Çok-amaçlı Akış Tipi Çizelgeleme Problemi İçin Karınca Kolonileri Eniyileme

Abstract

Bu çalışmada, NP-zor tipi problem olarak bilinen permütasyon akış tipi çizelgeleme problemini çözmek için Karınca Kolonileri Eniyileme yaklaşımı önerilmektedir. Günümüzde bir çok problem çok amaçlı olarak değerlendirilmektedir. Bu amaçla bu çalışmada akış tipi çizelgeleme problemi için çok kullanılan toplam tamamlanma zamanı amacından başka, toplam akış zamanı ve toplam makine aylak kalma zamanını da göz önüne alacak şekilde çok-amaçlı akış tipi çizelgeleme problemi ele alınmıştır. Akış tipi çizelgeleme problemi için önerilen karınca koloni sistemi algoritmasının iyi çözümler vermesini sağlamak üzere deneysel çalışmalar yapılmıştır. Bunun için öncelikle parametre analizi gerçekleştirilmiştir. En uygun parametreleri tespit etmek üzere iki seviyeli bir deneysel tasarım uygulanmıştır. Daha sonra algoritmanın güçlenmesini sağlayacak mekanizmalar incelenmiş, her birinin çözüm performansı üzerindeki etkileri araştırılmıştır. Bu çalışmalar sırasında, toplam 13930 adet deneme yapılmıştır. Önerilen yöntem kullanılarak elde edilen çözümlerin performansı ile bu problem için literatürde mevcut diğer tekniklerle elde edilen çözümlerin performansı karşılaştırılmıştır. Karşılaştırma sonuçları, önerilen algoritmanın bu problem için oldukça etkin olduğunu göstermiştir. Önerilen algoritma karşılaştırıldığı diğer algoritmalara göre daha iyidir.

In this study, Ant Colony Optimization (ACO) approach is proposed to solve permutation flow shop scheduling problem, which is known to be NP-hard type. Today, a lot of problem is considered with multi objectives. Hence, this study investigates the multi-objective flow shop scheduling problem, which considers total machine idle time and total flow time, besides the makespan objective, which is common for flow shop scheduling problems. An extensive experimental study to obtain good solution using the proposed ant colony system algorithm for flow shop scheduling problem is constructed. Therefore, firstly parameter analysis is realized. A two-level experimental design is applied for fine-tuning of parameters. Later, each mechanism is examined to make algorithm strong and their influence on solution performance is searched. During this study, total 13930 runs are carried. Solution performance obtained by the proposed algorithm is compared with solution performance obtained by the available methods reported in the literature for this problem. In result, computational results show that proposed algorithm is more effective and it is better than other methods compared.