Hybridizing a multi-objective simulated annealing algorithm with a multi-objective evolutionary algorithm to solve a multi-objective project scheduling problem

      دانلود مقاله در فرمت پی دی اف

 مشاهده مقالاتی که بسیار مرتبط با این مقاله هستند

 جستجو و دانلود کتاب های مرتبط با این مقاله از سایت بوک یار

     ترجمه فارسی را دوزبانه مشاهده کنید

  این ترجمه کامپیوتری بوده و نیاز به ویرایش دارد

Abstract: In this paper, a multi-objective project scheduling problem is addressed. This problem considers two conflicting, priority optimization objectives for project managers. One of these objectives is to minimize the project makespan. The other objective is to assign the most effective set of human resources to each project activity. To solve the problem, a multi-objective hybrid search and optimization algorithm is proposed. This algorithm is composed by a multi-objective simulated annealing algorithm and a multi-objective evolutionary algorithm. The multi-objective simulated annealing algorithm is integrated into the multi-objective evolutionary algorithm to improve the performance of the evolutionary-based search. To achieve this, the behavior of the multi-objective simulated annealing algorithm is self-adaptive to either an exploitation process or an exploration process depending on the state of the evolutionary-based search. The multi-objective hybrid algorithm generates a number of near non-dominated solutions so as to provide solutions with different trade-offs between the optimization objectives to project managers. The performance of the multi-objective hybrid algorithm is evaluated on nine different instance sets, and is compared with that of the only multi-objective algorithm previously proposed in the literature for solving the addressed problem. The performance comparison shows that the multi-objective hybrid algorithm significantly outperforms the previous multi-objective algorithm.

Keywords: Multi-objective project scheduling, Multi-objective hybrid algorithm, Multi-objective simulated annealing algorithm, Multi-objective evolutionary algorithm, Non-dominated solutions,

ترجمه چکیده : در این مقاله، یک مشکل برنامه ریزی پروژه چند هدفه پرداخته است. این مشکل دو متضاد، اهداف بهینه سازی اولویت برای مدیران پروژه در نظر می گیرد. یکی از این اهداف به حداقل رساندن makespan پروژه. هدف دیگر این است که تعیین مجموعه ای موثر از منابع انسانی برای هر فعالیت پروژه. برای حل این مشکل، یک الگوریتم جستجوی دوگانه چند هدف و بهینه سازی ارائه شده است. این الگوریتم توسط یک الگوریتم چند هدفه بازپخت شبیه سازی شده و یک الگوریتم تکاملی چند هدفه تشکیل شده است. چند هدفه الگوریتم بازپخت شبیه سازی شده است به الگوریتم تکاملی چند هدفه یکپارچه به منظور بهبود عملکرد جستجو تکاملی مبتنی بر. برای رسیدن به این، رفتار چند هدفه الگوریتم بازپخت شبیه سازی شده به یکی از دو فرآیند بهره برداری و یا یک فرایند اکتشاف در کشور از جستجو تکاملی مبتنی بر تطبیقی ​​خود است. الگوریتم ترکیبی چند هدف تولید تعدادی از راه حل در نزدیکی غیر تحت سلطه تا که به ارائه راه حل های مختلف تجارت آف بین اهداف بهینه سازی برای مدیران پروژه. عملکرد الگوریتم ترکیبی چند هدفه در نه مجموعه مثال های مختلف مورد ارزیابی، و با تنها الگوریتم چند هدفه قبلا در ادبیات برای حل این مشکل پرداخته ارائه شده مقایسه شده است. مقایسه عملکرد نشان می دهد که الگوریتم ترکیبی چند هدف به طور قابل توجهی از الگوریتم چند هدفه قبلی بهتر. (این متن توسط ماشین ترجمه شده است لذا ممکن است نیاز به ویرایش داشته باشد)