SlideShare una empresa de Scribd logo
1 de 35
Esnek Atölye Tipi Çizelgeleme
Problemlerinde Toplam Akış
Süresini Minimize Eden Bir Hibrit
Harmoni Arama Algoritması (2013)
Yuan Yuan, Hua Xu, Jiadong Yang
State Key Laboratory of Intelligent Technology and Systems,
Tsinghua National Laboratory for Information Science and Technology,
Department of Computer Science and Technology,
Tsinghua University,
Beijing 100084, PR China
Mustafa Tanyer
31.12.2013
Atölye Tipi Çizelgeleme (JSP)
KISITLAR
• n iş – m makine
• Her iş için farklı sayıda işlem
• Her işlem için öncelik sırası
• Bir işlemi sadece bir makine yapabilir *
• Bir makinede bir anda en fazla bir iş
• İşlemler bölünemez
• t = 0 ‘da bütün makineler müsait
• Göz ardı edilebilir set up süreleri
KARAR FONKSİYONU:
• İşleri makinelerde nasıl sıralayalım ki verilen performans
göstergesi optimal olsun?
Atölye Tipi Çizelgeleme için
GANNT Diyagramı
Esnek Atölye Tipi Çizelgeleme (FJSP)
• Aynı işlemi yapan makine seti (setleri)
• Gerçek üretim ortamlarına daha uyumlu

• + kısıt: işlem makine atama (daha zor)
• JSP NP-zor dolayısıyla FJSP NP-zor
FJSP Modeli
•
•
•
•
•
•
•
•

q adet bağımsız iş J:,J1,J2,…,Jq}
r adet makine M={M1,M2,…,Mr}
Her Ji için gereken işlemler Oi,1,Oi,2,…,Oi,ni
Her işlem için öncelik kısıtı var
Oi,j işlemi Mi,j makine kümesinde yapılabilir
Mi,j ⊂ M ise P-FJSP, Mi,j = M ise T-FJSP (bir iş yeterli)
İşlem süreleri makinelere bağımlı
Pi,j,k = Oi,j işinin Mk makinesinde işlem süresi
FJSP Modeli
• Problem:
– Her işlemi uygun bir makineye atama (Rotalama)
– Makineler için işlem sıralaması belirleme (Sıralama)

• Amaç: Toplam işlem süresi minimizasyonu
– Cmax= max1≤i≤q(Ci)
Örnek P-FJSP Problemi

O1,1 : 1 numaralı işin 1. işlemi
Harmoni Arama Algoritması
• Zong Woo Geem, 2001
• Müzisyenin notalarla harmoni oluşturması
• Perde – Kalite – Şiddet

Uyum

• Bir Müzisyenin Doğaçlama Yapması
– Bildiği bir parça çalabilir (Harmoni Hafızası)
– Bildiği bir parçanın benzerini çalabilir (Perde ayarı)
– Tamamen doğaçlama yapabilir (Rastgele yöntemi)
Harmoni Arama
• Harmoni Hafızası
– GA’da en iyilerin kalması yöntemine benzer
– En iyi harmoniler hafızaya alınacak
– *0,1+ aralığında harmoni kabul parametresi
• 0’a çok yakın – yakınsama gecikir
• 1’e çok yakın – arama kalitesizleşir

• Perde Ayarlaması
– GA’daki mutasyon operatörüne benzer
– Harmoni hafızasını değiştirir
– Bant aralığı* ve perde ayarlama oranı parametreleri
• 0’a çok yakın - yakınsama gecikir
• 1’e çok yakın - iyi sonuçlar kaybedilir

• Rastgele Yöntemi
– Rastgele sonuç üretir
– Perde ayarlaması - yerel arama /// Rastgele yöntemi - global arama
Neden Harmoni Arama ?
• Avantajları
– Daha hızlı
– Basit yapı

– Az parametre
– Kolay uygulama

• Dezavantajı:
– Sürekli yapısı
Önerilen Hibrit Harmoni Arama Algoritması
• HM: Harmoni hafızası
• HM= {X1,X2, … , XHMS} ; XHMS=harmoni hafızası boyutu
• Xi={xi(1), xi(2), … , xi(n)} ; i. harmoni vektörü
• Xbest , Xworst ; En iyi ve en kötü harmoni vektörleri

• Daha küçük f(X) daha iyi harmoni
Algoritma Akışı
1.
2.
3.
4.
5.

