دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 2
نویسندگان: Hassan Rashidi. Edward Tsang
سری:
ISBN (شابک) : 1498732534, 9781498732536
ناشر: CRC Press
سال نشر: 2015
تعداد صفحات: 256
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب برنامه ریزی خودرو در اتوماسیون بندر: الگوریتم های پیشرفته برای مشکلات جریان حداقل هزینه ، چاپ دوم: پیش نویس ارائه معماری هنر عکاسی تولید عملیات مدیریت رهبری کسب و کار پول خرید فرآیندهای خرید زیرساخت سیستم های تجزیه و تحلیل طراحی علوم کامپیوتر فناوری کامپیوتر CAD Solidworks گرافیک مالی حسابداری بانکداری ارتباطات توسعه اخلاقیات حقوق اقتصاد کارآفرینی منابع انسانی واقعی منابع بین المللی سرمایه گذاری پایگاه داده هوش مصنوعی
در صورت تبدیل فایل کتاب Vehicle Scheduling in Port Automation: Advanced Algorithms for Minimum Cost Flow Problems, Second Edition به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب برنامه ریزی خودرو در اتوماسیون بندر: الگوریتم های پیشرفته برای مشکلات جریان حداقل هزینه ، چاپ دوم نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
پایانههای کانتینری دائماً برای تنظیم ظرفیت توان عملیاتی خود
برای مطابقت با تقاضای نوسانی به چالش کشیده میشوند. با بررسی
مشکلات بهینهسازی موجود در پایانههای کانتینری امروزی،
زمانبندی خودرو در اتوماسیون بندر: الگوریتمهای
پیشرفته برای مشکلات جریان حداقل هزینه، ویرایش دوم
الگوریتمهای پیشرفتهای را برای مدیریت زمانبندی وسایل نقلیه
هدایتشونده خودکار (AGV) در بنادر ارائه میدهد.
تحقیق گزارششده در این کتاب نشاندهنده یک بسته کامل است که
میتواند به خوانندگان کمک کند تا مشکلات زمانبندی AGV در
بنادر را برطرف کنند. تکنیک های ارائه شده کلی هستند و به راحتی
می توان آنها را با سایر زمینه ها تطبیق داد.
این کتاب برای مقامات بندری و محققان، از جمله متخصصان و
دانشجویان فارغ التحصیل در تحقیقات عملیاتی ایده آل است. برای
متخصصان، الگوریتم های جدید و کارآمدی برای مشکلات جریان شبکه
ارائه می کند. برای دانشآموزان، جامعترین بررسی این حوزه را
همراه با فرمولبندی دقیق مشکلات اتوماسیون پورت ارائه
میکند.
این کتاب به دو بخش تقسیم شده است. بخش اول به بررسی مسائل
مختلف بهینه سازی در پایانه های کانتینری مدرن می پردازد. بخش
دوم الگوریتمهای پیشرفتهای را برای مسئله جریان حداقل هزینه
(MCF) و مسئله زمانبندی AGVs در پورتها شرح میدهد.
این کتاب مسائل بهینهسازی را در پنج تصمیم زمانبندی طبقهبندی
میکند. برای هر تصمیم، یک نمای کلی ارائه میکند، هر یک از
تصمیمها را بهعنوان مسائل رضایت از محدودیت و بهینهسازی
فرمولبندی میکند و سپس راهحلهای ممکن، اجرا و عملکرد را
پوشش میدهد.
این کتاب الگوریتم سیمپلکس پویا، سریعترین الگوریتم را گسترش
میدهد. برای حل مسئله جریان حداقل هزینه، و چهار الگوریتم
پیشرفته جدید را توسعه می دهد. به منظور تأیید و اعتبار
الگوریتمهای ارائهشده، نویسندگان درباره اجرای الگوریتم به
مسئله زمانبندی AGV در پایانههای کانتینری بحث میکنند.
Container terminals are constantly being challenged to adjust
their throughput capacity to match fluctuating demand.
Examining the optimization problems encountered in today’s
container terminals, Vehicle Scheduling in Port
Automation: Advanced Algorithms for Minimum Cost Flow
Problems, Second Edition provides advanced
algorithms for handling the scheduling of automated guided
vehicles (AGVs) in ports.
The research reported in this book represents a complete
package that can help readers address the scheduling problems
of AGVs in ports. The techniques presented are general and
can easily be adapted to other areas.
This book is ideal for port authorities and researchers,
including specialists and graduate students in operation
research. For specialists, it provides novel and efficient
algorithms for network flow problems. For students, it
supplies the most comprehensive survey of the field along
with a rigorous formulation of the problems in port
automation.
