Solving single and parallel machine scheduling problems with sequence dependent setup times using differential evolution based algorithms

ÖĞÜNÇ ÖZDEMİR

Solving single and parallel machine scheduling problems with sequence dependent setup times using differential evolution based algorithms

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, Endüstri Mühendisliği Ana Bilim Dalı, Türkiye

Tezin Onay Tarihi: 2010

Tezin Dili: İngilizce

Öğrenci: ÖĞÜNÇ ÖZDEMİR

Danışman: ŞEYDA AYŞE YILDIZ

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu tezde, üretim süresinin en aza indirilmesi amacıyla sıra bağımlı hazırlık süreleri olan tek ve paralel makine çizelgeleme problemleri için Diferansiyel Evrim (DE) algoritmasının bir uygulamasını sunuyoruz. Mevcut bilgilerimiz ışığında yapılan bu çalışma paralel makine çizelgeleme probleminde DE sezgiselinin kullanımı için ilk girişimdir.Tek makine çizelgeleme probleminde DE algoritmasının sonuç kalitesi ve hesaba dayalı etkinliğini geliştirmek için iliştirilen, ekleme tabanlı komşuluk arama ve değişken komşuluk arama olarak bilinen iki basit yerel arama metodu, melez bir çözüm tekniği oluşturmak için kullanıldı. TSPLIB'den alınan test problemleri çözülerek, saf DE algoritması melez Diferansiyel Evrim algoritmaları ile kıyaslandı. DE algoritmasının melezlenmesinin çözüm kalitesini geliştirdiği görüldü.DE algoritması, sürekli en iyileme problemlerini çözmek için evrimsel bir en iyileme yöntemidir. Paralel makine problemini çözmek için ilk olarak, DE algoritmasındaki bireyleri temsil etmek üzere Genetik Algoritmadan vektör grup kodlama tekniği uyarlanır. İkinci olarak, DE algoritmasını çizelgeleme problemlerinin çözümünde uygun kılmak için, iş ve makine permutasyonlarına yönelik DE algoritmasındaki bireylerin sürekli değerlerini çevirmek üzere, en büyük sıralama değeri ve alt aralık kodlama kuralları kullanılır. Üçüncü olarak, araştırma tabanlı DE algoritmasından sonra başarımızı arttırmak için etkin bir yerel arama prosedürü uygulanır. Ek olarak, DE algoritmasının performansı, yapıcı bir başlangıç popülasyonu düzenlemesinin görevlendirilmesiyle geliştirilir. Son olarak, önerilen tekniklerin ümit verici sonuçlar verdiğini kanıtlamak için bir hesaplamaya dayalı çalışma yapılmıştır.