Parametreler ve durdurma kriteri belirlenir
Başlangıç HM, rastgele ve sezgisel yardımı ile belirlenir
HM’deki her vektör FJSP’ye uygulanır
Xbest ve Xworst bulunur
Yeni bir harmoni hafızası;
–
–
–

hafıza faktörleri,
perde ayarı ve
rastgele seçim

dikkate alınarak belirlenir

6. Yeni harmoni hafızasında yerel arama yapılır*
7. Xworst ile bulunan harmoni vektörü kıyaslanır
8. Durdurma kriteri sağlanana kadar işlem devam eder
Harmoni Vektörü Özellikleri
•
•
•
•
•

Xi={xi(1), xi(2), … , xi(n)} ; i. harmoni vektörü
Xi aynı zamanda reel sayı vektörü
l , FJSP’de yapılacak toplam işlem sayısı olsun
n = 2l
Harmoni vektörü 2 parçadan (2 vektör kodu) oluşur:
– X(1) = ,x(1), x(2), . . ., x(l)- : İşlem-makine atama bilgileri
– X(2) = ,x(l + 1), x(l + 2), . . ., x(2l)- : Makinelerdeki işlem sıraları
İşlem Numaralandırma
• Her işleme bir ID atanır
• Örn:
Örnek P-FJSP Problemi

O1,1 : 1 numaralı işin 1. işlemi
Makine Atama Vektörü
•
•
•
•

Harmoni vektörünün ilk kısmı
İşlem sayısı (l) kadar makine atama olur
MA=,u(1), u(2), … , u(l)u(i) : i işini uygun makine setinde kaçıncı makinenin
yaptığı
• Örn:
Makine Atama Vektörü Oluşturma
• s(j): j işlemi için uygun alternatif makine sayısı
• round(x): en yakın sayıya yuvarla
• 1 ile s(j) arasında bir tam sayı (makine) bulundu
İşlem Sırası Vektörü
•
•
•
•
•

Harmoni vektörünün ikinci kısmı
l adet işlem sıralanır
OS=,v(1), v(2), … , v(l)Sorun: İşlem önceliklerini yansıtma ihtiyacı
Çözüm: İşlem tabanlı gösterim
İşlem Sırası Vektörü Oluşturma

•
•

Largest Position Value (LPV) ??? (MAKALEYİ HOCAYA SOR)
L. Wang, Q. Pan, M. Fatih Tasgetiren, Minimizing the total flow time in a flow shop with blocking by
using hybrid harmony search algorithms, Expert Systems with Applications 37 (12) (2010) 7929–
7936.
Çizelge Tipleri ve Arama Uzayı Daraltma
•

•
•

•
•

Aktif Çizelge: Makine işleme sıraları değiştirildiğinde en az bir işlemin daha erken
bitirildiği ve hiçbir işlemin daha geç bitirilmediği bir çizelge bulunamıyor ise
Yarı Aktif Çizelge: Makine sıralaması değiştirilmeden hiçbir işlem daha erken
bitirilemiyorsa
Gecikmesiz Çizelge: İşlenmeyi bekleyen bir işlem varken hiçbir makine boşta değilse

Simon French: Toplam işlem süresi minimizasyonunda optimal diziliş “aktif
çizelgelerden birindedir. (kanıtlanmış, 1982)
Yani, arama uzayı uygulanabilir aktif çizelgelere düşürülebilir
Aktif Çizelge Elde Etme
• Mk makinesinde işlenecek bir Oi,j işlemi alınır.
• Mk‘nın Oi,j‘yi yerleştirecek bir boş zamanı olup olmadığı aranır.
– Varsa Oi,j boş zamana yerleştirilir
– Yoksa Oi,j sona yerleştirilir

• [SX, EX], Mk‘da bir boş zaman aralığı,
• ci,j , Oi,j işleminin tamamlanma süresi olursa

sağlanır ise uygun bir zaman aralığı vardır.
İki Vektörlü Kodun Açılması İşlemi Sahte Kodu
Harmoni Hafızası Başlatma – Sezgisel Kullanımı
• Lokalizasyon Yaklaşımı (AL) uygulanır

• Her işlem için en kısa işlem zamanlı makine seçilir
• Her bir makine için toplam işlem süresi bulunur
• Her makine için en fazla kalan işlemi bulunan iş
öncelikli olarak işlemler sıralanır (MWR kuralı)
• Sıralama harmoni vektörüne çevrilir
Harmoni Hafızası Başlatma – Rastgele Yöntemi
• Önemli çünkü;
– Yakınsama hızı
– Son sonuç kalitesini belirler

• X =,x(1), x(2), … , x(n)- harmoni vektörü
Her bir x(i) için:
uygulanarak bulunur
Yeni Harmoni Vektörü Oluşumu
• Hafıza kriteri, perde ayarlaması ve rastgele seçim kriterleri
• Xnew ={xnew(1), xnew(2), … , xnew(n)} yeni harmoni vektörü olsun:
Hafıza kriteri
Rastgele seçim kriteri

HMCR: HM’de kaydedilenlerden bir değer seçme olasılığı

• Eğer xnew(j) , HM içinden seçildi ise perde ayarlaması yapılır:
PAR: Perde ayarlama oranı parametresi
Yeni Harmoni Oluşturma Sahte Kodu
Probleme Bağlı Yerel Arama
•
•
•

HS’de yok
Ayrımlı grafik modeli (disjunctive graph)
Nodlar
– S sahte başlangıç nodu
– E sahte bitiş nodu
– Diğer nodlar işlemler

•

Oklar
– Birleştirici oklar (C): aynı işin art arda
işlemleri
– Ayırıcı oklar (D): aynı makinede yapılan art
arda işler

•
•

Nod üstündeki rakamlar: işlem süreleri
Ayırıcı Grafik 2 önemli özellik:
–

–

Uygulanabilir çizelgelerde dönüşsel (cyclic) yollar
yoktur
Eğer grafik dönüşsel değilse en uzun yol kritik
yoldur, toplam işlem süresini verir.

