بهینه سازی منبع با استفاده از شبیه‌سازی تركیب یافته و الگوریتم ژنتیك

مقاله بهینه سازی منبع با استفاده از شبیه‌سازی تركیب یافته و الگوریتم ژنتیك در 27 صفحه ورد قابل ویرایش

بهینه سازی منبع با استفاده از شبیه‌سازی تركیب یافته و الگوریتم ژنتیك

خلاصه

این مقاله، توسط تركیب كردن فلوچارت ( نمودار گردش كار) براساس ابراز شبیه سازی با یك روش بهینه سازی ژنتیك قدرتمند، یك روش را برای بهینه سازی منبع نشان می دهد.روش ارائه شده، كمترین هزینه،و بیشترین بازده را ارائه میدهد، وبالاترین نسبت سودمندی را در عملكردهای ساخت و تولید فراهم می آورد. به منظور یكپارچگی بیشتر بهینه سازی منبع در طرح ریزی های ساخت،مدلهای شبیه سازی بهینه یافته (GA) الگوریتم های ژنتیكی گوناگون،عموماً با نرم افزارهای مدیریت پروژه بكار رفته شده ادغام می شوند. بنابراین، این مدلها از طریق نرم افزار زمان بندی فعال می شوند و طرح را بهینه می سازند.نتیجه، یك ساختار كاری تقلیل یافته سلسله مراتبی در رابطه با مدلهای همانندی سازی بهینه یافته GA است. آزمایشات گوناگون بهینه سازی با یك سیستم در دو مورد مطالعه، توانایی آن را برای بهینه ساختن منابع در محدوده محدودیتهای واقعی مدلهای همانند سازی آشكار كرد. این الگو برای كاربرد بسیارآسان است و می تواند در پروژه های بزرگ بكار رود. براساس این تحقیق، همانندسازی كامپیوتر وا لگوریتمهای ژنتیك ،می توانند یك تركیب موثر برای بهبود دادن بازده و صرفه جویی در زمان وساخت و هزینه ها باشند.

مقدمه

این امر كاملاً آشكار شده است كه بازده كاری پایین ،عدم آموزش، و كاهش تعداد معاملات، چالشهای بحرانی هستند كه صنعت ساختمان( ساخت) با آن روبرو خواهد شد.

بهره دهی یا قدرت تولید در رابطه با مطالعه ها، برای مثال،دلالت بر زمان بیكاری (بیهودة) كاربران در ساخت(تولید) دارد كه این زمان از 20 تا 45% متغیر است. این اتلاف وقت ، كه از طریق منابع ناكارآمد و طرح ریزیهای غیربسنده( نامناسب) ناشی می شود، تاثیر و پیامد فوق العاده ای در هزینه های ساخت دارد. همچنین، پیماناكاران كه مهارتهای مدیریتی منابع كارآمد را ندارند، این رقابت كردن در بازارهای ساخت جهانی كه آنها د ر آن فرصتها بسیاری را خواهند یافت، برای آنها كاری بس دشوار خواهد بود.

با ایجاد تجهیزات و نیروی كار برای امر ساخت و تولید، این امر آشكار است كه تدبیرهای كاربرد نیروی كار متناوب و كاربرد بهتر از منابع كاری موجود، به منظور بهبود دادن،بهره دهی كاری و كاهش هزینه های ساخت، مورد نیاز است. استفاده كارآمد از منابع پروژه، هزینه های ساخت را برای مالكان و مصرف كنندگان كاهش می دهد، و در عین حال سودمندیهایی را برای پیمانكاران افزایش می دهد. با این وجود،برخی فاكتورها وجود دارند كه ،مدیریت منبع را امر دشواری می سازند، این فاكتورها در مراحل زیر توضیح داده شده اند:

