جزوه ریاضی عمومی - جزوه ریاضی عمومی جزوه ریاضی عمومی ۱ - جزوه ریاضی عمومی ۱ جزوه ریاضی ۱ - جزوه ریاضی ۱ جزوات ارشد عمران - جزوات ارشد عمران, جزوه کارشناسی ارشد پارسه جزوات ارشد عمران - جزوات ارشد عمران, جزوه کارشناسی ارشد پارسه جزوات ارشد عمران - جزوات ارشد عمران, جزوه کارشناسی ارشد پارسه جزوه ترمودینامیک - جزوه ترمودینامیک جزوه ترمودینامیک - جزوه ترمودینامیک جزوه ترمودینامیک - جزوه ترمودینامیک دانلود جزوه , نمونه سوال, منابع آزمون ارشد - مطالب ابر (1) الگوریتم ژنتیک (7)

بهینه سازی منابع نگهداری به کار رفته در یک سیستم تولیدی

Maintenance resources optimization applied to a manufacturing system

چکیده

این مقاله یک بهینه سازی در دسترس از یک سیستم مهندسی مونتاژ شده در یک سری پیكربندی، یا افزونگی بخشها و منابع بعنوان پارامترهای بهینه سازی را نشان می دهد. هدف دستیابی به ماکزیمم مقدار موجود با توجه به محدودیت نصب و هزینه های نگهداری اصلاحی، وزن و حجم می باشد. روش بهینه سازی از الگوریتم ژنتیک بر اساس مفاهیم بیولوژیکی از سیر تکاملی گونه ها استفاده می کند. این یک روش قوی است ، زیرا به بهینه محلی همگرا نمی شود، به استفاده از حساب دیفرانسیل نیاز ندارد و بنابراین اجرا و پیاده سازی محاسباتی ساده ای دارد. نتایج، بیانگر این مطلبند که روش انجام کار برای حل یک گسترده وسیع از مسائل طراحی مهندسی، شامل تخصیص افزونگی ها و منابع نگهداری مناسب است.

کلمات کلیدی : الگوریتم ژنتیک، دسترس پذیری، بهینه سازی افزونگی، منابع نگهداری

Keywords: Genetic algorithms; Availability; Redundancy optimization; Maintenance resources

Reliability Engineering and System Safety 91 (2006)

برای دریافت متن ترجمه مقاله فوق می توانید آن را در فرم درخواست مطرح فرمایید.(این مقاله 8  صفحه pdf و مربوط به سال 2006 می باشد.)

نوشته شده در چهار شنبه ۲۲ اسفند ۱۳۸۶ و ساعت 13:29 توسط : سایت مهندسی صنایع و نرم افزار و مقالات - بتسا
ویرایش شده در چهار شنبه ۲۲ اسفند ۱۳۸۶ و ساعت 13:32

|+| نظر ها (0)



<>

¯ دسته بندی سفارشات در انبار بوسیله می نیمم کردن مسافت سفر با استفاده از الگوریتم های ژنتیک

جمعه ۲۶ بهمن ۱۳۸۶

<>

کد مقاله: 64TGABOW

pdf دسته بندی سفارشات در انبار بوسیله می نیمم کردن مسافت سفر با استفاده از الگوریتمهای ژنتیک

Batching orders in warehouses by minimizing travel distance with genetic algorithms

چکیده:

