فایل ترجمه شده ترجمه مقاله انگلیسی GENETIC ALGORITHM AND NEURAL NETWORK HYBRID APPROACH FOR JOB-SHOP SCHEDULING می باشد. فابل ترجمه کامل فارسی هم به صورت word و هم به صورت pdf هست و این مبلغ فقط برای ترجمه هستش و در واقع برای فایل انگلیسی هزینه ای در نظر گرفته نشده است.
کاربرد روش ترکیبی الگوریتم ژنتیک و شبکه عصبی در مسئله زمان بندی کار کارگاهی
فهرست مطالب
چکیده
1. مقدمه
2. مساله زمان بندی کار کارگاهی
3. مدل روش CSANN
3-1 واحد های تشکیل دهنده CSANN
3-2 اتصالات تطبیقی
3-3 حل مراحل مختلف CSANN
4. روش ترکیبی
4-1 الگوریتم ژنتیک
5. بررسی شبیه سازی
6. نتیجه گیری ها
نمونه ترجمه » چکیده
این مقاله یک روشی ترکیبی از الگوریتم ژنتیک (GA) و شبکه عصبی تطبیقی با رضایت محدود (CSANN) را برای مسائل زمان بندی کار کارگاهی (مغازه کار ها) داری پیشنهاد می دهد. در این روش ترکیبی الکوریتم GA برای تکرار در جستجو و یافتن راهکار های بهینه مورد استفاده قرار می گیرد و روش CSANN نیز به منظور دستیابی به راهکار های عملیاتی در حین تکرار الگوریتم ژنتیک به کار گرفته می شود. نتایج شبیه سازی ها عملکرد معتبر روش ترکیبی پیشنهادی را برای مساله زمان بندی کار کارگاهی با توجه به کیفیت راهکار ها و سرعت محاسبه نشان داده است.
راهنمایی : زمان‌بندی مغازه کارها یا مسئله زمان‌بندی کار کارگاهی یا مسئله مغازۂ کارها یک مسئله بهینه سازی علوم رایانه و تحقیق در عملیات است که در آن شغل‌های ایده‌آل به منابع در زمان‌های خاصی نسبت داده می‌شوند. صورت اصلی آن در ادامه آمده است:
در این مسئله n شغل j1, j2, …, jn با اندازه‌های متفاوت که باید روی m ماشین یکسان زمان‌بندی شوند در تلاشند تا زمان کل را به حداقل برسانند. زمان خالی مجموع زمان لازم برای انجام همه‌ی شغل‌ها است(که همه‌ی شغل‌ها تمام شده‌اند).
امروزه، این مسئله به عنوان یک مسئله‌ی پویا مطرح می‌شود، که با ارائه شدن هر شغل، الگوریتم پویا باید با اطلاعات موجود تصمیم گیری کند قبل از اینکه شغل بعدی مطرح شود.
این مسئله یکی از مشهورترین مسائل پویاست، و اولین مسئله‌ای بود که برای آن تحلیل رقابتی به وسیله‌ی گراهام در سال 1966 مطرح شد.
کلمات کلیدی: زمان بندی کار کارگاهی، الگوریتم ژنتیک، شبکه عصبی