-    سیاست جداسازی مدیریت منبع:در ادبیات، محققان گوناگون، تعدادی تكنیكها را برای پرداختن به جنبه های فردی مدیریت منبع، همانند تخصیص منبع، سطح بندی منبع، مدیریت نقدینگی، و تجزیه و هزینه و زمان معاملات (TCT) ، ارائه داده اند. مطالعات تالبوت و پترسون(1979) و گاولیش و پیركون (1991)، برای مثال، به تخصیص منابع مربوط بود ، در حالیكه بررسیهای Easa (1989) و Shah et al (1993) به سطح بندی و تراز كردن منابع می پرداخت روشهای دیگر ، تنها روی تجزیه TCT متمركز شدند. همانطوریكه این بررسیها سودمند واقع شدند، آنها به ویژگیهای مجزایی پرداختند كه یكی پس از دیگری برای پروژه ها بكار برده می شدند ( نه بطور همزمان) . بوسیله پیچیدگی اساسی پروژه ها و مشكلاتی در رابطه با الگوبرداری تمام ویژگیهای تركیب یافته، تلاش بسیار كمی برای بهینه سازی منابع تركیب شده به عمل آمد.

مدلهای همانندسازی بهینه سازی شده الگوریتم های ژنتیك

این مدلهای همانندسازی نشان داده شده در قبل، قادرند كه اجرای فرآیند را در هنگام تغذیه شدن مدلها با مجموعه منابع منطقی تجزیه نمایند. معمولاً یك روش آزمون وخطا برای آزمایش تركیبات منبع گوناگون در تلاش برای بهبود راه حل، یا كیفیتهای خروجی مدلهای همانندسازی بكار برده می‌شود.با این وجود ، روش آزمون وخطا ، ممكن است یك راه حل منطقی را آشكار نماید، آن می تواند وقت گیر باشد و یك راه حل بهینه و ارائه تعداد وسیعی تركیبات منبعی ممكن را تضمین ننماید. به این منظور الگوریتم ژنتیك (Gas) بطور موفقیت آمیزی بصورت یك مكانیزم تحقیقی قدرتمند برای راه حلهای تقریباً‌بهینه در مشكلات بسیار بزرگ بكار برده می‌شود.

روش الگوریتم های ژنتیك برای مدلهای همانند سازی

سودمندی كاربردی الگوریتم های ژنتیك، با مدلهای همانندسازی، بررسی تحقیق یك مجموعه منبعهای بهینه است، كه هزینه و تولید را تحت محدودیتهای گوناگون در رابطه با تولید مطلوب،وضعیتهای كار،و محدودیتهای موجودیت منبع بهینه می سازد. با

الگوریتمهای ژنتیك وسیع بكار برده شده تقریباً در هر دامنه‌ای،برخی مرجعها در ساخت،اطلاعات زمینه ای مفصل وروشهای مرحله به مرحله را فراهم می نمایند.

روش Gas كه بهینه سازی منابع درمدلهای همانندسازی مناسب است ، همانند دو مثال زیر،شامل پنج مرحله اصلی به شرح زیر می باشد:

-         مرحله (1) : تعریف یك راه حل

یك راه حل برای بهینه سازی مشكل، توسط مجموعه ای از روشها (مقدارهای منابع) در رابطه با متغیرهای مشكل(تعداد متغیرها = تعداد انواع منابع) نشان داده می‌شود.آرایش Gas كه راه حلی را در یك رشته با نام كروموزوم تنظیم می كند، دارای تعدادی عناصر (ژن ها) است كه تعداد متغیرها را نشان میدهد.(شكل3)

-          مرحله (2) :تنظیم متغیرها ،تابع هدف ، ومحدودیت ها

-    متغیرها: متغیرها، مقدار (ارزش) هر منبع بر كاربرد می باشند ( برای مثال، مقدار داخل هر ژن)، همانطوركه در ساختار كروموزوم شكل (3)نشان داده شده است.

برچسب ها : بهینه سازی منبع با استفاده از شبیه‌سازی تركیب یافته و الگوریتم ژنتیك , تحقیق بهینه سازی منبع با استفاده از شبیه‌سازی تركیب یافته و الگوریتم ژنتیك , پروژه بهینه سازی منبع با استفاده از شبیه‌سازی تركیب یافته و الگوریتم ژنتیك , مقاله بهینه سازی منبع با استفاده از شبیه‌سازی تركیب یافته و الگوریتم ژنتیك , دانلود تحقیق بهینه سازی منبع با استفاده از شبیه‌سازی تركیب یافته و الگوریتم ژنتیك , پروژه , پژوهش , مقاله , جزوه , تحقیق , دانل