سرعت پاسخگویی سیستمهای انبارداری به نیازهای مشتری نقش وکارکرد مهمی را درموفقیت زنجیره تامین ایفا میکند. دسته بندی سفارشات به طور مناسب و موثر، سرزعت جابجایی محصول در یک انبار را افزایش میدهد. در هر انبار جابجایی محصولات یطور چشمگیری وجود دارد لذا هزینه های انباردارژی را میتوان حتی با چند درصدی کاهش در مسافت، حمل بار را کاهش داد. مساله دسته بندی سفارش بسیار مشکل دانسته میشود وبه دست آوردن راه حل بهینه علی الخصوص برای مسائل بزرگ بسیار مشکل وزمان گیر است. مطالعات قبلی عمدتا بر روی مسائل دسته بندی سفارش در انبار با یک راهرو و لی اوت دو بعدی تمرکز داشته اند. این تحقیق، شیوه دسته بندی سفارش بر پایه الگوریتم های ژنتیک (GA) در رابطه با هرنوع ساختار دسته و هرنوع لی اوت انبار را گسترش می دهد. بر خلاف شیوه های دسته بندی قبلی، شیوه مورد نظر نیازی به محاسبه اندازه نزدیکی دسته/سفارش و تخمین مسافت سفر ندارد. روش دسته بندی سفارش بر مبنای الگوریتم های ژنتیک پیشنهادی که ، GABM خوانده میشود مستقیما کل مسافت سفر را می نیمم میکند. همچنین توان به کارگیری GABM برای حل مسائل دسته بندی سفارش با مقیاس بزرگ و متوسط با استفاده از چندین مثال مورد تحقیق و مطالعه قرار گرفته است. از نتایج شیوه GABM میتوان به بدست آوردن راه حل مطلوب در رابطه با مسافت سفر و بهره برداری از امکانات اشاره نمود.

کلمات کلیدی: دسته بندی سفارش، انبارها، الگوریتمهای ژنتیک

Keywords: Order batching; Warehouses; Genetic algorithms

Elsevier B.V. Computers in Industry (2005)

با تشکر از آقای مهندس بهزاد باقری که این مقاله را در اختیار بتسا قرار دادند.

برای دریافت متن ترجمه مقاله فوق می توانید آن را در فرم درخواست مطرح فرمایید.(این مقاله 10  صفحه pdf و مربوط به سال 2005 می باشد.)

نوشته شده در جمعه ۲۶ بهمن ۱۳۸۶ و ساعت 11:46 توسط : سایت مهندسی صنایع و نرم افزار و مقالات - بتسا

|+| نظر ها (0)



<>

¯ روش تعادلی و الگوریتم ژنتیک برای بالانس خط بازیافت

جمعه ۱۸ آبان ۱۳۸۶

<>

کد مقاله: 54TGAB

pdf روش تعادلی و الگوریتم ژنتیک برای بالانس خط بازیافت

A balancing method and genetic algorithm for disassembly line balancing

چکیده:

فعالیتهای بازیافتی در عملکرد های متفاوت فرایند بازیافت مثل تولید مجدد، بازیابی کردن و دورریزی شکل می گیرد. خط بازیافت، بهترین انتخاب برای بازیافت خودکار محصولات دور ریخته شده است. بنابراین طراحی و تعادل خط بازیافت بدلیل اینکه تا حد امکان موثر است، می تواند مهم باشد. مشکل تعادل خط بازیافت، فرایندی متوالی است که امکان پذیر بوده، ایستگاههای کاری را کاهش داده و زمانهای تلف شده مشابه را همانند دیگر موارد خاص پایان عمل را مطمئن می سازد. با وجود اینکه یافتن یک تعادل اساسی از نظر محاسبه ای فشرده بوده و با تحقیق کامل است که خیلی سریع حتی برای محصولات نسبتا کوچکتر به شکلی بازدارنده، بزرگ می شود. در این مقاله مشکل اصلی، از نظر آماری تعریف شده و فرآیند تکمیلی NP اثبات شده است.

در انتها نیز یک الگوریتم تکمیلی (ژنتیک) برای دستیابی به راه حلهای اساسی و نزدیک به آن برای برطرف ساختن مشکلات تعادلی خط بازیافت ارائه شده و مثالهایی نیز بیان شده تا عملکرد این روش را نشان دهد.

Keywords: Genetic algorithm; Disassembly; Disassembly line balancing; Combinatorial optimization; Product recovery

European Journal of Operational Research (2005)

برای دریافت متن ترجمه مقاله فوق می توانید آن را در فرم درخواست مطرح فرمایید.(این مقاله 17  صفحه pdf و مربوط به سال 2005 می باشد.)