Makaledeki grafik ve nod isimleri yanlış
Bu yüzden internet örneği
Ayrımlı (Disjunctive) Grafik Devam
Ayrımlı Grafik sayesinde bulunan 3 önemli sonuç:
1.
2.
3.

Kritik yolu kısaltmak toplam süreyi kısaltır
Kritik yolda bulunmayan nodların değişimi gereksizdir
Dolayısıyla, Kritik yol üzerindeki nodlar üzerinde çalışılır

Dolayısıyla, kritik yol üzerindeki nod’un yeri öncelik kuralları dikkate
alınarak, başka makineye atanarak değiştirilir.
Yapılan işlem kritik yolu büyütürse başka nod denenir,
Belirtilen işi tek makine yapıyorsa başka nod denenir.

KRİTİK YOL ÜSTÜNDEKİ NOD SAYISI ÇOK YÜKSEK İSE?
Genel Kritik İşlemler
•

İşlem süreleri tam sayı ve dar aralıkta bulunan rakamlardan oluşan çizelgelerde
birden çok kritik yol olma olasılığı çok yüksektir
– İşlem yükü azalıyor, kod yükü artıyor

Eğer Böyle Bir Çizelge Varsa:
• Bir işlemin en erken başlama süresi, toplam süreyi uzatmayan en geç başlama
süresine eşitse bu işlem“kritik işlem”dir
• Ayrımlı grafikteki bir kritik yolda yalnız kritik işlemler bulunur
• Bir kritik işlem bütün kritik yollarda bulunuyorsa bir “genel kritik işlem”dir
 Eğer iki kritik işlemin işlem sürelerinde çakışma varsa ikisi de genel kritik işlem
olamaz.

• Genel kritik işlem varsa, sadece onlar yer değiştirir, kritik işlemlere
dokunulmaz. Çünkü böyle durumlarda kritik işlemlerin değişmesi
toplam süreyi düşürmez
• Bu prosedür yerel aramadaki işlem sayısını azaltarak etkinliği artırır.
Probleme Bağlı Yerel Arama Sahte Kodu
Harmoni Vektörü Güncelleme
• Belirtilen işlemler belirli iterasyon sayıları
kadar yapılır
• Eğer Xnew , Xworst ‘ten iyiyse değiştirilir,
• Yeniden etiketleme yap
• Eğer Xnew , Xworst ‘ten kötüyse hiçbir şey yapma
Deney Kurulumu
• PC özellikleri: 2.83 GHz 15.9 GB Ram hafızası
•

Test Grupları:
– Kacem data
– Fdata
– BRdata
– DPdata
– BCdata
– HUdata

Çalıştırma Sayıları
30
30
30
5
5
5

Kıyaslama Kriterleri:
BCmax: Çalıştırmalar arasındaki en kısa
toplam akış süreleri
AV(Cmax): Ortalama toplam akış süreleri
SD: Toplam akış süresi standart sapmaları
AV(CPU): Ortalama sonuca ulaşma süreleri

**AV(CPU) değerleri orijinal makalelerden
alınma
• Kıyaslanan algoritmalar makalelerden alınma
•Bilgisayar özellikleri farklı
• Ayrıca 2 farklı GA çözdürülüyor
•Program dilleri farklı
• Bu algoritma parametrelerini yazar atıyor
HHS Parametreleri:
• Harmoni hafızası büyüklüğü (HMS) = 5
• Harmoni hafızası gözden geçirme oranı (HMCR) = 0.95
• Perde ayarlama oranı (PAR) = 0.3
• Kısıtlama oranı (&) = 1
• Doğaçlama sayısı (NI) = iterasyona bağımlı
• Yerel arama maksimum sayısı (loopmax) = Iterasyona bağımlı
BR Verilerine göre standart sapmalar

KACEM verilerine göre örnek kıyaslama

Çözdürülen GA’lara göre yakınsama eğrileri
TEŞEKKÜRLER
Mustafa Tanyer

Más contenido relacionado

La actualidad más candente

Genetic algorithms
Genetic algorithmsGenetic algorithms
Genetic algorithmszamakhan
 
Unit3:Informed and Uninformed search
Unit3:Informed and Uninformed searchUnit3:Informed and Uninformed search
Unit3:Informed and Uninformed searchTekendra Nath Yogi
 
Artificial bee colony (abc)
Artificial bee colony (abc)Artificial bee colony (abc)
Artificial bee colony (abc)quadmemo
 
Ant Colony Optimization: The Algorithm and Its Applications
Ant Colony Optimization: The Algorithm and Its ApplicationsAnt Colony Optimization: The Algorithm and Its Applications
Ant Colony Optimization: The Algorithm and Its Applicationsadil raja
 
Kohonen self organizing maps
Kohonen self organizing mapsKohonen self organizing maps
Kohonen self organizing mapsraphaelkiminya
 
Ant Colony Optimization presentation
Ant Colony Optimization presentationAnt Colony Optimization presentation
Ant Colony Optimization presentationPartha Das
 
