رویکرد شبکه عصبی به حل مسائل زمان بندی جریان کارگاهی

سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,398

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICTM05_035

تاریخ نمایه سازی: 5 بهمن 1388

چکیده مقاله:

مسئله زمان بندی جریان کارگاهی Flow shop در زمان وجود یک جریان پیوسته از کارهای تولیدی برروی چند ماشین مطرح می گردد و همانطور که در بسیاری از تحقیقات به آن اشاره شده پیچیدگی آن از نوع نمایی بوده و برای حل آن لازم است روشها و یا الگوریتم هایی با پیچیدگی کاهش یافته طراحی گردند در این مقاله با استفاده از ایده شبکه های عصبی یک راه حل جدید برای حل این نوع مسئله زمان بندی ارائه می گردد در واقع این تحقیق نوعی پاسخ به نیاز حل این نوع مسائل بزرگ و پیچیده با استفاده از روش های غیرکلاسیک است هدف این مقاله ایجاد یک هوش مصنوعی برای انجام این نوع زمانبندی با استفاده از فرایند تعلیم شبکه عصبی می باشد دراین مقاله با استفاده از داده های تعلیم حاصل از توالی های بهینه مسائل حل شده زمان بندی flow shop شبکه عصبی تعلیم داده شده است شبکه تعلیم داده شده می تواند اولویتی را فراهم نماید که نشان دهنده ترتیب کار مورد نظر بوده و بسیار نزدیک توالی بهینه خواهد بود.

کلیدواژه ها:

کاربرد شبکه های عصبی ، زمان بندی ، مسئله FLOW SHOP

نویسندگان

مهدی غضنفری

دانشیار دانشکده مهندسی صنایع دانشگاه علم و صنعت ایران

مصطفی جعفری

استادیار دانشکده مهندسی صنایع دانشگاه علم و صنعت ایران

فرناز برزین پور

استادیار دانشکده مهندسی صنایع دانشگاه علم و صنعت ایران

سعید روحانی

عضو هیئت علمی دانشگاه آزاد اسلامی واحد فیروزکوه دانشجوی دکتری مهندسی صنایع دانشگ

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • زمانبندی Flow Shop کمتر این روش به کار گرفته شده ...
  • /] Ashour, S., 1972. Sequercing Theory. Springer- Verlag, Berlin. ...
  • Conway, R.L, Maxwell, W.L, Miller. L.W. 1967. Theoy of Schedulinge. ...
  • _ Derya Eren Akyol, 2004. Aplication of meural _ to ...
  • E-Bouri, Subramaniam Bolakrishmam _ [ه/ Neil Popplewell, 2000. jobs on ...
  • _ Subramaniam Bolakrishram _ Neil Popplewell, 2005. A meural network ...
  • /6] Framinan, J.M., Gupta, J.N.D.. Leiste, R., 2004. A review ...
  • Jatinder N.D Gupta , Edward F. Stafford Jr, 2006. Flowshop ...
  • ، )) Johnson, S.M., 1954. Optimal two- a»d three-stage production ...
  • Osman, I.H., Kelly, J.P., 1996. Meta- heuristics: Theory _ Applications. ...
  • Gurgun, B. (1996). A غ [15] Saburcuoglu, I., meural network ...
  • /6) Tanaev, V.S, Sotskov, Y.N., Strusevich, V.A., 1994. Scheduling Theory: ...
  • Wagner, H.M., 1959. 4 integer linear- mdchine ...
  • نمایش کامل مراجع