نوشته شده در جمعه ۱۸ آبان ۱۳۸۶ و ساعت 12:49 توسط : سایت مهندسی صنایع و نرم افزار و مقالات - بتسا
ویرایش شده در جمعه ۱۸ آبان ۱۳۸۶ و ساعت 12:56

|+| نظر ها (0)



<>

¯ حل مشکلات زمان بندی توزیع نگهداری و تعمیرات در سیستم های تولید انعطاف پذیر

شنبه ۲۳ تیر ۱۳۸۶

<>

کد مقاله : TGA37

pdf حل مشکلات زمان بندی توزیع نگهداری و تعمیرات در سیستمهای تولید انعطاف پذیر (FMS): روش الگوریتم ژنتیک 

این مقاله مشترکا مربوط به مبحث های تحقیق در عملیات و نت (نگهداری و تعمیرات) و برنامه ریزی تولید می باشد.

Solving distributed FMS scheduling problems subject to maintenance: Genetic algorithms approach

چکیده

بطور کلی ، مساله توزیع زمانبندی بر حل همزمان دو پیامد تمرکز مینماید. (i) اختصاص کارها به تناسب کارخانه ها و (ii) تصمیم به زمانبندی تولیدات مشابه در هر کارخانه. هدف این روش بیشینه ساختن راندمان سیستم با پیدا کردن یک برنامه ریزی بهینه برای همکاری بهتر میان پروسه های مختلف می باشد. اینکار باعث پیچدگی زمانبندی پخش مشکلات نسبت به برنامه ریزی کلاسیک تک تک محصولات گردیده و با افزایش متناوب متغیر ها در روشهای مختلف تولید ، مساله پیچیده تر نیز میگردد.

بطور مرسوم ، ماشین ها معمولا در برنامه ریزی تولید بطور پیوسته ( بدون وقفه ) در دسترس در نظر گرفته شده و نگهداری و تعمیر آنها مد نظر قرار نمیگیرد . آنچه مسلم است هر ماشین به نگهداری و تعمیرات نیاز داشته و اهداف نت مستقیما بر روی قابلیت دسترسی به ماشین آلات تاثیر گذار خواهد بود. بنابر این این موضوع در برنامه ریزی تولید تاثیر گذار بوده و لازمست تا زمان انجام برنامه های نگهداری و تعمیرات در برنامه ریزی تولید، در نظر گرفته شود.

Keywords: Distributed scheduling; Flexible manufacturing systems; Genetic algorithms; Maintenance

2006 Elsevier Ltd.

برای دریافت متن ترجمه مقاله فوق می توانید آن را در فرم درخواست مطرح فرمایید.(این مقاله 12  صفحه pdf و مربوط به سال 2006 می باشد.)

نوشته شده در شنبه ۲۳ تیر ۱۳۸۶ و ساعت 22:03 توسط : سایت مهندسی صنایع و نرم افزار و مقالات - بتسا

|+| نظر ها (0)



<>

¯ بهینه کردن طراحی ساختمانهای مدیترانه ای با استفاده از الگوریتم ژنتیک

شنبه ۲۳ تیر ۱۳۸۶

<>

 بهینه کردن طراحی ساختمانهای مدیترانه ای با استفاده از الگوریتم ژنتیک

Optimization of Mediterranean building design using genetic algorithms

الگوریتم ژنتیک بتسا

زمانیکه چک کردن کارایی انرژی یک ساختمان داده شده، بوسیله ی چندین روش در دسترس امکان پذیر است، حل کردن مسئله مع تعیین ترکیب بهینه ای که کارایی مطلوب را به دست دهد، مشکل تر می باشد. در ناحیه مدیترانه ای این مسئله به دو دلیل پیچیده تر است: : بارسیستم سرمایش به اندازه بار سیستم گرمایش اهمیت داشته و انرژی مورد نیاز، بستگی به پارامترهای معماری متعددی که تأثیرات مختلف و حتی متضادی بر بارهای زمستان و تابستان می گذارند، دارد.