Ant colony optimization
Ant colony optimizationAnt colony optimization
Ant colony optimizationMeenakshi Devi
 
Swarm intelligence pso and aco
Swarm intelligence pso and acoSwarm intelligence pso and aco
Swarm intelligence pso and acosatish561
 
AlphaZero: A General Reinforcement Learning Algorithm that Masters Chess, Sho...
AlphaZero: A General Reinforcement Learning Algorithm that Masters Chess, Sho...AlphaZero: A General Reinforcement Learning Algorithm that Masters Chess, Sho...
AlphaZero: A General Reinforcement Learning Algorithm that Masters Chess, Sho...Joonhyung Lee
 
Solving travelling salesman problem using firefly algorithm
Solving travelling salesman problem using firefly algorithmSolving travelling salesman problem using firefly algorithm
Solving travelling salesman problem using firefly algorithmishmecse13
 
Convolutional Neural Networks
Convolutional Neural NetworksConvolutional Neural Networks
Convolutional Neural NetworksAshray Bhandare
 
ABC Algorithm.
ABC Algorithm.ABC Algorithm.
ABC Algorithm.N Vinayak
 
Particle swarm optimization
Particle swarm optimizationParticle swarm optimization
Particle swarm optimizationSuman Chatterjee
 
Image Classification And Support Vector Machine
Image Classification And Support Vector MachineImage Classification And Support Vector Machine
Image Classification And Support Vector MachineShao-Chuan Wang
 
Gravitational search algorithm in optimization techniques
Gravitational search algorithm in optimization techniquesGravitational search algorithm in optimization techniques
Gravitational search algorithm in optimization techniquesanbujanani
 
Uninformed Search technique
Uninformed Search techniqueUninformed Search technique
Uninformed Search techniqueKapil Dahal
 

La actualidad más candente (20)

Genetic algorithms
Genetic algorithmsGenetic algorithms
Genetic algorithms
 
Unit3:Informed and Uninformed search
Unit3:Informed and Uninformed searchUnit3:Informed and Uninformed search
Unit3:Informed and Uninformed search
 
Sorting Algorithms
Sorting AlgorithmsSorting Algorithms
Sorting Algorithms
 
Artificial bee colony (abc)
Artificial bee colony (abc)Artificial bee colony (abc)
Artificial bee colony (abc)
 
Greedy algorithm
Greedy algorithmGreedy algorithm
Greedy algorithm
 
Ant Colony Optimization: The Algorithm and Its Applications
Ant Colony Optimization: The Algorithm and Its ApplicationsAnt Colony Optimization: The Algorithm and Its Applications
Ant Colony Optimization: The Algorithm and Its Applications
 
Kohonen self organizing maps
Kohonen self organizing mapsKohonen self organizing maps
Kohonen self organizing maps
 
Ant Colony Optimization presentation
Ant Colony Optimization presentationAnt Colony Optimization presentation
Ant Colony Optimization presentation
 
Ant colony optimization
Ant colony optimizationAnt colony optimization
Ant colony optimization
 
Swarm intelligence pso and aco
Swarm intelligence pso and acoSwarm intelligence pso and aco
Swarm intelligence pso and aco
 
AlphaZero: A General Reinforcement Learning Algorithm that Masters Chess, Sho...
AlphaZero: A General Reinforcement Learning Algorithm that Masters Chess, Sho...AlphaZero: A General Reinforcement Learning Algorithm that Masters Chess, Sho...
AlphaZero: A General Reinforcement Learning Algorithm that Masters Chess, Sho...
 
Ant Colony Optimization
Ant Colony OptimizationAnt Colony Optimization
Ant Colony Optimization
 
Solving travelling salesman problem using firefly algorithm
Solving travelling salesman problem using firefly algorithmSolving travelling salesman problem using firefly algorithm
Solving travelling salesman problem using firefly algorithm
 
Convolutional Neural Networks
Convolutional Neural NetworksConvolutional Neural Networks
Convolutional Neural Networks
 
ABC Algorithm.
ABC Algorithm.ABC Algorithm.
ABC Algorithm.
 
Particle swarm optimization
Particle swarm optimizationParticle swarm optimization
Particle swarm optimization
 
Image Classification And Support Vector Machine
Image Classification And Support Vector MachineImage Classification And Support Vector Machine
Image Classification And Support Vector Machine
 
Gravitational search algorithm in optimization techniques
Gravitational search algorithm in optimization techniquesGravitational search algorithm in optimization techniques
Gravitational search algorithm in optimization techniques
 
Complexity of Algorithm
Complexity of AlgorithmComplexity of Algorithm
Complexity of Algorithm
 
Uninformed Search technique
Uninformed Search techniqueUninformed Search technique
Uninformed Search technique
 

Similar a Esnek Atölye Tipi Çizelgeleme Problemleri için Bir Melez Harmoni Arama Algoritması

Bloklamalı Akış Tipi Çizelgeleme Problemlerinde Toplam Akış Süresini Minimize...
Bloklamalı Akış Tipi Çizelgeleme Problemlerinde Toplam Akış Süresini Minimize...Bloklamalı Akış Tipi Çizelgeleme Problemlerinde Toplam Akış Süresini Minimize...
Bloklamalı Akış Tipi Çizelgeleme Problemlerinde Toplam Akış Süresini Minimize...Mustafa Tanyer
 