This book is divided into two parts. Part one explores the
various optimization problems in modern container terminals.
The second part details advanced algorithms for the minimum
cost flow (MCF) problem and for the scheduling problem of
AGVs in ports.
The book classifies optimization problems into five
scheduling decisions. For each decision, it supplies an
overview, formulates each of the decisions as constraint
satisfaction and optimization problems, and then covers
possible solutions, implementation, and performance.
The book extends the dynamic network simplex algorithm, the
fastest algorithm for solving the minimum cost flow problem,
and develops four new advanced algorithms. In order to verify
and validate the algorithms presented, the authors discuss
the implementation of the algorithm to the scheduling problem
of AGVs in container terminals.
Content: IntroductionObjectives Optimization in Ports Scheduling of AGVs and Development of Advanced Algorithms Structure of Subsequent Chapters Problems in Container Terminals Compartments Operations Decisions to Be Made Allocation of Berths to Arriving Vessels and QCs to Docked Vessels Storage Space Assignment RTGC Deployment Scheduling and Routing of Vehicles Appointment Times to External Trucks Formulations of the Problems and Solutions Allocation of Berths to Arriving Vessels and QCs to Docked Vessels Assumptions Decision Variables and Domains Constraints Objective FunctionStorage Space Assignment Assumptions Decision Variables and Domains Constraints Objective Function RTGC Deployment Assumptions Decision Variables and Domains Constraints Objective Function Scheduling and Routing of Vehicles Assumptions Decision Variables and Domains Constraints Objective Function Appointment Times to External Trucks Assumptions Decision Variables and Domains Constraints Objective Function Container Terminals over the World, a Survey Survey on Simulation, Implementation, Solution Methods, and Evaluation Simulation and Setting the Parameters Selecting an Architecture Solution Methods, a Survey Evaluation and Monitoring Summary and Conclusion Vehicle Scheduling: A Minimum Cost Flow Problem Reasons to Choose This Problem Assumptions Variables and Notations MCF Model Graph Terminology Standard Form of the MCF Model Applications of the MCF Model Special Case of the MCF Model for AGV Scheduling Nodes and Their Properties in the Special Graph Arcs and Their Properties in the Special Graph MCF-AGV Model for the AGV Scheduling Summary and ConclusionNetwork Simplex: The Fastest Algorithm Reasons to Choose NSA Network Simplex AlgorithmSpanning Tree Solutions and Optimality Conditions Steps of NSA Difference between NSA and Original Simplex Short Literature over Pricing Rules Strongly Feasible Spanning Tree Simulation Software Features of Our Software Implementation of NSA in Our Software How the Program Works Circulation Problem Experimental Results Estimate of the Algorithm\'s Complexity in Practice Limitation of the NSA in Practice Summary and Conclusion Network Simplex Plus: Complete Advanced Algorithm MotivationNetwork Simplex Plus Algorithm Anti-Cycling in NSA+Memory Technique and Heuristic Approach in NSA+ Differences between NSA and NSA+ Comparison between NSA and NSA+ Statistical Test for the Comparison Complexity of NSA+ Software Architecture for Dynamic Aspect Experimental Results from the Dynamic Aspect Summary and Conclusion Dynamic Network Simplex: Dynamic Complete Advanced Algorithm Motivation Classification of Graph Algorithms and Dynamic Flow Model Dynamic Network Simplex Algorithm Data Structures Memory Management DNSA and DNSA+ Software Architecture for Dynamic Aspect Comparison between DNSA+ and NSA+Statistical Test for the ComparisonComplexity of the Algorithm Summary and Conclusion Greedy Vehicle Search: An Incomplete Advanced Algorithm Motivation Problem Formalization Nodes and Their Properties in the Incomplete Graph Arcs and Their Properties in the Incomplete Graph Special Case of the MCF-AGV Model for AGV Scheduling Algorithm Formalization Software Architecture for Dynamic Aspect Comparison between GVS and NSA+ and Quality of the Solutions Statistical Test for the Comparison Complexity of GVS Complexity of GVS for Static Problems Complexity of GVS for Dynamic Problems Discussion over GVS and Meta-Heuristic Summary and Conclusion Multi-Load and Heterogeneous Vehicle Scheduling: Hybrid Solutions Motivation Assumptions and Formulation Assumptions Formulation Decision Variable Constraints and Objective Function Solutions to the ProblemSAM for the Multi-Load AGVs Hybrid of SAM and NSA for Heterogeneous AGVs Experimental Results Summary and Conclusion Conclusions and Future Research Summary of This Research Done Observations and Conclusions Research ContributionsFuture Research Scheduling and Routing of the Vehicles Economic and Optimization Model Other Possible Extension Appendix: Information on the Web References Index