دانلود ترجمه مقاله استفاده از الگوریتم ممتیک در حل مسائل زمان‌بندی پروژه

عنوان فارسی

الگوریتم ممتیک برای حل مسائل زمان‌بندی پروژه با منابع محدود

عنوان انگلیسی

Memetic algorithm for solving resource constrained project scheduling problems

کلمات کلیدی

زمان‌بندی پروژه؛ منابع محدود؛ مدت زمان انجام کار؛ الگوریتم ژنتیک؛ الگوریتم ممتیک

درسهای مرتبط

مدیریت پروژه

تعداد صفحات انگلیسی : 18 نشریه : ELSEVIER
سال انتشار : 2020 تعداد رفرنس مقاله : 64
فرمت مقاله انگلیسی : PDF نوع مقاله : ISI
آیا این مقاله برای بیس پایان نامه مناسب است؟ : بله آیا این مقاله برای ارائه کلاسی مناسب است؟ : بله
وضعیت شکل ها و عنوان شکل ها: ترجمه شده است. وضعیت جداول و عنوان جداول : ترجمه شده است.
وضعیت تایپ فرمول ها : به صورت عکس درج شده است نام مجله مقاله : Automation in Construction (اتوماسیون در ساخت و ساز)
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 38 صفحه با فونت ۱۴ B Nazanin آیا در بسته تبلیغات سایت نیز قرار داده شده است؟: محتوی بسته این محصول فاقد هر گونه تبلیغات می باشد.
پاورپوینت : دارد (پاورپوینت 20 اسلایدی جهت ارائه) گزارشکار : ندارد شبیه سازی : ندارد
سطح کیفیت ترجمه و ضمانت فراپیپر برای این مقاله چگونه است؟

ترجمه دارای وضعیت طلایی بوده و تا 24 ساعت در صورت عدم رضایت مشتری مبلغ مورد نظر عودت داده خواهد شد.

بعد از خرید این محصول یک فایل برای شما قابل دانلود خواهد بود که دارای ورد (word) ترجمه مقاله است که قابل ویرایش است و همچنین pdf ترجمه مقاله به همراه pdf مقاله انگلیسی برای شما قابل مشاهده خواهد بود. در فایل های دانلود هیچگونه تبلیغاتی وجود ندارد و شما با خیال راحت میتوانید از ترجمه مقاله استفاده کنید.

فهرست مطالب

1. مقدمه
2. آثار مرتبط با حل RCPSP ها
3. الگوریتم ژنتیک پیشنهادی مبتنی بر الگوریتم ممتیک
4. تحلیل و نتایج تجربی
5. کاربرد رویکرد پیشنهادی در زمان‌بندی پروژه ساخت و ساز
6. نتیجه‌گیری و سوگیری تحقیقات آتی

ترجمه بخش انگلیسی

نتیجه‌گیری و سوگیری تحقیقات آتی:
به رغم تعداد قابل توجهی از رویکردهای حل RCPSP ها طی دهه‌ها، هیچ الگوریتم واحدی نمی‌تواند عملکرد دقیقی از نظر دقت و سرعت برای تمام انواع مجموعه داده‌های RCPSP ارائه کند. اغلب، این الگوریتم‌ها ساختارهای پیچیده‌ای دارند که اجرای آنها را دشوار می‌سازد. در نتیجه، در این مطالعه، الگوریتم MA مبتنی بر GA رقابتی و منحصر به فرد را در تلاش برای بهینه سازی بیشتر عملکرد مطرح ساختیم. رویکرد پیشنهادی، با ترکیبی از راه‌حل‌های کیفی ایجاد شده از دو قانون اولویت‌بندی شده و اکتشافی ساده و برخی راه حل‌های تصادفی شروع می‌شود که کاستی‌های قالب‌بندی تصادفی GA اصلی را از بین برده است. در طول فرآیند ارزیابی، جایگشت‌های مشابه تک نقطه‌ای ترکیبجایگشت‌های ساده‌تری از فعالیت‌‌ها را یافت که به عنوان جایگشت‌های سازنده راه حل‌های کیفی عمل می‌کند. این عملگر ترکیب عملکرد بهتری نسبت به نقطه واحد عملگر ترکیب منظم داشت. علاوه بر این، یک عملگر تغییر جهش، تنوع جمعیت را تضمین می‌کند و ساز و کار خودراه‌انداز به اندازه‌گیری تنوع جمعیت در هر تکرار پراخته و به صورت خودکار برای اجتناب از بهینه محلی به هنگام نیاز دوباره راه‌اندازی می‌شود. بنابراین، چنین ساز و کاری به MAدر اجتناب از محصور شدن در بهینه‌های محلی کمک می‌کند. علاوه بر این، جستجوی درج متغیر مجاور نیز برای تقویت عملکرد آتی معرفی شد که عملکرد بهتری را نشان می‌دهد که سهولت و سرعت آنها مدنظر قرار گرفته است. مهمتر اینکه، الگوریتم پیشنهادی ساده و اجرای آن آسان است و راه حل‌های رقابتی ارائه می‌کند.

نمونه متن انگلیسی مقاله ---> نتیجه‌گیری و سوگیری تحقیقات آتی

Conclusion and future research directions:
Despite of significant number of approaches to solve RCPSPs over the decades, no single algorithm can offer sound performance in terms of accuracy and speed for all range of RCPSP datasets. Often, these algorithms have complex structures which makes their implementation difficult. As a result, in this study, we bring forward a unique and competitive GA-based MA algorithm in the quest for better optimization performance. This proposed approach initiates with a mix of quality solutions generated by two simple heuristics and some priority rules, and some random solutions, which eliminates the drawback of random initialization of the original GA. During the evaluation process a single-point similar block order crossover finds the simpler blocks of activities which act as the building blocks of quality solutions. This crossover operator has shown better performance than the traditional single point ordered crossover operator. Further, a shift mutation operation ensures population diversity and a self-restart mechanism measures population diversity at each iteration and restarts automatically to avoid local optima, when needed. Therefore, this mechanism helps MA to avoid entanglement in the local optima. Further, a variable insertion neighborhood search was introduced to further enhance performance, which show excellent performance, considering their simplicity and speed. More importantly, the proposed algorithm is simple and easy to implement, and generates competitive solutions.

توضیحات و مشاهده مقاله انگلیسی

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “دانلود ترجمه مقاله استفاده از الگوریتم ممتیک در حل مسائل زمان‌بندی پروژه”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

پنج × سه =

مقالات ترجمه شده

تمامی حقوق مادی و معنوی برای سایت فراپیپر محفوظ است.