بهینه سازی ذرات انبوه

در این مقاله، یک مدل ریاضی جدید برای مسأله زمانبندی چند هدفه در سیستم تولید سلولی ارایه می شود که هدف آن کمینه سازی حداکثر زمان تکمیل کارها، هزینه زودکرد و هزینه دیرکرد است. به علت پیچیدگی این مسأله، یک الگوریتم تلفیقی بر پایه الگوریتم ژنتیک و بهینه سازی ذرات انبوه برای حل آن در زمان قابل قبول پیشنهاد می گردد. همچنین، از یک الگوریتم تکاملی چند هدفه معروف به نام الگوریتم ژنتیک مرتب شده غیر مغلوب (NSGA-II) برای مقایسه و نشان دادن کارایی الگوریتم تلفیقی پیشنهادی استفاده می شود. در ادامه، نتایج حاصل از خروجی الگوریتم ها با هم مقایسه و سپس تحلیل می گردند. در خاتمه، نتیجه گیری و پیشنهادهایی برای تحقیقات آتی ارایه می شود. واژه های کلیدی: مسأله زمانبندی چندهدفه، سیستم تولید سلولی، الگوریتم ژنتیک، بهینه سازی ذرات انبوه، NSGA-II.

در این مقاله، یک مدل ریاضی جدید دو هدفه و آمیخته با اعداد صحیح برای مسایل شبکه های توزیع ارایه می­شود. یک تابع هدف هزینه­های خرید، حمل و نقل و نگهداری کالاها را حداقل می­کند و تابع هدف دیگر با عنوان توزیع بهنگام، مجموع مقادیر دیرکرد یا زودکرد تحویل کالاها را با توجه به اختلاف زمان تحویل و زمان مقرر کمینه می­کند. این مدل برای شبکه توزیع سه سطحی شامل تأمین کنندگان، عمده­فروشان و خرده­فروشان طراحی می شود که چندین محصول با مقادیر تقاضای قطعی را در یک افق چند دوره­ای از طریق دو کانال مستقیم و غیر مستقیم توزیع می­کند. از آنجا که مدل دو هدفه ارایه شده در ابعاد واقعی از نظر زمانی قابل حل با روش­های دقیق نیست، یک الگوریتم بهینه­سازی ذرات انبوه چند هدفه برای حل مسأله طراحی می شود که کیفیت آن در مسایل کوچکتر که از روش­های دقیق نیز قابل حل هستند، با جواب های حاصل از نرم افزار لینگو مقایسه می شود. در ادامه مقاله، نشان داده می شود که الگوریتم پیشنهادی در زمان کوتاهتری نسبت به روش دقیق مربوط به نرم افزار لینگو به جواب های خوبی از لحاظ کیفیت دست می­یابد و در ابعاد بزرگ نیز در مدت زمان قابل قبولی به جواب می­رسد.