Görüntü i̇şlemede makine öğrenme teknikleri
Görüntü i̇şlemede makine öğrenme teknikleriGörüntü i̇şlemede makine öğrenme teknikleri
Görüntü i̇şlemede makine öğrenme teknikleriTalha Kabakus
 
Yzm 2116 - Bölüm 2 (Algoritma Analizi)
Yzm 2116  - Bölüm 2 (Algoritma Analizi)Yzm 2116  - Bölüm 2 (Algoritma Analizi)
Yzm 2116 - Bölüm 2 (Algoritma Analizi)Deniz KILINÇ
 
YAPISAL OPTİMİZASYON
YAPISAL OPTİMİZASYON YAPISAL OPTİMİZASYON
YAPISAL OPTİMİZASYON Kadir Özdemir
 
Ahmet Visual basic
Ahmet Visual basicAhmet Visual basic
Ahmet Visual basicahsen1971
 
İşletim sistemleri
İşletim sistemleriİşletim sistemleri
İşletim sistemleriillker SEN
 

Similar a Esnek Atölye Tipi Çizelgeleme Problemleri için Bir Melez Harmoni Arama Algoritması (8)

Bloklamalı Akış Tipi Çizelgeleme Problemlerinde Toplam Akış Süresini Minimize...
Bloklamalı Akış Tipi Çizelgeleme Problemlerinde Toplam Akış Süresini Minimize...Bloklamalı Akış Tipi Çizelgeleme Problemlerinde Toplam Akış Süresini Minimize...
Bloklamalı Akış Tipi Çizelgeleme Problemlerinde Toplam Akış Süresini Minimize...
 
Görüntü i̇şlemede makine öğrenme teknikleri
Görüntü i̇şlemede makine öğrenme teknikleriGörüntü i̇şlemede makine öğrenme teknikleri
Görüntü i̇şlemede makine öğrenme teknikleri
 
Yzm 2116 - Bölüm 2 (Algoritma Analizi)
Yzm 2116  - Bölüm 2 (Algoritma Analizi)Yzm 2116  - Bölüm 2 (Algoritma Analizi)
Yzm 2116 - Bölüm 2 (Algoritma Analizi)
 
Capacity Planning
Capacity PlanningCapacity Planning
Capacity Planning
 
YAPISAL OPTİMİZASYON
YAPISAL OPTİMİZASYON YAPISAL OPTİMİZASYON
YAPISAL OPTİMİZASYON
 
Ahmet Visual basic
Ahmet Visual basicAhmet Visual basic
Ahmet Visual basic
 
Video Birlestirme
Video BirlestirmeVideo Birlestirme
Video Birlestirme
 
İşletim sistemleri
İşletim sistemleriİşletim sistemleri
İşletim sistemleri
 

Más de Mustafa Tanyer

Çoklu Asansörler için bir Genetik Algoritma Önerisi, Kullanımın Yoğun Olduğu ...
Çoklu Asansörler için bir Genetik Algoritma Önerisi, Kullanımın Yoğun Olduğu ...Çoklu Asansörler için bir Genetik Algoritma Önerisi, Kullanımın Yoğun Olduğu ...
Çoklu Asansörler için bir Genetik Algoritma Önerisi, Kullanımın Yoğun Olduğu ...Mustafa Tanyer
 
Modern Transfer Hatları
Modern Transfer HatlarıModern Transfer Hatları
Modern Transfer HatlarıMustafa Tanyer
 
Sağlık Bilgi Teknolojilerinin Sağlık Hizmetlerinin Kalite ve Maliyetine Etkileri
Sağlık Bilgi Teknolojilerinin Sağlık Hizmetlerinin Kalite ve Maliyetine EtkileriSağlık Bilgi Teknolojilerinin Sağlık Hizmetlerinin Kalite ve Maliyetine Etkileri
Sağlık Bilgi Teknolojilerinin Sağlık Hizmetlerinin Kalite ve Maliyetine EtkileriMustafa Tanyer
 
Virtualization - Sanallaştırma
Virtualization - SanallaştırmaVirtualization - Sanallaştırma
Virtualization - SanallaştırmaMustafa Tanyer
 
Karaman investment climate 24.09.2013
Karaman investment climate 24.09.2013Karaman investment climate 24.09.2013
Karaman investment climate 24.09.2013Mustafa Tanyer
 
Karaman tanıtım sunumu 24.09.2013
Karaman tanıtım sunumu 24.09.2013Karaman tanıtım sunumu 24.09.2013
Karaman tanıtım sunumu 24.09.2013Mustafa Tanyer
 

Más de Mustafa Tanyer (6)

Çoklu Asansörler için bir Genetik Algoritma Önerisi, Kullanımın Yoğun Olduğu ...
Çoklu Asansörler için bir Genetik Algoritma Önerisi, Kullanımın Yoğun Olduğu ...Çoklu Asansörler için bir Genetik Algoritma Önerisi, Kullanımın Yoğun Olduğu ...
Çoklu Asansörler için bir Genetik Algoritma Önerisi, Kullanımın Yoğun Olduğu ...
 
