دانلود ترجمه مقاله زمان بندی چند پروژه ای کنش گرا و واکنش گرا در محیط نامطمئن

1. مقدمه 2. مروری بر مقالات 3. استراتژی های تنظیم بافر 4. ایجاد مدل زمانبندی چند پروژه ای کنش گرا و واکنش گرا 5. طراحی الگوریتم تبرید شبیه سازی شده ژنتیکی 6. آزمایش و شبیه سازی 7. نتیجه گیری

چکیده – در این تحقیق، مسئله زمان بندی چند پروژه ای کنش گرا و واکنش گرا مورد بررسی قرار می گیرد. این مسئله، در مورد تأثیرات عوامل عدم قطعیت است که به انحراف بین زمان بندی واقعی و زمان بندی خط مبنا منجر شده و یک استراتژی بازیابی جهت ایجاد یک برنامه زمان بندی خط مبنا ایجاد می شود. همچنین این مطالعه یک زیر مدل زمان بندی چند پروژه ای کنش گرا را معرفی می کند. زمانیکه فعالیت متوقف می شود، از برنامه زمان بندی کنش گرا به عنوان برنامه زمان بندی خط مبنا استفاده می شود که در زمان بندی واکنش گرا تعبیه شده است و سپس، زیر مدل زمان بندی واکنش گرا ایجاد می شود. مدل پیشنهادی می تواند برای ایجاد برنامه های زمانی جایگزین استفاده شود و برای تأمین این نیاز ، الگوریتم تبرید شبیه سازی شده ژنتیکی پیشنهاد شده است. یک عملگر تغییر بافر (SC) و یک عملگر ترکیب در یک الگوریتم تبرید شبیه سازی شده ژنتیکی طراحی شده اند تا در مراحل اولیه الگوریتم ، یک نمونه بهینه ایجاد و محافظت شود. مقایسه عملکرد نشان می دهد که الگوریتم تبرید شبیه سازی شده ژنتیکی به طور قابل توجهی نسبت به الگوریتم های قبلی از عملکرد بهتری برخوردار است.

In this paper, a proactive and reactive multi-project scheduling problem is addressed. This problem is related to the influences of uncertain factors, which leads to a deviation between actual scheduling and baseline scheduling, and a recovery strategy is established in order to generate a baseline scheduling scheme. This paper introduces a proactive multi-project scheduling sub-model. When the activity is interrupted, the proactive scheduling scheme is used as the baseline scheduling scheme, which is embedded in the reactive scheduling, and then, the reactive scheduling sub-model is established. The proposed model can be used to generate alternative schedules, and to meet this need, a genetic simulated annealing algorithm is proposed. A buffer change operator (SC) and a crossover operator are designed in a genetic simulated annealing algorithm so that in the early stages of the algorithm, an optimum individual is produced and protected. The performance comparison shows that the genetic simulated annealing algorithm significantly outperforms the previous algorithms.

ترجمه این مقاله در 23 صفحه آماده شده و در ادامه نیز صفحه 8 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.