دسته: علوم پزشکی مقاله بهینه سازی منبع با استفاده از شبیه‌سازی تركیب یافته و الگوریتم ژنتیك در 27 صفحه ورد قابل ویرایش
قیمت فایل فقط 3,000 تومان
مقاله بهینه سازی منبع با استفاده از شبیه‌سازی تركیب یافته و الگوریتم ژنتیك در 27 صفحه ورد قابل ویرایش
خلاصه
این مقاله، توسط تركیب كردن فلوچارت ( نمودار گردش كار) براساس ابراز شبیه سازی با یك روش بهینه سازی ژنتیك قدرتمند، یك روش را برای بهینه سازی منبع نشان می دهد.روش ارائه شده، كمترین هزینه،و بیشترین بازده را ارائه میدهد، وبالاترین نسبت سودمندی را در عملكردهای ساخت و تولید فراهم می آورد. به منظور یكپارچگی بیشتر بهینه سازی منبع در طرح ریزی های ساخت،مدلهای شبیه سازی بهینه یافته (GA) الگوریتم های ژنتیكی گوناگون،عموماً با نرم افزارهای مدیریت پروژه بكار رفته شده ادغام می شوند. بنابراین، این مدلها از طریق نرم افزار زمان بندی فعال می شوند و طرح را بهینه می سازند.نتیجه، یك ساختار كاری تقلیل یافته سلسله مراتبی در رابطه با مدلهای همانندی سازی بهینه یافته GA است. آزمایشات گوناگون بهینه سازی با یك سیستم در دو مورد مطالعه، توانایی آن را برای بهینه ساختن منابع در محدوده محدودیتهای واقعی مدلهای همانند سازی آشكار كرد. این الگو برای كاربرد بسیارآسان است و می تواند در پروژه های بزرگ بكار رود. براساس این تحقیق، همانندسازی كامپیوتر وا لگوریتمهای ژنتیك ،می توانند یك تركیب موثر برای بهبود دادن بازده و صرفه جویی در زمان وساخت و هزینه ها باشند.
مقدمه
این امر كاملاً آشكار شده است كه بازده كاری پایین ،عدم آموزش، و كاهش تعداد معاملات، چالشهای بحرانی هستند كه صنعت ساختمان( ساخت) با آن روبرو خواهد شد.
بهره دهی یا قدرت تولید در رابطه با مطالعه ها، برای مثال،دلالت بر زمان بیكاری (بیهودة) كاربران در ساخت(تولید) دارد كه این زمان از 20 تا 45% متغیر است. این اتلاف وقت ، كه از طریق منابع ناكارآمد و طرح ریزیهای غیربسنده( نامناسب) ناشی می شود، تاثیر و پیامد فوق العاده ای در هزینه های ساخت دارد. همچنین، پیماناكاران كه مهارتهای مدیریتی منابع كارآمد را ندارند، این رقابت كردن در بازارهای ساخت جهانی كه آنها د ر آن فرصتها بسیاری را خواهند یافت، برای آنها كاری بس دشوار خواهد بود.
با ایجاد تجهیزات و نیروی كار برای امر ساخت و تولید، این امر آشكار است كه تدبیرهای كاربرد نیروی كار متناوب و كاربرد بهتر از منابع كاری موجود، به منظور بهبود دادن،بهره دهی كاری و كاهش هزینه های ساخت، مورد نیاز است. استفاده كارآمد از منابع پروژه، هزینه های ساخت را برای مالكان و مصرف كنندگان كاهش می دهد، و در عین حال سودمندیهایی را برای پیمانكاران افزایش می دهد. با این وجود،برخی فاكتورها وجود دارند كه ،مدیریت منبع را امر دشواری می سازند، این فاكتورها در مراحل زیر توضیح داده شده اند:
- سیاست جداسازی مدیریت منبع:در ادبیات، محققان گوناگون، تعدادی تكنیكها را برای پرداختن به جنبه های فردی مدیریت منبع، همانند تخصیص منبع، سطح بندی منبع، مدیریت نقدینگی، و تجزیه و هزینه و زمان معاملات (TCT) ، ارائه داده اند. مطالعات تالبوت و پترسون(1979) و گاولیش و پیركون (1991)، برای مثال، به تخصیص منابع مربوط بود ، در حالیكه بررسیهای Easa (1989) و Shah et al (1993) به سطح بندی و تراز كردن منابع می پرداخت روشهای دیگر ، تنها روی تجزیه TCT متمركز شدند. همانطوریكه این بررسیها سودمند واقع شدند، آنها به ویژگیهای مجزایی پرداختند كه یكی پس از دیگری برای پروژه ها بكار برده می شدند ( نه بطور همزمان) . بوسیله پیچیدگی اساسی پروژه ها و مشكلاتی در رابطه با الگوبرداری تمام ویژگیهای تركیب یافته، تلاش بسیار كمی برای بهینه سازی منابع تركیب شده به عمل آمد.