Modern Transfer Hatları
Modern Transfer HatlarıModern Transfer Hatları
Modern Transfer Hatları
 
Sağlık Bilgi Teknolojilerinin Sağlık Hizmetlerinin Kalite ve Maliyetine Etkileri
Sağlık Bilgi Teknolojilerinin Sağlık Hizmetlerinin Kalite ve Maliyetine EtkileriSağlık Bilgi Teknolojilerinin Sağlık Hizmetlerinin Kalite ve Maliyetine Etkileri
Sağlık Bilgi Teknolojilerinin Sağlık Hizmetlerinin Kalite ve Maliyetine Etkileri
 
Virtualization - Sanallaştırma
Virtualization - SanallaştırmaVirtualization - Sanallaştırma
Virtualization - Sanallaştırma
 
Karaman investment climate 24.09.2013
Karaman investment climate 24.09.2013Karaman investment climate 24.09.2013
Karaman investment climate 24.09.2013
 
Karaman tanıtım sunumu 24.09.2013
Karaman tanıtım sunumu 24.09.2013Karaman tanıtım sunumu 24.09.2013
Karaman tanıtım sunumu 24.09.2013
 

Esnek Atölye Tipi Çizelgeleme Problemleri için Bir Melez Harmoni Arama Algoritması

  • 1. Esnek Atölye Tipi Çizelgeleme Problemlerinde Toplam Akış Süresini Minimize Eden Bir Hibrit Harmoni Arama Algoritması (2013) Yuan Yuan, Hua Xu, Jiadong Yang State Key Laboratory of Intelligent Technology and Systems, Tsinghua National Laboratory for Information Science and Technology, Department of Computer Science and Technology, Tsinghua University, Beijing 100084, PR China Mustafa Tanyer 31.12.2013
  • 2. Atölye Tipi Çizelgeleme (JSP) KISITLAR • n iş – m makine • Her iş için farklı sayıda işlem • Her işlem için öncelik sırası • Bir işlemi sadece bir makine yapabilir * • Bir makinede bir anda en fazla bir iş • İşlemler bölünemez • t = 0 ‘da bütün makineler müsait • Göz ardı edilebilir set up süreleri KARAR FONKSİYONU: • İşleri makinelerde nasıl sıralayalım ki verilen performans göstergesi optimal olsun?
  • 3. Atölye Tipi Çizelgeleme için GANNT Diyagramı
  • 4. Esnek Atölye Tipi Çizelgeleme (FJSP) • Aynı işlemi yapan makine seti (setleri) • Gerçek üretim ortamlarına daha uyumlu • + kısıt: işlem makine atama (daha zor) • JSP NP-zor dolayısıyla FJSP NP-zor
  • 5. FJSP Modeli • • • • • • • • q adet bağımsız iş J:,J1,J2,…,Jq} r adet makine M={M1,M2,…,Mr} Her Ji için gereken işlemler Oi,1,Oi,2,…,Oi,ni Her işlem için öncelik kısıtı var Oi,j işlemi Mi,j makine kümesinde yapılabilir Mi,j ⊂ M ise P-FJSP, Mi,j = M ise T-FJSP (bir iş yeterli) İşlem süreleri makinelere bağımlı Pi,j,k = Oi,j işinin Mk makinesinde işlem süresi
  • 6. FJSP Modeli • Problem: – Her işlemi uygun bir makineye atama (Rotalama) – Makineler için işlem sıralaması belirleme (Sıralama) • Amaç: Toplam işlem süresi minimizasyonu – Cmax= max1≤i≤q(Ci)
  • 7. Örnek P-FJSP Problemi O1,1 : 1 numaralı işin 1. işlemi
  • 8. Harmoni Arama Algoritması • Zong Woo Geem, 2001 • Müzisyenin notalarla harmoni oluşturması • Perde – Kalite – Şiddet Uyum • Bir Müzisyenin Doğaçlama Yapması – Bildiği bir parça çalabilir (Harmoni Hafızası) – Bildiği bir parçanın benzerini çalabilir (Perde ayarı) – Tamamen doğaçlama yapabilir (Rastgele yöntemi)
  • 9. Harmoni Arama • Harmoni Hafızası – GA’da en iyilerin kalması yöntemine benzer – En iyi harmoniler hafızaya alınacak – *0,1+ aralığında harmoni kabul parametresi • 0’a çok yakın – yakınsama gecikir • 1’e çok yakın – arama kalitesizleşir • Perde Ayarlaması – GA’daki mutasyon operatörüne benzer – Harmoni hafızasını değiştirir – Bant aralığı* ve perde ayarlama oranı parametreleri • 0’a çok yakın - yakınsama gecikir • 1’e çok yakın - iyi sonuçlar kaybedilir • Rastgele Yöntemi – Rastgele sonuç üretir – Perde ayarlaması - yerel arama /// Rastgele yöntemi - global arama
  • 10. Neden Harmoni Arama ? • Avantajları – Daha hızlı – Basit yapı – Az parametre – Kolay uygulama • Dezavantajı: – Sürekli yapısı
