طبقه بندی الگوریتم های ژنتیکی برای حل مساله JSP و مقایسه کارائی آنها

الگوریتم های ژنتیکی برای حل مسائل Np-Hard طراحی Neural Network ها، Nonlinear Dynamic System , Strategy Planningو ... به کار می روند. از مهمترین موارد استفاده ی GA در حل مسائل Hard NP- اعمال آن بر مسئله JSP می باشد. JSP (JOB SHOP SCHEDULING) از سری مسائل زمان بندی می باشد که در صنعت کاربرد بسیاری دارد چرا که JSP به بررسی نحوه ی توزیع کارها بین ماشین های انجام دهنده ی آن ها می پردازد، به طوری که این کارها در کمترین زمان ممکن انجام شوند، از طرفی بررسی مساله JSPمی تواند به عنوان مدلی برای حل سایر مسائل Np-Hard از قبیل TSP استفاده شود.

کلیدواژه ها:

GA ، initial population ، fitness function ، offspring ، representation ، فضای حالت