- ناكارآمدی الگوریتم های بهنیه سازی سنتی: در چند دهه گذشته ، بهینه سازی منبع سنتی، براساس روشهای ریاضی یا براساس تكنیكهای ذهنی(غیرمستدل) بوده است. روشهای ریاضی ، همانند برنامه ریزیهای عدد صحیح ، خطی، یا برنامه ریزیهای دینامیكی ،برای مشكلات منبع فردی پیشنهاد شده بودند.با این وجود ، روشهای ریاضی از لحاظ محاسبه ای برای هر پروژه واقعی انعطاف ناپذیر بودند كه این روش فقط برای سایزهایی از پروژه مناسب می باشد. همچنین ،روشهای ریاضی پیچیده ایشان دستخوش تغییر می شوند وممكن در مطلوبترین وبهینه ترین قرار بگیرند، روشهای ذهنی (غیرمستدل) ، ازسوی دیگر، تجربیات وقوانین thumb را بكار می برند، نه فرمولهای ریاضی سخت ودقیق را. محققان برای تخصیص منبع، مدلهای ذهنی گوناگونی را پیشنهاد نموده اندن،تراز بندی منبع ها،تجزیه TCT، علی رغم سهولتشان ،این روش های ذهنی هنگامی كه درشبكه های پروژه ای مختلف بكار برده می شوند ،نتایج گوناگون را اعمال می نمایند ، و برای كمك به انتخاب بهترین روش ذهنی برای كاربرد، هیچ گونه راهنماهای دقیقی وجود ندارد. بنابراین ، آنها نمی توانند راه حلهای بهینه ای را تضمین نمایند. همچنین ،راه حلهای غیرثابت آنها ( غیرپایدار آنها) به تفاوتها وتناقض‌های وسیع، میان قابلیهای محدود شده منبعی نرم افزار در مدیریت پروژه تجاری كمك شایانی كرده اند.
- مشكلاتی كه در رابطه با مدلهای همانندسازی: در طی سه دهه گذشته،همانندسازی كامپیوتر، برای حمایت از كاربرد كارآمد منابع ساخت ارائه شده است (معرفی شده است) با این وجود ، محققان، در توانایی آن برای ایجاد تقلیدی (نمودین) فرآیندهای ساخت واقعی در كامپیوترها علاقمند شدند، و كارورها ممكن هدایت این كار را بسیار دشوار بیابند. به عنوان یك ابزار بسیار سودمند برای طرح ریزی منابع، یك تحقیق وسیع برای توسعه مدلهای همانندسازی عملكرد ساخت، بویژه برای كاربرد سیستم چرخه باید هالپین صورت گرفت. هنوز،با این وجود، برخی ابزارهای موجود، نیازمند دانش برنامه ریزی كامپیوتری و زبان همانندسازی، و عدم ادغام با نرم افزار مدیریت پروژه موجود و عدم ادغام با الگوریتم های بهینه سازی را می باشند.
- موجودیت یك ابزار تولیدی جدید ؛توسعه های اخیر در علم كامپیوتر، یك تولید جدیدی از ابزارها را حاصل نموده است، كه آن برای استفاده شدن در كاربردهای ساخت بسیار سودمند می باشد. براساس پیشرفتهای اخیر در هوش مصنوعی، یك تكنیك بهینه سازی جدید ، وا لگوریتم های ژنتیك (Gas) پدیدار شده اند. با مكانیزمهای تكامل طبیعی همانندسازی و شایسته ترین مكانیزمهای بقاء ،GAS ،یك تحقیق رندم(تصادفی) رابرای حل بهینه یك مشكل بكار می برد. بوسیله سودمندیهایی حاصله از آنها، Gas بطور موفقیت آمیزی برای حل چندین مشكل مهندسی و مشكلات مدیریت ساخت بكار برده می‌شود. این كاربردها شامل بهینه سازی یك سیاست قیمت افزایی برای پیمانكاران ؛بهینه سازی سقف نگهدارنده(پایه) فولاد؛ زمان بندی و جدول بندی منابع؛بهینه سازی زمان وهزینه معاملات؛ و تخصیص وترازبندی منبع تركیب شده می باشند.