  • 11. Önerilen Hibrit Harmoni Arama Algoritması • HM: Harmoni hafızası • HM= {X1,X2, … , XHMS} ; XHMS=harmoni hafızası boyutu • Xi={xi(1), xi(2), … , xi(n)} ; i. harmoni vektörü • Xbest , Xworst ; En iyi ve en kötü harmoni vektörleri • Daha küçük f(X) daha iyi harmoni
  • 12. Algoritma Akışı 1. 2. 3. 4. 5. Parametreler ve durdurma kriteri belirlenir Başlangıç HM, rastgele ve sezgisel yardımı ile belirlenir HM’deki her vektör FJSP’ye uygulanır Xbest ve Xworst bulunur Yeni bir harmoni hafızası; – – – hafıza faktörleri, perde ayarı ve rastgele seçim dikkate alınarak belirlenir 6. Yeni harmoni hafızasında yerel arama yapılır* 7. Xworst ile bulunan harmoni vektörü kıyaslanır 8. Durdurma kriteri sağlanana kadar işlem devam eder
  • 13.
  • 14. Harmoni Vektörü Özellikleri • • • • • Xi={xi(1), xi(2), … , xi(n)} ; i. harmoni vektörü Xi aynı zamanda reel sayı vektörü l , FJSP’de yapılacak toplam işlem sayısı olsun n = 2l Harmoni vektörü 2 parçadan (2 vektör kodu) oluşur: – X(1) = ,x(1), x(2), . . ., x(l)- : İşlem-makine atama bilgileri – X(2) = ,x(l + 1), x(l + 2), . . ., x(2l)- : Makinelerdeki işlem sıraları
  • 15. İşlem Numaralandırma • Her işleme bir ID atanır • Örn:
  • 16. Örnek P-FJSP Problemi O1,1 : 1 numaralı işin 1. işlemi
  • 17. Makine Atama Vektörü • • • • Harmoni vektörünün ilk kısmı İşlem sayısı (l) kadar makine atama olur MA=,u(1), u(2), … , u(l)u(i) : i işini uygun makine setinde kaçıncı makinenin yaptığı • Örn:
  • 18. Makine Atama Vektörü Oluşturma • s(j): j işlemi için uygun alternatif makine sayısı • round(x): en yakın sayıya yuvarla • 1 ile s(j) arasında bir tam sayı (makine) bulundu
  • 19. İşlem Sırası Vektörü • • • • • Harmoni vektörünün ikinci kısmı l adet işlem sıralanır OS=,v(1), v(2), … , v(l)Sorun: İşlem önceliklerini yansıtma ihtiyacı Çözüm: İşlem tabanlı gösterim
  • 20. İşlem Sırası Vektörü Oluşturma • • Largest Position Value (LPV) ??? (MAKALEYİ HOCAYA SOR) L. Wang, Q. Pan, M. Fatih Tasgetiren, Minimizing the total flow time in a flow shop with blocking by using hybrid harmony search algorithms, Expert Systems with Applications 37 (12) (2010) 7929– 7936.
  • 21. Çizelge Tipleri ve Arama Uzayı Daraltma • • • • • Aktif Çizelge: Makine işleme sıraları değiştirildiğinde en az bir işlemin daha erken bitirildiği ve hiçbir işlemin daha geç bitirilmediği bir çizelge bulunamıyor ise Yarı Aktif Çizelge: Makine sıralaması değiştirilmeden hiçbir işlem daha erken bitirilemiyorsa Gecikmesiz Çizelge: İşlenmeyi bekleyen bir işlem varken hiçbir makine boşta değilse Simon French: Toplam işlem süresi minimizasyonunda optimal diziliş “aktif çizelgelerden birindedir. (kanıtlanmış, 1982) Yani, arama uzayı uygulanabilir aktif çizelgelere düşürülebilir
  • 22. Aktif Çizelge Elde Etme • Mk makinesinde işlenecek bir Oi,j işlemi alınır. • Mk‘nın Oi,j‘yi yerleştirecek bir boş zamanı olup olmadığı aranır. – Varsa Oi,j boş zamana yerleştirilir – Yoksa Oi,j sona yerleştirilir • [SX, EX], Mk‘da bir boş zaman aralığı, • ci,j , Oi,j işleminin tamamlanma süresi olursa sağlanır ise uygun bir zaman aralığı vardır.
  • 23. İki Vektörlü Kodun Açılması İşlemi Sahte Kodu
  • 24. Harmoni Hafızası Başlatma – Sezgisel Kullanımı • Lokalizasyon Yaklaşımı (AL) uygulanır • Her işlem için en kısa işlem zamanlı makine seçilir • Her bir makine için toplam işlem süresi bulunur • Her makine için en fazla kalan işlemi bulunan iş öncelikli olarak işlemler sıralanır (MWR kuralı) • Sıralama harmoni vektörüne çevrilir
  • 25. Harmoni Hafızası Başlatma – Rastgele Yöntemi • Önemli çünkü; – Yakınsama hızı – Son sonuç kalitesini belirler • X =,x(1), x(2), … , x(n)- harmoni vektörü Her bir x(i) için: uygulanarak bulunur