در این مقاله، ما الگوریتم بهینه سازیی ارائه می دهیم که روشهای بهینه سازی تولید اعداد تصادفی، الگوریتم های ژنتیک را با ابزارساده ای برای ارزیابی حراراتی ساختمان، در جهت حداقل کردن مصرف انرژی درساختمانهای مدیترانه ای، ترکیب می کند.

Keywords: Energy optimization; Cooling and heating load; Mediterranean building; Genetic algorithms

2006 Elsevier Ltd.

برای دریافت متن ترجمه مقاله فوق می توانید آن را در فرم درخواست مطرح فرمایید.(این مقاله 6  صفحه pdf و مربوط به سال 2006 می باشد.)

نوشته شده در شنبه ۲۳ تیر ۱۳۸۶ و ساعت 22:03 توسط : سایت مهندسی صنایع و نرم افزار و مقالات - بتسا

|+| نظر ها (0)



<>

¯ کشف قوانین پیشگویانه و قابل درک با استفاده از الگوریتم ژنتیک چند منظوره

شنبه ۲۳ تیر ۱۳۸۶

<>

 کشف قوانین پیشگویانه و قابل درک با استفاده از الگوریتم ژنتیک چند منظوره 

چکیده:

ما در این مقاله یک الگوریتم ژنتیک چند منظوره جهت استخراج قوانین دسته بندی پیشگویانه و قابل درک از پایگاه داده های وسیع را ارائه خواهیم کرد و همچنین دقت پیشگویانه و قابل درک قوانین با یکدیگر در تضاد هستند. لذا این موضوع تبدیل به یک مساله بهینه سازی می‌شود که حل کردن آن به شکل شایسته، کاری‌ دشوار می‌ باشد. بنابراین یک الگوریتم پویای چند منظوره بنام الگوریتم ژنتیک جاسازی شده پیشرفته ی‌ پارتو (INPGA) جهت این منظور ارائه کردیم. سپس قانون گذاری توسط را با قانون گذاری توسط الگوریتم ژنتیک ساده (SGA) و همچنین الگوریتم ژنتیک جاسازی شده مقدماتی‌ پارتو (NPGA) مورد مقایسه قرار دادیم.

Keywords: Simple genetic algorithm; Pareto optimal solutions; Niched Pareto genetic algorithm; Data mining

2006 Elsevier Ltd.

برای دریافت متن ترجمه مقاله فوق می توانید آن را در فرم درخواست مطرح فرمایید.(این مقاله 9 pdf صفحه می باشد.)

Predictive and comprehensible rule discovery using a multi-objective genetic algorithm

کشف قوانین پیشگویانه و قابل درک با استفاده از الگوریتم ژنتیک چند منظوره بتسا

نوشته شده در شنبه ۲۳ تیر ۱۳۸۶ و ساعت 22:02 توسط : سایت مهندسی صنایع و نرم افزار و مقالات - بتسا





نوع مطلب :الگوریتم ژنتیک، 
برچسب ها :(1) الگوریتم ژنتیک (7)،
لینک های مرتبط :



 
درباره وبلاگ




مدیر وبلاگ : sanaye404 sanaye404
موضوعات
نویسندگان
آمار وبلاگ
  • کل بازدید :
  • بازدید امروز :
  • بازدید دیروز :
  • بازدید این ماه :
  • بازدید ماه قبل :
  • تعداد نویسندگان :
  • تعداد کل پست ها :
  • آخرین بازدید :
  • آخرین بروز رسانی :
دانلود جزوه , نمونه سوال, منابع آزمون ارشد
صفحه نخست             تماس با مدیر           پست الکترونیک               RSS                  ATOM
دوشنبه 24 اسفند 1388 :: نویسنده : sanaye404 sanaye404
 
 
برچسب ها
پیوندها
آخرین مطالب
 
   
جزوات ارشد عمران
شبکه اجتماعی فارسی کلوب | Buy Mobile Traffic | سایت سوالات