همچنین،علاوه بر ابزارهای بهینه سازی براساس GA،سیستم های همانندسازی جدید و آسان كاربرد براساس برنامه ریزی های شی گرا، اخیراً ارائه شده است. یك سیستم فرآیند V3 (2000)، یك نرم افزار با هدف عمومی،برای الگو برداری و همانندسازی ارائه شده است. سودمندی اصلی این نرم افزار، نمودار گردش كارآسان آن، براساس قابلیت های الگوبرداری و همچنین موتور همانندسازی شیء گرایآن می باشد.این موتور همانندسازی نرم افزار،انعطاف پذیر است و این امكان را بوجود می آورد كه كاربر عناصر الگو برداری اولیه اش را بپذیرد. سودمندی دیگر نرم افزار این است كه ،آن همانندسازی را برای شبكه های سنتی فعالیت در فلاش (AOA) بكار برده شده برای زمان بندی پروژه ها بكار می برد. انواع پروژه‌های گوناگون فلاش و گره طراحی می شوند تا شاخه بندی های ساده یا مشروط را در طی همانندسازی امكان پذیر سازند. این اهداف از پیش طرح شده، می توانند با یك تلاش كم برای تولید مدلهای عملی،بدون دانش مبتلی از واژه شناسی همانند شناسی یا برنامه ریزی كامپیوتری به كار برده شوند.
این روش، به بهبود طرح ریزی ساخت و مدیریت منابع، توسط یك سیستم بهینه سازی منبع آسان كاربرد و كارآمد كمك می نماید و این همانند سازی را با الگوریتم های ژنتیك تركیب می نماید. این سیستم بهینه سازی منبع،در دو مطالعه مورد بررسی قرار گرفته است. بنابراین این سیستم با نرم افزار تجاری مدیریت پروژه ادغام می‌شود و این امكان را فراهم می كند كه كاربران مدلهای بهینه یافته GA را در هر سلسله مراتب پروژه تعریف شده كاربر بكار گیرند، به نحوی كه زمان بندیهای ساخت بهینه شده منابع و زمان بندی های واقع گرایانه ایجاد شود.
زمان بندی سلسله مراتبی با بهینه سازی منبع
چون یك مدل همانندن سازی شده GA از یك عملكرد فردی در یك فایل میكروسافت گنجانده می‌شود ، آن می تواند به آسانی با هر طرح اصلی تعریف شده كاربر پیوند بخورد، به نحوی كه بهینه سازی منبع در پروژه هایی با عملكرد چند گانه گنجانده شود. همانند ساختارهای تقلیل یافته ( خراب ) كاری گوناگون (WBS) ،عناصر یك پروژه می توانند با مدلهای همانندسازی بهینه یافته GA پیوند خورده ویك محیط طرح ریزی سلسله مراتبی را برقرار نمایند (شكل 7) این مراحل برای تولید یك طرح ساخت اصلی كه بصورت زیر هستند : مورد نیاز می باشد :
(1) برای عملكردهای مهم و پرهزینه در پروژه تان ، مدلهای همانند سازی بهینه یافته GA فردی را حاصل نمایید. هر كدام در یك فایل پروژه میكروسافت ذخیره خواهند شد. هر كدام می تواند به عنوان یك زیر پروژه مورد ملاحظه قرار گیرد.
(2) یك WBS اصلی در نرم افزار زمان بندی ، همراه رابطه های فعالیت، منابع و تداوم ( دیرش زمان) همانطور اجرای سنتی، ایجاد نمایید ( جدول زمان بندی پس زمینه ای درشكل 7)
(3) از طریق فعالیتهای مناسب، پیوندهایی را در WBS برای فایل زیر پروژه های مربوطه شان فراهم نمایید، فایلهایی كه مدل همانندی را در آنها گنجانده می‌شود.
(4) ماكروی GA را در هر زیر پروژه ساخته شده در مرحله(3) فعال نمایید( ضبط صفحه نمایش جلو (پیش نما) در شكل (7)) ، و همانندسازی بهینه یافته GA را اجرا كنید و تركیب منبع بهینه، وتولید مربوطه آن ، هزینه و زمان را تعیین و مشخص نمایید. با استفاده از نتایج بهینه، دیرش فعالیت به نرم افزار زمان بعدی انتقال می یابد؛ و
(5) هنگامی كه تمامی مدلهای بهینه شده GA فعال می شوند، یك طرح پروژه واقعی بنابراین به همراه سطحهای تولید مورد رضایت، هزینه حداقل ومنابع مناسب تعیین می‌گردد.
