این ترجمه مقاله را با دوستان خود به اشتراک بگذارید.

این مطالعه‌ی تجربی در مسئله طرح تأسیسات نشان می‌دهد که الگوریتم پیشنهادی قادر به گرفتن جنبه‌هایی است که تصمیم گیرنده تمایل دارد تا این جنبه‌ها در راه‌حل باشند.

عنوان اصلی مقاله: اداره‌ی جنبه‌های کیفی مسئله‌ی طرح تأسیسات با مساحت نابرابر: یک الگوریتم ژنتیک تعاملی

چکیده

مسئله‌ی طرح تأسیسات مساحت نابرابر  (UA-FLP) به شیوه‌های مختلفی مورد توجه قرار گرفته است. با این حال، UA-FLP تنها برای معیارهایی که می‌توانند کمی (قابل شمارش) باشند حل شده است. رویکرد ما شامل خصوصیاتی ذهنی در UA-FLP است، که در نظر گرفتن آنها با بهینه‌سازی اکتشافی سنتی‌تر سخت است. در این رابطه، ما یک الگوریتم ژنتیک تعاملی (IGA) پیشنهاد نموده‌ایم که اجازه‌ی تعامل بین الگوریتم و تصمیم‌گیرنده (DM) را می‌دهد. شامل شدن دانش DM در این رویکرد فرآیند جستجو را هدایت کرده، و این فرآیند را با ترجیحات وی در هر نسل از الگوریتم تطبیق می‌دهد. در این تحقیق، ما به موضوع کمک به DM در یافتن یک راه‌حل خوب با توجه به معیاری که می‌تواند: ذهنی، ناشناخته در ابتدا یا متغیر در طول فرآیند باشد، توجه می‌کنیم، به این ترتیب، مسئله با رویکرد متفاوتی نسبت به مسئله‌ی بهینه‌سازی سنتی بررسی می‌گردد. به منظور اجتناب از سرباری DM، کل جمعیت با استفاده از الگوریتم خوشه‌بندی c-means فازی به خوشه‌هایی دسته‌بندی شده‌اند و فقط یک عنصر نماینده از هر خوشه مستقیماً توسط DM مورد ارزیابی قرار می‌گیرد. حافظه‌ی بهترین راه‌حل‌های انتخاب شده توسط DM به عنوان یک مرجع نگهداری می‌شود. آزمایشات انجام شده نشان می‌دهند که IGA پیشنهاد شده قادر به گرفتن ترجیحات DM می‌باشد.

شاید این مقاله هم به دردتان بخورد  رایانش ابری قابلیت همکاری استانداردسازی و شبکه‌ی نسل آینده

معرفی مسئله طرح تأسیسات

طراحی طرح تأسیسات (FLD) مکان‌یابی تأسیسات در یک کارخانه‌ی تولیدی با هدف تعیین کارآمدترین آرایش با توجه به برخی معیارها یا اهداف، تحت محدودیت‌های خاص را معین می‌کند. FLD در بهره‌وری تولید بسیار اهمیت دارد [۱] زیرا به طور مستقیم بر هزینه‌های تولید اثر گذاشته، زمان را هدایت نموده، در فرآیند و بهره‌وری کار می‌کند. تأسیساتی که طرح‌بندی خوبی داشته باشند در بهره‌وری کلی عملیات سهیم بوده و می‌توانند هزینه‌های عملیاتی کل را بین ۲۰ تا ۵۰ درصد کاهش دهند [۲]. انواع زیادی از مسائل طرح‌بندی وجود دارند؛ این مسائل توسط Kusiak و Heragu [3] و Drira و همکاران [۴] دسته‌بندی شده‌اند. در این مقاله، ما بر روی مسئله‌ی طرح تأسیسات مساحت نابرابر (UA-FLP) متمرکز می‌شویم که توسط Armour و Buffa [5] فرموله شده است. به طور خلاصه، UA-FLP طرح‌بندی یک کارخانه‌ی مستطیل شکل را در نظر می‌گیرد که از تأسیسات مستطیل شکل نابرابری ساخته شده که باید به طور کارآمدی در این کارخانه قرار بگیرند (مکان‌یابی شوند).

