Multiobjective Scheduling by Genetic Algorithms

زمان‌بندی چند هدفه توسط الگوریتم‌های ژنتیک روش‌هایی را برای توسعه راه‌حل‌های چندهدفه برای مدل‌سازی معادلات زمان‌بندی تولید رایج در ادبیات به‌عنوان کارگاه‌های جریان، کارگاه‌ها و فروشگاه‌های باز توضیح می‌دهد. روش شناسی فراابتکاری است، روشی که الهام گرفته از چگونگی تکامل طبیعت بسیاری از گونه های موجودات زنده روی زمین است.
کارگاه‌های چندهدفه، کارگاه‌ها و مغازه‌های باز هر یک مدل‌های بسیار مرتبط در تولید، برنامه‌ریزی کلاس درس یا مونتاژ خودرو هستند، اما به دلیل عدم وجود روش‌های صحیح، تقریباً تا به امروز دست نخورده باقی مانده‌اند. این متن نشان می‌دهد که چگونه روش‌هایی مانند ElitistAlgorithm Genetic Sorting Nodominated (ENGA) می‌توانند مجموعه‌ای از راه‌حل‌های بهینه پارتو را برای آنها بیابند. همچنین بر ارزش هیبریدسازی گاز با هر دو روش تولید محلول و بهبود محلول تاکید می کند. این پژوهش بنیادی را در مورد چنین روش‌هایی پیش‌بینی می‌کند، که به‌شدت دسترسی رو به رشد روش‌های فراابتکاری را تقویت می‌کند.
بنابراین این کتاب برای دانشجویان مهندسی صنایع، تحقیقات عملیات، مدیریت عملیات و علوم کامپیوتر و همچنین شاغلین در نظر گرفته شده است. همچنین ممکن است به توسعه ابزارهای نرم‌افزار مدیریت فروشگاهی کارآمد برای برنامه‌ریزان و برنامه‌ریزان تولید که به طور طبیعی با اهداف برنامه‌ریزی و عملیاتی متعددی روبرو هستند، کمک کند.

Multiobjective Scheduling by Genetic Algorithms describes methods for developing multiobjective solutions to common production scheduling equations modeling in the literature as flowshops, job shops and open shops. The methodology is metaheuristic, one inspired by how nature has evolved a multitude of coexisting species of living beings on earth.
Multiobjective flowshops, job shops and open shops are each highly relevant models in manufacturing, classroom scheduling or automotive assembly, yet for want of sound methods they have remained almost untouched to date. This text shows how methods such as ElitistNondominated Sorting Genetic Algorithm (ENGA) can find a bevy of Pareto optimal solutions for them. Also it accents the value of hybridizing Gas with both solution-generating and solution-improvement methods. It envisions fundamental research into such methods, greatly strengthening the growing reach of metaheuristic methods.
This book is therefore intended for students of industrial engineering, operations research, operations management and computer science, as well as practitioners. It may also assist in the development of efficient shop management software tools for schedulers and production planners who face multiple planning and operating objectives as a matter of course.