کاربرد الگوریتم ژنتیک درموازنه زمان - هزینه پروژه ها

سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 5,364

فایل این مقاله در 19 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:

IPMC03_069

تاریخ نمایه سازی: 11 شهریور 1385

چکیده مقاله:

الگوریتم های ژنتیک، روش هایی ابتکاری و تکنیک هایی برای بهینه سازی هستند که ریشه در تکامل طبیعی دارند . این الگوریتم هـا بـه طور وسیعی در تمام جنبه های زندگی بشر وارد شده اند و نتایج بسیار عالی آنها باعث شده است که روز بروز جنبه های بیـشتری از بکـارگیری این الگوریتم ها آشکار شود . هدف ما در این تحقیق بکارگیری این الگوریتم، در موازنه زمان - هزینه پروژه های بزرگ ساخت و ساز می باشد . زمـانی کـه تعـدادی از فعالیت های پروژه می توانند به شیوه های متفاوتی و طبیعتاً با زمان و هزینه متفاوتی انجام شوند که این موجب مـی شـود کـه پـروژه نیـز بـا هزینه ها و زمان های مختلفی قابل اجرا باشد . الگوریتمی که در این تحقیق ارائه شده است می تواند پروژه های بزرگ را در زمان نسبتاً کمـی موازنه کند . پارامترهای الگوریتم بسته به تعداد فعالیت های پروژه فرق می کنند و الگوریتم می تواند بصورت موازی، بسته به ورودی ها و تعداد فعالیت ها، مسیرهای مختلفی را طی می کنند . این پارامترها به گونه ای تنظیم شده اند که بتواند چندین نوع مساله را از لحاظ حجم فعالیت هـا پوشش دهد . الگوریتم با مثالهای مختلفی مورد تست قرار گرفته است، که در اخرین بخش، یک نمونه از تست های این الگوریتم و تجزیـه و تحلیل نتایج آن نشان داده شده است

نویسندگان

احمد نورنگ

عضو هیات علمی و استادیار گروه مهندسی صنایع دانشگاه امام حسین ( ع )

مظاهر عمرانی خو

کارشناس ارشد مهندسی صنایع، دانشگاه امام حسین ( ع )

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 :
  • حاج شیر محمدی، حسن.، مدیریت و کنترل پروژه، 1369. ...
  • اسفند ماه1385 / _ Fehruary WW. iipm&.On ...
  • اسفند ماه1385 / _ February ...
  • اسفند ماه 1385 _ _ Fehruary _ ipmc.com ...
  • Cheng, C.B., Cheng, C. J., Lee, E. S., Neuro-fuzzy and ...
  • [j] Hong, J.H., Cho, S.B., Efficient huge-scale feature selection with ...
  • Harik, G.R., Lobo, F.G., Goldberg, D.E., The compact genetic algorithm, ...
  • _ Hashiyama, T., Okuma, S., The acceleration of evolutionary computation ...
  • ichelewiz, z.. Genetic Algorithm Data Structure /4 Evolutionary Programs, third ...
  • _ _ R.V. Sole, M acroevolutionary algorithms: a new optimization ...
  • [s] x. vao, Y. Liu, G.M. Lin, Evolutionary programming made ...
  • K.E. Mathias, L.D. Whitely, Changing representation during search: a comparative ...
  • i. Muhlenbein, D. S chliekamp -Voosen, Predictive models for the ...
  • N.N. Schraudolph, R.K. Belew, Dynamic parameter encoding for genetic algorithms, ...
  • [n2] A.s. Wu, W. Banzhaf, Introduction to the special issue: ...
  • J.J. Grefenstette, Optimization of control parameters for genetic algorithms, IEEE ...
  • M. Srinivas, L.M. Patnaik, Adaptive probabilities of crossover and mutation ...
  • O. Francois, An evolutionary strategy for global minimization and its ...
  • C.R. Houck, J.A. Joines, M.G. Kay, J.R. Wilson, Empirical investigation ...
  • Li, G., Leung, Y., Xu, Z.B., Leung, K.S., Hybrid genetic ...
  • El-Rayes, K., Kandil, A., (2005), Time- cost- quality Trade-Off Analysis ...
  • Azaron A., Cahit, P., Masatoshi, S, A genetic algorithm approach ...
  • Sou-Sen Leu, An-Ting Chen, Chung-Huei Yang. A GA-based fuzzy optimal ...
  • Que, B.C., Incorporating Practicability into Genetic Algorithm-B ased Time-Cost Optimization. ...
  • Li, H., Love, P., Using Improved Genetic Algorithm to Fcilitate ...
  • Hegazy, T., Optimization of construction time-cost trade-off analysis using genetic ...
  • Zheng, D.X.M., Ng, S.T., Kumar aswamy _ M.M., Applying a ...
  • Whitley, D., Genetic Algorithm and evolutionary Computing. Van Nostrand's Scientific ...
  • Dasgupta, D., Michalwicz, Z., "Evalutionary algorithms in engineering application". Berlin, ...
  • Back, t., Haffmeister, F., Extended selection mechanisms in genetic algorithms. ...
  • Whitley, D., The GENITOR Algorithm and Selection Pressure: Why Rank-Based ...
  • Golberg, D.E.Deb, K., A Comparative Analysis of selection Schemes Used ...
  • Whitley, D., Artem Sokolov, A.., Unbiased tournament selection Genetic And ...
  • Miller, B. L., Goldberg, D. E., Genetic algorithms, tournament selection, ...
  • Spears, W.l., The role of mutation and rec ombination in ...
  • Davis, L., Handbook of genetic Algorithm, New york, Van Nostrand. ...
  • Hansancebi, O., Erbatur, F., Evaluation of crossover techniques in genetic ...
  • Martin, W.N., Spears, W.M., Foundation of Genetic Algorithms .6, Academic ...
  • Luke, S. and L. Spector. 1998. A Revised Comparison of ...
  • Xu, Z.b., Leung, K.S., Liang, Y., Leung, Y., Efficiency speed-Up ...
  • pendharker, P.C., Koehler, G.L., a general steady state distribution based ...
  • Luke, S. 2001. When short runs beat long runs. In ...
  • Gustafson, S.M., An Analysis of Diversity in Genetic Programming. Thesis ...
  • Time- cost- quality Trade-Offs in the budget process. Based _ ...
  • نمایش کامل مراجع