑاشد. بنابراین, در این مقاله این فرض حذف شده است.از طرفی هنگامی که هر کار زمان ورود مجزایی داشته باشد, پیچیدگی مساله حتی برای حالت تک ماشینه نیز بسیار بالا میﺭود.بنابراین تلاش در یافتن جوابﻫای نزدیک به بهینه در این شرایط امری معقول میﺑاشد. به این علت, آنها تعدادی خواص بنیادی به منظور بدست آوردن یک حل تقریبی برای مساله ارائه کردهﺍند.سپس آنها تعدادی الگوریتم سازنده و بهبود دهنده عرضه کردهﺍند.کارایی این الگوریتمﻫا روی مسائلی با۲۰ماشین و۵۰۰کار تست شده است.
سان و وانگ[۵۱]یک الگوریتم برنامهﺭیزی پویا به منظور حل مساله ماشینﻫای موازی یکسان با وزنﻫای نسبی ارائه کردهﺍند.n کار مستقل بایستی رویm ماشین موازی یکسان انجام شوند.کار Ji دارای زمان عملیاتpi و وزن wi میﺑاشد. تمام کارها موعد تحویل یکسان d دارند.هدف, حداقل کردن عبارت زیر میﺑاشد:
(۲-۱۳)
آنها نشان داده اند که مساله NP-hardمیﺑاشد.سپس یک الگوریتم برنامهﺭیزی پویا به منظور حل آن ارائه کردهﺍند.
مونچ و آنبهان[۵۲]سه روش ابتکاری تجزیه ای برای حل مساله pm/di=d,batch/ET ارائه کردهﺍند.
مساله مورد بررسی توسط آنها عبارت است از:
“n کار بایستی روی m کوره پخت موازی یکسان انجام شوند. زمان انجام کار j باp j نشان داده می شود. همه کارها یک موعد تحویل یکسان غیرمحدودکننده d دارند که مقدار آن معلوم می باشد. بنابراین فرض می شود رابطه برقرار باشد.
به منظور حل مساله آنها یک الگوریتم تجزیه شامل دو فاز اصلی معرفی کردهﺍند. فاز اول,مرحله تخصیص میﺑاشد. در این مرحله, کارها یا به یک تک ماشین تخصیص داده میﺷوند (در این شرایط هر کار میﺗواند دیرکرد یا زودکرد داشته باشد)یا به مجموعه کارهای دارای دیرکرد یا زودکرد روی هر ماشین تقسیمﺑندی میﺷوند. فاز دوم،مرحله دستهﺑندی و زمانبندی کارها میﺑاشد. دستهﺑندی و زمانبندی کارها بطور هم زمان رخ میﺩهد. آنها, سه روش ابتکاری مختلف ارائه کرده و سپس کارایی آنها را با یکدیگر مقایسه کردهﺍند. روش ابتکاری اول, داخلی بوده و بر اساس نتایج بنیادین بیان شده در مقاله ایجاد شده است. در این روش, پس از تخصیص کارها به ماشینﻫا از یک فرمولبندی برنامهﺭیزی پویا به منظور تشکیل دستهﻫا استفاده شده و سپس با بهره گرفتن از نتایج بنیادین اثبات شده در مقاله, یک توالی از دستهﻫا روی ماشینﻫا تعیین میﮔردد. این روش ابتکاری[۲۴] PBHPنامیده میﺷود. روشﻫای ابتکاری دوم و سوم, از الگوریتم ژنتیک به منظور تجزیه مساله دستهﺑندیm ماشین موازی به m مساله دستهﺑندی تک ماشینه استفاده میﮐنند. روش ابتکاری دوم, با عنوان روش GAPBH[25]معرفی شده است. این روش, ابتدا کارها را به ماشینﻫا تخصیص داده و سپس با توجه به این امر که هر کار روی هر ماشین دیرکرد دارد یا زودکرد کارها را به دو دسته کارهای دارای دیرکرد و کارهای دارای زودکرد تقسیمﺑندی میﮐند. سپس از این کارها دستهﻫای دارای دیرکرد و دارای زودکرد را تشکیل داده و سپس به تعیین توالی دستهﻫا روی ماشینﻫا میﭘردازد. سپس از الگوریتم ژنتیک به منظور بهبود توالی ارائه شده و در نتیجه مقدار تابع هدف استفاده میﮐند. روش ابتکاری سوم که تحت عنوان[۲۶] GABABSHمعرفی گردیده, ابتدا کارها را به مجموعهﻫای دارای دیرکرد و زودکرد تخصیص داده و سپس از این مجموعهﻫا دستهﻫای دارای دیرکرد یا زودکرد را تشکیل میﺩهد. پس از آن, عملکرد روش سوم دقیقا مشابه روش دوم میﺑاشد.بطور کلی روش اول, برای اندازه کارهای بزرگ بهتر از دو روش دیگر عمل میﮐند. اما هنگامی که اندازه کارها کوچک یا متوسط باشد, روشﻫای دوم و سوم بدلیل امکانات جستجوی بهتر به نتایج بهتری دست می یابند[۵۲].

موضوعات: بدون موضوع  لینک ثابت


فرم در حال بارگذاری ...