  • 26. Yeni Harmoni Vektörü Oluşumu • Hafıza kriteri, perde ayarlaması ve rastgele seçim kriterleri • Xnew ={xnew(1), xnew(2), … , xnew(n)} yeni harmoni vektörü olsun: Hafıza kriteri Rastgele seçim kriteri HMCR: HM’de kaydedilenlerden bir değer seçme olasılığı • Eğer xnew(j) , HM içinden seçildi ise perde ayarlaması yapılır: PAR: Perde ayarlama oranı parametresi
  • 28. Probleme Bağlı Yerel Arama • • • HS’de yok Ayrımlı grafik modeli (disjunctive graph) Nodlar – S sahte başlangıç nodu – E sahte bitiş nodu – Diğer nodlar işlemler • Oklar – Birleştirici oklar (C): aynı işin art arda işlemleri – Ayırıcı oklar (D): aynı makinede yapılan art arda işler • • Nod üstündeki rakamlar: işlem süreleri Ayırıcı Grafik 2 önemli özellik: – – Uygulanabilir çizelgelerde dönüşsel (cyclic) yollar yoktur Eğer grafik dönüşsel değilse en uzun yol kritik yoldur, toplam işlem süresini verir. Makaledeki grafik ve nod isimleri yanlış Bu yüzden internet örneği
  • 29. Ayrımlı (Disjunctive) Grafik Devam Ayrımlı Grafik sayesinde bulunan 3 önemli sonuç: 1. 2. 3. Kritik yolu kısaltmak toplam süreyi kısaltır Kritik yolda bulunmayan nodların değişimi gereksizdir Dolayısıyla, Kritik yol üzerindeki nodlar üzerinde çalışılır Dolayısıyla, kritik yol üzerindeki nod’un yeri öncelik kuralları dikkate alınarak, başka makineye atanarak değiştirilir. Yapılan işlem kritik yolu büyütürse başka nod denenir, Belirtilen işi tek makine yapıyorsa başka nod denenir. KRİTİK YOL ÜSTÜNDEKİ NOD SAYISI ÇOK YÜKSEK İSE?
  • 30. Genel Kritik İşlemler • İşlem süreleri tam sayı ve dar aralıkta bulunan rakamlardan oluşan çizelgelerde birden çok kritik yol olma olasılığı çok yüksektir – İşlem yükü azalıyor, kod yükü artıyor Eğer Böyle Bir Çizelge Varsa: • Bir işlemin en erken başlama süresi, toplam süreyi uzatmayan en geç başlama süresine eşitse bu işlem“kritik işlem”dir • Ayrımlı grafikteki bir kritik yolda yalnız kritik işlemler bulunur • Bir kritik işlem bütün kritik yollarda bulunuyorsa bir “genel kritik işlem”dir  Eğer iki kritik işlemin işlem sürelerinde çakışma varsa ikisi de genel kritik işlem olamaz. • Genel kritik işlem varsa, sadece onlar yer değiştirir, kritik işlemlere dokunulmaz. Çünkü böyle durumlarda kritik işlemlerin değişmesi toplam süreyi düşürmez • Bu prosedür yerel aramadaki işlem sayısını azaltarak etkinliği artırır.
  • 31. Probleme Bağlı Yerel Arama Sahte Kodu
  • 32. Harmoni Vektörü Güncelleme • Belirtilen işlemler belirli iterasyon sayıları kadar yapılır • Eğer Xnew , Xworst ‘ten iyiyse değiştirilir, • Yeniden etiketleme yap • Eğer Xnew , Xworst ‘ten kötüyse hiçbir şey yapma
  • 33. Deney Kurulumu • PC özellikleri: 2.83 GHz 15.9 GB Ram hafızası • Test Grupları: – Kacem data – Fdata – BRdata – DPdata – BCdata – HUdata Çalıştırma Sayıları 30 30 30 5 5 5 Kıyaslama Kriterleri: BCmax: Çalıştırmalar arasındaki en kısa toplam akış süreleri AV(Cmax): Ortalama toplam akış süreleri SD: Toplam akış süresi standart sapmaları AV(CPU): Ortalama sonuca ulaşma süreleri **AV(CPU) değerleri orijinal makalelerden alınma • Kıyaslanan algoritmalar makalelerden alınma •Bilgisayar özellikleri farklı • Ayrıca 2 farklı GA çözdürülüyor •Program dilleri farklı • Bu algoritma parametrelerini yazar atıyor HHS Parametreleri: • Harmoni hafızası büyüklüğü (HMS) = 5 • Harmoni hafızası gözden geçirme oranı (HMCR) = 0.95 • Perde ayarlama oranı (PAR) = 0.3 • Kısıtlama oranı (&) = 1 • Doğaçlama sayısı (NI) = iterasyona bağımlı • Yerel arama maksimum sayısı (loopmax) = Iterasyona bağımlı
  • 34. BR Verilerine göre standart sapmalar KACEM verilerine göre örnek kıyaslama Çözdürülen GA’lara göre yakınsama eğrileri