ترکیبی مبتنی بر الگوریتم ژنتیک و شبکه عصبی برای مساله کار کارگاهی در شرایط عدم قطعیت

زمانبندی در واقع به تخصیص منابع در طول زمان برای اجرای مجموعه ای از کارها در وضعیت های مختلف می پردازد. فرض روش های استاندارد برنامه ریزی و زمانبندی آن است که اجرای برنامه در یک شرایط قطعی و معین اتفاق می افتد، در حالی است که امروزه تقریبا اکثر محیط های تولیدی دارای حالت عدم قطعیت می باشند. عدم قطعیت را می توان به دو دسته کلی رخداد تصادفی مربوط به کارها(شامل مشخص نبودن زمان پردازش کارها، لغو سفارش و ...) و رخداد تصادفی مربوط به منابع (شامل خرابی ماشین آلات، تاخیر در دریافت مواد اولیه و...) تقسیم بندی نمود. در این تحقیق به حل مساله زمانبندی کار کارگاهی در مواجهه با عدم قطعیت در زمان پردازش کارها با استفاده از الگوریتم ژنتیک پرداخته شده است. در حالت عدم قطعیت از شبکه عصبی برای یادگیری زمان پردازش کارها استفاده شده است که این زمان پردازش از یک تابع توزیع احتمال پیروی می کند. در ادامه الگوریتم ژنتیک به منظور یافتن توالی بهینه به کار گرفته می شود. نتایج محاسباتی نشان می دهد که رویکرد پیشنهادی قادر است راه حل های نزدیک بهینه را با زمان محاسباتی قابل قبولی بدست آورد که این خود بیانگر مناسب بودن رویکرد پیشنهادی میباشد.