Geri Dön

Atölye tipi çizelgeleme problemleri için genetik algoritma tabanlı hipersezgisel yaklaşım

A genetic algorithm-based hyperheuristic approach for job shop scheduling problems

  1. Tez No: 487860
  2. Yazar: CANAN HAZAL AKARSU
  3. Danışmanlar: DOÇ. DR. TARIK KÜÇÜKDENİZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: Türkçe
  9. Üniversite: İstanbul Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 87

Özet

Atölye tipi çizelgeleme problemleri hem literatürde hem de endüstriyel uygulamalarıyla bir gerçek hayat problemi olarak geniş biçimde incelenen yaygın ve zor problemlerdir. Bu nedenle verimliliği arttırıp maliyetleri düşürerek karlılığı arttırmak amacıyla etkili üretim çizelgeleme yöntemlerinin geliştirilmesi oldukça önemlidir. Fazla adaptasyon süresi gerektirmeden farklı problemlerde kullanılabilecek, yeterince iyi, yeterince hızlı, yeterince ucuz çözüme ihtiyaç duyulduğu durumda hipersezgiseller tercih edilir. Hipersezgiseller çözüm uzayı yerine alt seviyeli sezgisellerin arama uzayında çalışan, dolayısıyla bir dizi alt seviye sezgiseli yöneterek probleme direk çözüm aramak yerine çözüm için iyi bir yöntem arayan, sınırlı miktarda probleme özel bilgiye ihtiyaç duyan sezgisel seçen sezgisellerdir. Bu çalışmada atölye tipi çizelgeleme problemlerinin çözümü için genetik algoritma tabanlı hipersezgisel (GAHS) yaklaşımı önerilmiştir. Alt seviyeli sezgiseller olarak 26 adet dağıtım kuralı kullanılmıştır. Dağıtım kuralları çizelgeleme problemlerindeki başarısı, uygulama kolaylığı ve esnekliği sebebiyle tercih edilmiştir. Geliştirilen GA tabanlı hipersezgisel yaklaşımın yazılımı Matlab kullanılarak yapılmıştır. Önerilen GA tabanlı hipersezgisel yaklaşımın performansı, tek başına GA, TB ve PSO metasezgiselleri ve literatürde atölye tipi çizelgeleme problemlerinde maksimum tamamlanma zamanının enküçüklenmesi için başarılı bulunan SPT, MTWR, SIO, FIFO, PT+WINQ dağıtım kuralları ile karşılaştırılarak değerlendirilmiştir. Kıyaslama problemleri olarak OR-Library' den temin edilmiş farklı veri setlerinden farklı boyutlardaki problemler seçilmiştir. Genetik algoritma tabanlı hipersezgisel, kıyaslama problemlerine optimum ya da kıyaslanan yöntemlere göre daha iyi sonuç vermiştir.

Özet (Çeviri)

Job shop scheduling problems are common and hard problems that are widely studied both in the literature and in industrial applications as a real life problem. Therefore it is very important to develop effective production scheduling methods in order to increase profitability by increasing efficiency and reducing costs. Hyperheuristics are preffered when we are looking for a technique which can be easily applied to different problems without requiring too much adaptation time and when we require solutions which are good enough, fast enough and cheap enough. Hyperheuristics are heuristics to choose heuristics that require a limited amount of problem specific information and work in low level heuristics' search space instead of solution space. Thus hyperheuristics search for a good method for solution by managing low level heuristics rather than looking for a direct solution. In this thesis, a genetic algorithm based hyperheuristic (GAHH) approach is proposed for job shop scheduling problems. As low level heuristics 26 dispatching rules were used. Dispatching rules were prefered because of their success in scheduling problems, ease of implementation and flexibility. The code of developed genetic algorithm based hyperheuristic approach was written in Matlab. The performance of the proposed approach was compared with metaheuristics as GA, SA, PSO, and with dispatching rules as SPT, MTWR, SIO, FIFO, PT+WINQ which were found to be successful in minimizing the makespan in job shop scheduling problems in the literature. Benchmark problems in different sizes were selected from datasets supplied by OR-Library. Computational experiments show that the proposed genetic algorithm based hyperheuristic find optimum or else better results than compared methods.

Benzer Tezler

  1. Melez akış tipi çizelgeleme problemi için tepkisel bir algoritma

    A reactive algorithm for the hybrid flow shop scheduling problem

    ABDULLAH AKTEL

    Doktora

    Türkçe

    Türkçe

    2015

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET MUTLU YENİSEY

  2. Çok amaçlı enerji verimli atölye çizelgeleme problemi için yeni bir çözüm yaklaşımı: WASPAS tabanlı NSGA-2

    A new solution approach for multi-objective energy efficient job shop scheduling problem: WASPAS based NSGA-2

    MİNE BÜŞRA GELEN MERT

    Doktora

    Türkçe

    Türkçe

    2024

    Endüstri ve Endüstri MühendisliğiSakarya Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALPARSLAN SERHAT DEMİR

  3. Zeki etmenlerde öğrenme kabiliyetinin geliştirilmesi ve dinamik bir atölye tipi çizelgeleme uygulaması

    Başlık çevirisi yok

    MEHMET EMİN AYDIN

    Doktora

    Türkçe

    Türkçe

    1997

    Endüstri ve Endüstri MühendisliğiSakarya Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ.DR. ERCAN ÖZTEMEL

  4. A hybrid evolutionary algorithm for multi-objective flexible job shop problems

    Çok amaçlı esnek atölye tipi çizelgeleme problemlerine yönelik hibrit evrimsel bir algoritma

    ALPER TÜRKYILMAZ

    Doktora

    İngilizce

    İngilizce

    2023

    Endüstri ve Endüstri MühendisliğiMarmara Üniversitesi

    Mühendislik Yönetimi Ana Bilim Dalı

    PROF. DR. SEROL BULKAN

    DOÇ. DR. ÖZLEM ŞENVAR

  5. Esnek atölye tipi çizelgeleme problemleri için kafile aktarımı stratejisi: Otomotiv sektöründe bir uygulama

    Lot streaming strategy for flexible job shop scheduling problem: An application in otomotive industry

    YUNUS DEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    Endüstri ve Endüstri MühendisliğiAtatürk Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. SELÇUK KÜRŞAT İŞLEYEN