مسئله طرح تأسیسات

مسئله طرح تأسیسات

اکثر محققین با استفاده از معیارهای عملکرد کمی (به عنوان مثال، هزینه‌ی حمل مواد، روابط نزدیکی یا دوری، نیازمندی‌های مجاورتی و نسبت ابعاد)، که در یک رویکرد بهینه‌سازی مورد استفاده قرار می‌گیرند، به این مسئله پرداخته‌اند. با این حال، این رویکردها، شاید به قدر کافی همه‌ی اطلاعات غیر کمی مرتبط که بر یک کارشناس انسانی درگیر در طراحی (به عنوان مثال، مهندسین) اثر می‌گذارند را بیان نکنند [۶]. در این رابطه، خصوصیات کیفی باید مورد توجه قرار بگیرد [۷]، برای نمونه، ترجیحاتی درباره‌ی مکان تأسیسات خاص، توزیع بقیه‌ی فضا، مکان‌یابی نسبی تأسیسات، یا هرگونه ملاحظات ذهنی دیگری که می‌تواند برای تصمیم گیرنده (DM) مهم باشد. شامل شدن چنین خصوصیات کیفی‌ای با اکتشاف کلاسیک یا بهینه‌سازی ابر اکتشاف پیچیده می‌باشد [۸]. علاوه بر این، این خصوصیات کیفی می‌توانند: ذهنی، ناشناخته در ابتدا یا متغیر در طول فرآیند باشند. به طوری که، آنها نمی‌توانند به عنوان یک تابع هدف مسئله‌ی بهینه‌سازی کلاسیک فرموله شوند. در نتیجه، مشارکت DM برای در نظر گرفتن چنین ملاحظات کیفی‌ای در طراحی ضروری می‌باشد. به علاوه، درگیر شدن DM در این فرآیند مزایای اضافه‌ی دیگری هم دارد، نظیر: شامل شدن دانش تخصصی، یافتن یک راه‌حلی که DM را راضی نماید (اما این الزاماً یک راه‌حل اختیاری نیست) [۹, ۱۰]، یافتن بهترین راه‌حل مصالحه‌ای وقتی که تداخلی میان اهداف یا محدودیت‌ها وجود دارد [۱۱]، کمک به الگوریتم در هدایت فرآیند جستجو به سمت ترجیحات کاربر [۱۲ – ۱۴]، از بین بردن نیاز به مشخص کردن همه‌ی اطلاعات ترجیحات مورد نیاز از قبل، دادن این توانایی به DM  که ترجیحات خاص خود را بداند [۱۱]؛ تحریک خلاقیت کاربر [۱۵]، و به دست آوردن راه‌حل‌های اصیل، نوآورانه و عملی.

شاید این مقاله هم به دردتان بخورد  امنیت سایبری | به سوی یک اکوسیستم سایبری امن و پایدار

Abstract

The Unequal Area Facility Layout Problem (UA-FLP) has been addressed using several methods. However, the UA-FLP has only been solved for criteria that can be quantified. Our approach includes subjective features in the UA-FLP, which are difficult to take into account with a more classical heuristic optimization. In this respect, we propose an Interactive Genetic Algorithm (IGA) that allows an interaction between the algorithm and the Decision Maker (DM). Involving the DM’s knowledge in the approach guides the search process, adjusting it to his/her preferences at each generation of the algorithm. In this paper, we are concerned with assisting the DM in finding a good solution according with criteria that can be: subjective, unknown at the beginning or changed during the process, so that, the problem addressed differs from a classic optimization problem. In order to avoid overloading the DM, the whole population is classified into clusters by the fuzzy c-means clustering algorithm and only one representative element of each cluster is directly evaluated by the DM. A memory of the best solutions chosen by the DM is kept as a reference. The tests carried out show that the proposed IGA is capable of capturing DM preferences.

این ترجمه مقاله را با دوستان خود به اشتراک بگذارید.

درباره احسان رضایی

سفارش ترجمه آنلاین خدمات ترجمه مقاله isi به صورت فوری کاهش هزینه و زمان در سفارش ترجمه آنلاین

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *