Akış tipi çizelgeleme problemlerinin genetik algoritma (GA) ile çözüm performansının artırılmasında deney tasarımı uygulaması
Experimental design in improving solution performance by using genetic algorithm (GA) of the problem of scheduling jobs in a flow-shop
- Tez No: 127093
- Danışmanlar: DOÇ. DR. ALPASLAN FIĞLALI
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2002
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Mühendislik Yönetimi Bilim Dalı
- Sayfa Sayısı: 114
Özet
ÖZET Akış tipi çizelgeleme iyi bilinen zor bir kombinatoriyel optimizasyon problemidir. Son on yılda üzerinde en çok çalışılan konulardan biri olup sezgisel yöntemler ile bulunan çözümlerin genetik algoritmalar ile iyileştirilmesine çalışılmaktadır. Genetik algoritmanın akış tipi çizelgeleme problemlerinde (n iş, m makine için) bilinen sezgisel yöntemlerden daha iyi çözüm verdiği belirlenmiştir. Bu çalışma, NP olarak bilinen akış tipi çizelgeleme problemlerinin genetik algoritma ile çözüm performansının artırılmasında deney tasarımı ile ilgilidir. Deney tasarımı ve özellikle iki seviyeli kesirli faktöriyel deneyler ile Taguchi'nin L8 ve L16 dizaynları üzerine yoğunlaşılmıştır. Genetik algoritmanın optimum veya optimuma yakın çözüme ulaşma performansım etkileyen; başlangıç popülasyonu, üreme, çaprazlama ve mutasyon operatörleri ile çaprazlama ve mutasyon oranlarının belirlenmesine çalışılmıştır. Parametrelerin ayrı ayrı değerlendirilmesi ile bulunan en iyi iki parametre değeri, çok makine problemleri için iki seviyeli, altı faktörlü olarak deney tasarımına tabi tutulmuştur. Daha sonra elde edilen veriler kullanılarak her faktörün en iyi seviyeleri belirlenmiştir. Sayısal seviyelere sahip faktörler için elde edilen sonuçlar doğrultusunda seviye aralıkları daraltılarak daha hassas sonuçlar elde etmek üzere iki deney tasarımı daha gerçekleştirilmiştir. Deneyler Turbo Paskal programlama dilinde hazırlanan genetik algoritma programı ile yapılmıştır. Gerçekleştirilen üç deney tasarımı toplam 24 adet deneyden oluşur. Bu deneyler sonucunda genetik algoritmanın çözüm performansım artıracak parametre setleri önerilmeye çalışılmıştır. vuı
Özet (Çeviri)
SUMMARY Scheduling jobs in a flow-shop is a well-known hard combinatorial optimization problem. It is one of the most studied topic in the last ten years and the solutions which are found by heuristic methods, are studied to be improved by genetic algorithms. It was determined that genetic algorithms give better solutions than heuristic methods at the problem of scheduling jobs in a flow-shop (for n work, m machine). This study is about the experimental design in improving solution performance by using genetic algorithm of the problem of scheduling jobs in a flow-shop which is known as NP-complete problem. The design of experiments and especially bi-level fractional factorial experiments and Taguchi's L8 and L16 designs were covered. It was studied the parameters, such as number of initial population, reproduction operators, crossover operators, mutation operators, rate of crossover and mutation operators affected performance of genetic algorithm to achieve optimum or suboptimum solution. The best two parameters value found by evaluating the parameters individually were used in design of experiments as bi-level and six factors for multi-machine problems. Then by using the obtained data, the best levels of every parameter were determined. According to the results, two more experimental designs were realized for the parameters which have numerical levels, by reducing the level intervals, to obtain more sensitive results. Experiments were done with the genetic algorithms program made by using Turbo Pascal programming language. Three experiment designs have totally 24 experiments. As a result of experiments, parameter sets being able to improve the solution performance of genetic algorithm were tried to be proposed. IX
Benzer Tezler
- Akış tipi çizelgeleme problemlerinin genetik algoritma ile çözüm performansının artırılmasında parametre optimizasyonu
To Increase the performance of flow-shop scheduling problems solving with genetic algorithms: A parameter optimization
ORHAN ENGİN
Doktora
Türkçe
2001
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ.DR. ALPASLAN FIĞLALI
- Melez akış tipi çizelgeleme problemi için tepkisel bir algoritma
A reactive algorithm for the hybrid flow shop scheduling problem
ABDULLAH AKTEL
Doktora
Türkçe
2015
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET MUTLU YENİSEY
- Atölye tipi çizelgeleme problemlerinin öncelik kuralı tabanlı genetik algoritma yaklaşımıyla simülasyon destekli optimizasyonu
Optimization of job shop scheduling problems with priority rule based genetic algorithms by using simulation method
ERDAL AYDEMİR
Yüksek Lisans
Türkçe
2009
Endüstri ve Endüstri MühendisliğiSüleyman Demirel ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. HALİL İBRAHİM KORUCA
- Esnek akış tipi ve çok işlemcili esnek akış tipi çizelgeleme problemlerinin paralel doyumsuz algoritma ile çözümü
Solving the hybrid flow shop and hybrid flow shop with multiprocessor task scheduling problems with parallel greedy algorithm
REŞİDE ELİF ÖZTÜRK
Yüksek Lisans
Türkçe
2007
Endüstri ve Endüstri MühendisliğiSelçuk ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. ORHAN ENGİN
- Solution of bicriteria open shop scheduling problem with genetic algorithm and tabu search and detailed analysis of results
İki kriterli açık atölye tipi çizelgeleme probleminin genetik algoritma ve tabu arama algoritması ile çözümü ve sonuçların detaylı analizi
BİKEM TÜRKELİ
Yüksek Lisans
İngilizce
2010
Endüstri ve Endüstri MühendisliğiMarmara ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SEROL BULKAN