Makale Veri Tabanı Arama Sayfası
Dergilerin Listesi - Makale Ara - İletişim - Kütüphane Ana Sayfası
Ziyaretçi Sayısı:
Change Language

Makale Arama Makale Dili:

Makale Detayları
Başlık
Atölye Tipi Çizelgeleme Problemleri İçin Parçacık Sürü Optimizasyonu Yöntemi
A Particle Swarm Optimization for the Job Shop Scheduling Problems

Yazar
Mehmet Şevkli, M. Mutlu Yenisey

Dergi Adı
İTÜ Dergisi D : Mühendislik

Cilt
Nisan 2006, Cilt 5, Sayı 2, 1, ss. 59-68

Anahtar Kelimeler
Atölye Tipi Çizelgeleme ; Parçacık Sürü Optimizasyonu ; Sezgiseller

Job Shop Scheduling ; Particle Swarm Optimization ; Meta-Heuristics

Özet
Popülasyon temelli sezgisel yöntemlerden biri olan Parçacık Sürü Optimizasyonu (PSO), kuş ve balık sürülerinin sosyal davranışlarından etkilenerek geliştirilen yeni bir eniyileme yöntemidir. Bu makalede, zor çizelgeleme problemleri arasında yer alan Atölye Tipi Çizelgeleme problemlerinin çözümü için, bir PSO modeli, Değişken Komşuluk Arama yöntemi ile birlikte geliştirilmiştir. Oluşturulan bu model, tamamlanma zamanı performans ölçütüne göre literatürde yer alan bazı zor test problemleri üzerindeki sonuçları incelenmiş ve iyi sonuçlar veren diğer sezgisel yöntemlerin sonuçlarıyla karşılaştırılmıştır. Sonuçta genel olarak önerilen modelin diğer yöntemlere göre daha iyi veya eşdeğer seviyede olduğu görülmüştür.

Particle Swarm Optimization (PSO) is one of the population based optimization technique inspired by social behavior of bird flocking and fish schooling. PSO inventers were inspired of such natural process based scenarios to solve the optimization problems. In PSO, each single solution, called a particle, is considered as a bird, the group becomes a swarm (population) and the search space is the area to explore. Each particle has a fitness value calculated by a fitness function, and a velocity of flying towards the optimum, food. All particles fly across the problem space following the particle nearest to the optimum. PSO starts with initial population of solutions, which is updated iteration-by-iteration. Therefore, PSO can be counted as an evolutionary algorithm besides being a metaheuristics method, which allows exploiting the searching experience of a single particle as well as the best of the whole swarm. In this paper, A PSO model for the job shop scheduling problem is proposed. In addition, a simple but efficient local search method called Variable Neighborhood Search (VNS) is embedded to the PSO model and applied to several hardest benchmark suites. The results for the PSO algorithm with VNS are also presented and compared with many efficient meta-heuristic algorithms in literature. As a final result, PSO with VNS results are generally found to be better than other results.