مقاله انگلیسی برآورد ترکیبی الگوریتم توزیع برای حل مسئله چیدمان تک ردیفی امکانات با ترجمه فارسی

 

دانلود رایگان مقاله انگلیسی PDF + خرید ترجمه آماده و تایپ شده ورد

 

مشخصات مقاله انگلیسی به همراه ترجمه فارسی
عنوان فارسی مقاله

برآورد ترکیبی الگوریتم توزیع برای حل مسئله چیدمان تک ردیفی امکانات

عنوان انگلیسی مقاله

Hybrid Estimation of Distribution Algorithm for solving Single Row Facility Layout Problem

چاپ شده در

مجله الزویر – Elsevier

سال انتشار

سال ۲۰۱۳

 

قسمتی از متن مقاله
بخشی از ترجمه فارسی

چکیده

مسئله موقعیت یابی چیدمان امکانات در یک خط مستقیم به عنوان مسئله چیدمان تک ردیفی امکانات (SRFLP) شناخته شده است. هدف از SRFLP، که به عنوان مسئله کامل NP طبقه بندی می شود، آرایش چیدمان است به طوری که مجموع فواصل بین هر جفت از تمام امکانات بتوان به حداقل رساند.

برآورد الگوریتم توزیع (EDA) به طور موثر کیفیت راه حل را در چند اجرا بهبود می دهد، اما از دست دادن تنوع با تکرار بیشتر به سرعت بیشتر می شود. برای حفظ تنوع، ترکیب با الگوریتم های فراابتکاری نیاز است. این پژوهش برآورد ترکیبی از الگوریتم توزیع (EDAhybrid) را پیشنهاد می دهد، یک الگوریتم که متشکل از ترکیب EDA، بهینه سازی ازدحام ذرات (PSO)، و جستجوی ممنوع است. یکی دیگر از الگوریتم های ترکیبی، الگوریتم ژنتیک کروموزوم های مصنوعی گسترش یافته (eACGA) است که همچنین به عنوان معیار ساخته شده است. عملکرد EDAhybrid در ۱۵ مسئله محک زنی SRFLP آزمایش شده است و با موفقیت به راه حل مطلوب دستیابی پیدا می کند. علاوه بر این، نرخ های میانگین خطای EDAhybrid همیشه در مقایسه با الگوریتم های دیگر به کمترین مقدار می رسد.

SRFLP را می توان با در نظر گرفتن محدودیت های بیشتری ارتقا داد، پس از آن SRFLP ارتقا می یابد. نتایج محاسباتی نشان می دهد که EDAhybrid می تواند SRFLP پیشرفته را به طور موثر حل نماید. بنابراین، ما می توانیم نتیجه بگیریم که EDAhybrid یک الگوریتم فراابتکاری امیدوار کننده است که می تواند برای حل SRFLP کلی و ارتقا یافته مورد استفاده قرار گیرد.

بخشی از متن انگلیسی

Abstract

The layout positioning problem of facilities on a straight line is known as Single Row Facility Layout Problem (SRFLP). The objective of SRFLP, categorized as NP Complete problem, is to arrange the layout so that the sum of distances between all facilities’ pairs can be minimized. Estimation of Distribution Algorithm (EDA) efficiently improves the solution quality in first few runs, but the diversity loss grows rapidly as more iterations are run. To maintain the diversity, hybridization with metaheuristic algorithms is needed. This research proposes Hybrid Estimation of Distribution Algorithm (EDAhybrid), an algorithm which consists of hybridization of EDA, Particle Swarm Optimization (PSO), and Tabu Search. Another hybridization algorithm, extended Artificial Chromosomes Genetic Algorithm (eACGA), is also built as benchmark. EDAhybrid’s performance is tested in 15 benchmark problems of SRFLP and it successfully achieves optimum solution. Moreover, the mean error rates of EDAhybrid always get the lowest value compared to other algorithms. SRFLP can be enhanced by considering more constraints, so it becomes enhanced SRFLP. Computational results show that EDAhybrid can also solve Enhanced SRFLP effectively. Therefore, we can conclude that EDAhybrid is a promising metaheuristic algorithm which can be used to solve the basic and enhanced SRFLP.

 

باکس دانلود مقاله
دانلود رایگان مقاله انگلیسی با فرمت pdf

دانلود رایگان مقاله انگلیسی

خرید ترجمه آماده به صورت تایپ شده با فرمت ورد doc

خرید ترجمه آماده ورد

 

 

دیدگاهتان را بنویسید

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