دانلود ترجمه مقاله الگوریتم تبرید شبیه سازی شده سریع در ترکیب با فرآیند فرونشانی

1. مقدمه 2. تعریف مساله 3. روش ترکیبی پیشنهادی 4. نتایج تجربی و بحث پیرامون آنها 5. نتیجه گیری و پژوهش های آینده

چکیده – روش های ابتکاری مختلفی در مقالات مختلف برای حل بهینه ی مسأله ی زمان بندی مغازه کارها ارائه شده است (JSSP ). در این پژوهش، رویکردی جدید پیشنهاد شده که الگوریتم تبرید شبیه سازی شده سریع (FSA ) با فرآیند کوئنچ کردن را ترکیب کرده است. الگوریتم پیشنهادی، از FSA برای جستجوی کلی و از کوئنچ کردن برای جستجوی محلی در همسایگی راه حل های موجود استفاده می کند در حالی که لیست تابو برای محدود کردن فضای جستجو از راه حل های قبلاً کشف شده، مورد استفاده قرار می گیرد، FSA با دمایی نسبتاً بالا شروع به کار می کند و هر چقدر که فرآیند جستجو پیشرفت می کند، دما به تدریج کاهش یافته و به صفر نزدیک می شود. بهترین راه حل (BS ) کلی، در طول اجرای الگوریتم حفظ می شود. اگر هیچ پیشرفتی در طول BS برای تعداد مشخصی از تکرارها دیده نشد، چرخه ی فرونشانی فراخوانی می گردد. در طول چرخه ی فرونشانی، دمای فعلی تا نقطه ی انجماد کاهش می یابد و تکرارها پیوسته افزایش می یابند، و این جستجوی تغییرات همگراتر می گردد. توانایی الگوریتم پیشنهادی حتی در فرآیند فرونشانی نیز مشخص می گردد و این به دلیل استفاده از توزیع احتمال کوشی و دمای غیر صفر می باشد. در طی تکمیل سیکل فرونشانی، مقادیر قبلی پارامترهای جستجو بازیابی شده و FSA اجرا می گردد، طوری که فرآیند جستجو را به فضای راه حل انتقال می دهد. کارآمدی الگوریتم پیشنهادی با حل 88 مسأله ی معیار مشخص می گردد. این مسائل در این پژوهش ارائه شده اند. الگوریتم پیشنهادی قادر است تا 45 مسأله را به طور بهینه با بهترین مقادیر ممکن و در زمانی معقول حل کند. نتایج تجربی نشان می دهند که الگوریتم پیشنهادی در یافتن راه حل برای JSSP، کارآمد می باشد.

Various heuristic based methods are available in literature for optimally solving job shop scheduling problems (JSSP). In this research work a novel approach is proposed which hybridizes fast simulated annealing (FSA) with quenching. The proposed algorithm uses FSA for global search and quenching for localized search in neighborhood of current solution, while tabu list is used to restrict search from revisiting previously explored solutions. FSA is started with a relatively higher temperature and as search progresses temperature is gradually reduced to a value close to zero. The overall best solution (BS) is maintained throughout execution of the algorithm. If no improvement is observed in BS for certain number of iterations then quenching cycle is invoked. During quenching cycle current temperature is reduced to nearly freezing point and iterations are increased by many folds, as a result of this change search becomes nearly greedy. The strength of the proposed algorithm is that even in quenching mode escape from local optima is possible due to use of Cauchy probability distribution and non-zero temperature. At the completion of quenching cycle previous values of search parameters are restored and FSA takes over, which moves search into another region of solution space. Effectiveness of proposed algorithm is established by solving 88 well known benchmark problems taken form published work. The proposed algorithm was able to solve 45 problems optimally to their respective best known values in reasonable time. The proposed algorithm has been compared with 18 other published works. The experimental results show that the proposed algorithm is efficient in finding solution to JSSP.