خلاصه و اظهارات نتیجه گیری
مدیریت منبع ،بواسطه پیچیدگی اساسی پروژه های ساختمان (ساخت) به مشكلات مربوط به الگوبرداری برهم كنش های پیچیده در ساخت، و محدودیتهای ابزارهای بهینه سازی سنتی برای پرداختن به مشكلات بزرگ، كاری بسیار دشوار می باشد.این مطالعه ، یك روش ساده وقدرتمند را برای مدیریت منبع وبهینه سازی را در پروژه های ساخت، با استفاده از یك تركیب همانندسازی فلوچارت و الگوریتم های ژنتیك (Gas) نشان می دهد ( ارائه می دهد ) برای بهبود طرح ریزی ها و مدیریت منبع در پروژه های بزرگ با عملكردهای چندگانه، همانند سازی بهینه سازی GA، ادغام می شوند و یك سیستم سلسله مراتبی را تشكیل میدهد. در این روش ،عناصر پایین تر ساختار تقلیل یافته (خراب)كاری (عملكردهای ساخت انفرادی) ،ب طور خودكار به مدلهای همانندسازی بهینه یافته GA پیوند می خورند.
دو مثال در این مقاله نشان داده شدند ، كه آنها قدرت و تنوع روشهای طرح ریزی همانند سازی بهینه یافته GA رانشان می دهند: جایگزینی ستونی عینی و عملیات خاكبرداری در فروردگاه بین المللی هنك كنگ. دو مثال تجزیه شدند و سودمندیهایی روش پیشنهاد شده را نشان دادند. نتایج نشان می دهد كه همانندسازی تركیب یافته و بهینه سازی شده GA می تواند تحقیق و بررسی شود و تعدادی منابع بهینه را كه بهترین سودها / نسبتهای هزینه را حاصل می نمایندآشكار نماید.
چندین حیطه وجود دارند كه درآن طرح ریزی همانندسازی بهینه سازی پیشنهاد شده GA می تواند توسعه یابد، این حیطه شامل موارد زیر می باشند:
· ادغام یافتن با یك سیستم برآورد هزینه و كتابخانه ، كه یك برآورد بسیار كارآمد، خودكار شده وواقع بینانه ای از زمان و هزینه های مربوط به هر عملكرد و یا كار را فراهم می آورد، و همچنین ،می تواند دامنه متناوبها را برای انتخاب افزایش دهد،
· اصلاح فاكتورها می تواند به مدلهای همانندسازی افزوده شود واین امكان تاثیرپذیری را در طول عملیات چرخه در یك مدل فراهم می كند،
· برای اینكه این روش پیشنهاد شده بسیارواقع بینانه باشد،محدودیتهایی همانند عملكرد بشری(ترك كردن كار به خاطر مریضی، میزان تولید در پایان روز كاهش می‌یابد ..) و باید برای بررسی هایآینده مورد ملاحظه قرار گیرد و
· استفاده از روش پیشنهاد شده در عملیات طرح ریزی در شبكه های زیر ساخت بزرگ همانند جاده ها ، آب ،لوله كشی فاضلاب ، خطهای حمل و نقل، تعدادی توسعه ها مورد نیاز است، توسعه هایی هماندن ،ادغام یافتن با یك سیستم اطلاعات جغرافیایی و بهبود دادن زمان بعدی برای پرداختن به محلهای ساخت توزیع شده چندگانه وقدرت وسادگی روش پیشنهاد شده و اجرای خودكار شده آن، بطور امیدوار كننده های مدیریت طرح را تشویق خواهد كرد كه آن در طرح ریزیهای پروژه های زیرساختی بزرگ مورد استفاده قرار گیرد. این روش می تواند برای فراهم آوردن تعدادی بهنیه ای از كمیتهای منبع، سیاستهای جایگزینی و بنابراین بهبود (بازده كلی بكار برده شود )
جهت دریافت فایل مقاله بهینه سازی منبع با استفاده از شبیه‌سازی تركیب یافته و الگوریتم ژنتیك لطفا آن را خریداری نمایید
قیمت فایل فقط 3,000 تومان
برچسب ها : تحقیق بهینه سازی منبع با استفاده از شبیه‌سازی تركیب یافته و الگوریتم ژنتیك , پروژه بهینه سازی منبع با استفاده از شبیه‌سازی تركیب یافته و الگوریتم ژنتیك , مقاله بهینه سازی منبع با استفاده از شبیه‌سازی تركیب یافته و الگوریتم ژنتیك , دانلود تحقیق بهینه سازی منبع با استفاده از شبیه‌سازی تركیب یافته و الگوریتم ژنتیك , بهینه سازی منبع با استفاده از شبیه‌ساز