چطور این مقاله مهندسی صنايع را دانلود کنم؟
فایل انگلیسی این مقاله با شناسه 2009342 رایگان است. ترجمه چکیده این مقاله مهندسی صنايع در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید
حجم فایل فارسی :
1 مگا بایت
نوع فایل های ضمیمه :
pdf+word
کلمه عبور همه فایلها :
www.daneshgahi.com
عنوان فارسي
یک الگوریتم فرا ابتکاری مبتنی بر پارتو با قابلیت رایانش نرم، برای مسئله‌ی مکانیابی تسهیلات چند سرور چندهدفه
عنوان انگليسي
A soft-computing Pareto-based meta-heuristic algorithm for a multi-objective multi-server facility location problem
نویسنده/ناشر/نام مجله
Elsevier, Applied Soft Computing
این مقاله چند صفحه است؟
این مقاله ترجمه شده مهندسی صنايع شامل 13 صفحه انگلیسی به صورت پی دی اف و 37 صفحه متن فارسی به صورت ورد تایپ شده است
چکیده
در این مقاله، یک مدل مکانیابی چندهدفه در قالب یک چارچوب صف‌بندی چند سرور پیشنهاد گردیده است که در این چارچوب، تسهیلات از رفتاری مشابه با صف‌های M/M/m برخوردار خواهند بود. در مدل توسعه یافته از این مسئله، محدودیت‌های انتخاب نزدیک‌ترین تسهیلات به همراه محدودیت سطح سرویس باعث شده تا این مدل بیشتر به واقعیت نزدیک گردد. سه تابع هدف نیز در نظر گرفته شده است که عبارت‌اند از:
جمع کل زمان پیمایش و زمان‌های انتظار بیشترین زمان بیکاری در تسهیلات، و بودجه‌ی مورد نیاز به منظور پوشش هزینه‌های ایجاد تسهیلات انتخابی به علاوه‌ی هزینه‌های نیروی انسانی سرو.
از آنجایی که مدل توسعه یافته از این مسئله‌یک مسئله‌ی ان پی سخت می‌باشد و به احتمال راهکارها و راه‌حل‌های نادرستی برای حل مسئله به دست می‌آید، تکنیک‌های رایانش نرم ، مخصوصاً رایانش‌های تکاملاتی را به منظور غلبه بر این فقدان صحت و دقت بکار می‌گیریم.
با توجه به اصطلاحات مختلف در رایانش تکاملاتی، در این مقاله به منظور حل مسئله‌ی پیش رو، یک الگوریتم فرا ابتکاری مبتنی بر پارتو ارائه گردیده است که آنرا جستجوی هارمونی چندهدفه MOHS نام‌گذاری می‌کنیم. به منظور ارزیابی نتایج حاصله نیز از دو الگوریتم رایج تحت عناوین الگوریتم ژنتیک مرتب‌سازی مبتنی بر مغلوب (NSGA-II) و الگوریتم ژنتیک رتبه‌بندی غیر مغلوب (NRGA) بکار گرفته شده است. به منظور اثبات متدلوژی پیشنهادی و مقایسه‌ی کارائی آن بر حسب مقیاس‌های راهکار مبتنی بر پارتو، یک روش تاگوی را به منظور تنظیم و همسان‌سازی پارامترهای الگوریتم پیشنهادی بکار گرفته‌ایم که در این الگوریتم، یک معیار پاسخ تحت عنوان ضریب چندهدفه از واریانس (MOCV) بکار گرفته شده است. در ادامه، نتایج پیاده‌سازی الگوریتم‌ها بر روی همان تست‌ها نشان داده است که بر حسب زمان محاسباتی، روش MOHS پیشنهادی از عملکرد بهتری نسبت به دو الگوریتم دیگر برخوردار می‌باشد.
1-مقدمه و انگیزش
مسائل مکانیابی تأسیسات FLP را می‌توان جزء مسائلی در نظر گرفت که با محل یابی تسهیلات جدید و تخصیص گره‌های متقاضی آنها در نظرگرفت که مدل‌های بسیاری تحت سناریوهای مختلف برای آنها ارائه گردیده است. از سوی دیگر، عبارت "مکان" یا "محل" خود مرتبط با یک متدلوژی مدل‌سازی، تدوین و حل کلاسی از مسائلی بوده که می‌توان آنها را به عنوان تسهیلات مکانیابی در یک فضا تشریح نمود. از سوی دیگر، اصطلاح "مکانیابی" در FLP به معنای تخصیص گره‌های تقاضا به تسهیلات مکانیابی شده و آن‌هم به صورت همزمان می‌باشد [1]. آقای کوپر [2] در ابتدا به معرفی FLP پرداخت و نشان داد که این روش FLP می‌تواند به عنوان ابزاری قدرتمند در بسیاری از کاربردهای واقعی دنیا مانند سیستم‌های سرویس‌دهی اورژانسی، شبکه‌های ارتباطات راه دور، ایستگاه‌های گاز، دستگاه‌های خودپرداز و غیره بکار گرفته شود…
مسئله‌ی مکانیابی تسهیلات چندهدفه سیستم صف‌بندی رایانش نرم
:کلمات کلیدی
Abstract
In this paper, a novel multi-objective location model within multi-server queuing framework is proposed, in which facilities behave as M/M/m queues. In the developed model of the problem, the constraints of selecting the nearest-facility along with the service level restriction are considered to bring the model closer to reality. Three objective functions are also considered including minimizing (I) sum of the aggregate travel and waiting times, (II) maximum idle time of all facilities, and (III) the budget required to cover the costs of establishing the selected facilities plus server staffing costs. Since the developed model of the problem is of an NP-hard type and inexact solutions are more probable to be obtained, soft computing techniques, specifically evolutionary computations, are generally used to cope with the lack of precision. From different terms of evolutionary computations, this paper proposes a Pareto-based meta-heuristic algorithm called multi-objective harmony search (MOHS) to solve the problem. To validate the results obtained, two popular algorithms including non-dominated sorting genetic algorithm (NSGA-II) and non-dominated ranking genetic algorithm (NRGA) are utilized as well. In order to demonstrate the proposed methodology and to compare the performances in terms of Pareto-based solution measures, the Taguchi approach is first utilized to tune the parameters of the proposed algorithms, where a new response metric named multi-objective coefficient of variation (MOCV) is introduced. Then, the results of implementing the algorithms on some test problems show that the proposed MOHS outperforms the other two algorithms in terms of computational time.
Keywords:
Multi-objective facility location problem Queuing system Soft computing
سایر منابع مهندسی صنايع در زمینه مکان یابی