Comparison of genetic algorithm and particle swarm optimization algorithm for bicriteria permutation flowshop scheduling problem
İki kriterli permütasyonlu akış tipi üretim çizelgelemesi problemi için genetik algoritma ve parçacık sürü optimizasyonu yöntemlerinin karşılaştırılması
- Tez No: 185040
- Danışmanlar: Y.DOÇ.DR. M. FATİH TAŞGETİREN, Y.DOÇ.DR. SEROL BULKAN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Endüstri ve Endüstri Mühendisliği, Computer Engineering and Computer Science and Control, Industrial and Industrial Engineering
- Anahtar Kelimeler: Akış tipi üretim, sezgisel yaklaşımlar, PSO, çift kriter, Flowshop scheduling, heuristic optimization, PSO, bicriteria
- Yıl: 2006
- Dil: İngilizce
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Akış tipi üretim çizelgeleme problemi, üzerinde çok çalışılmış olanalanlardan biridir. Problemin çapı büyüdükçe, analitik çözüm bulmak imkansızlaşırve burada sezgisel yaklaşımlar devreye girer.Literatüre bakıldığında, bu problem için genelde tek kriterli yaklaşımlargeliştirildiği görülür; toplam yapım zamanı en çok kullanılmış olan kriterdir. Azsayıda makine için çok kriterli sezgisel yöntemler bulunsa da, ikiden fazla makineiçin genelde sadece tek kriter dikkate alınmıştır.Bu tez çalışmasında, 50 iş-20 makine gibi büyük çaplı problemler için,toplam yapım zamanı ve en büyük pozitif gecikme zamanı kriterleri birlikte dikkatealınmıştır. Bu amaçla, bir Partikül Sürü Optimizasyonu (PSO), bir de GenetikAlgoritma (GA) sezgisel yöntemi geliştirilmiş ve standart test problemlerineuygulanmıştır. PSO ve GA'nın sadece yalın şekilleri değil, aynı zamanda DeğişkenKomşuluk Arama isimli bir yerel arama yöntemiyle melezlenmiş olan şekilleri dedenenmiş, ve iki algoritmanın performansları birbirleriyle karşılaştırılmıştır.Elde edilen sonuçlara göre, en büyük pozitif gecikme zamanı kriterininağırlıklı olduğu durumlarda PSO daha iyi sonuç vermiş; toplam yapım zamanıkriterinde ise GA daha başarılı olmuştur. İşlem sürelerinde ise, her durumda PSOdaha çabuk sonuca ulaşmıştır. Yerel arama katılmış melez algoritmalar, yalınhallerine göre daha iyi sonuçlara ulaşmış; ancak, işlem süresi ciddi oranda artmıştır.
Özet (Çeviri)
Flowshop scheduling problem is a well known research field for fifty years.As the problem size gets bigger, an analytical solution becomes impossible. Here,heuristic solutions come to the stage.In the literature, generally solutions regarding a single criterion aredeveloped; and makespan is the most common objective used. There are some multiobjective solutions for one or two machines; but, only one criterion is generally usedfor more than two machines.In this thesis, makespan and maximum tardiness criteria are usedconcurrently, for big problem sizes like 50 jobs-20 machines. For this purpose, aParticle Swarm Optimization (PSO), and a Genetic Algorithm (GA) is developed andapplied to standard test problems.Not only the pure versions of PSO and GA, but also their hybrid versions -i.e. with a local search called Variable Neighborhood Search (VNS) embedded - aretested; and the relative performances of the two algorithms are compared.As a result, PSO performed better for the situations where the weight ofmaximum tardiness criterion was greater, while GA surpassed PSO when themakespan objective was dominant. Regarding the CPU times, PSO found a solutionmore quickly, for all occasions. The with-VNS versions of the algorithms foundbetter solutions compared to the pure versions; but, it took them much longer.
Benzer Tezler
- Comparison of genetic algorithm and particle swarm optimization algorith for permutation flow shop sequencing problem with criterion of number of tardy jobs
Pozitif gecikmeli iş sayısı kriterli permütasyon akış tipli atölye çizelgeleme problemi üzerinde genetik algoritma ve partikül sürü optimizasyonu yöntemlerinin mukayesesi
HATİCE UÇAR
Yüksek Lisans
İngilizce
2005
Endüstri ve Endüstri MühendisliğiFatih ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. FATİH TAŞGETİREN
- Çok depolu araç rotalama probleminde genetik algoritma ve parçacık sürü optimizasyonu algoritmalarının kıyaslaması
Comparison of genetic algorithm and particle swarm optimization algorithms in multi-depot vehicle routing problem
MERVE AYDIN
Yüksek Lisans
Türkçe
2023
Endüstri ve Endüstri MühendisliğiKocaeli ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YILDIZ ŞAHİN
- Parkinson hastalığı için parçacık yığını optimizasyonunda yeni topolojiye dayalı yüksek verimli optimizasyon algoritmasının geliştirilmesi
Development of high efficiency optimization algorithm based on new topology in particle swarm optimization for parkinson's disease
HAWA AHMED ALRAWAYATI
- Antenlerin hızlı ve doğru tasarımı için esnek hesaplamaya dayalı sayısal karma yöntemler
Numerical hybrid methods based on soft computing for fast and accurate design of antennas
MAHMUD ESAD YİĞİT
Doktora
Türkçe
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT TAYFUN GÜNEL
- Optimizasyon problemleri için yeni bir metasezgisel algoritma geliştirilmesi
Development of a new metaheuristic algorithm for optimization problems
RAMAZAN ÖZKAN
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
PROF. RÜYA ŞAMLI