Çok amaçlı çizelgeleme probleminin genetik-multimoora hibrit algoritması ile çözümü

Abstract

Bu çalışmada çözümünde sezgisel ve metasezgisel yöntemlerden yararlanılan, NP-Zor sınıfı çok amaçlı çizelgeleme problemlerinin bir türü olan, çok amaçlı akış tipi çizelgeleme problemi ele alınmıştır. Problemin çözümünde metasezgisel bir yöntem olan genetik algoritmalar tercih edilmiştir. Genetik algoritmaların çok kriterli değerlendirmedeki başarısını arttırmak amacıyla, çok kriterli karar verme yöntemlerinden MultiMoora, algoritmanın seçim, eleme ve hem seçim hem de eleme adımına birlikte entegre edilerek hibrit algoritmalar oluşturulmuştur. Önerilen hibrit algoritmalar farklı iş sayılarından oluşan maksimum tamamlanma zamanı, ortalama akış süresi, maksimum gecikme, ortalama gecikme ve geciken iş sayısı kriterlerinin birlikte ele alındığı çok amaçlı akış tipi çizelgeleme test problemleri üzerinde uygulanmış ve performansları çok amaçlı genetik algoritmalar ile karşılaştırılarak değerlendirilmiştir. Çalışma sonunda, genetik algoritmaların seçim adımına MultiMoora'nın entegre edilmesi ile oluşturulan hibrit algoritmalar ile başarılı sonuçlar elde edildiği görülmüştür.

In this paper, multi-objective flow-shop scheduling, which is a sort of NP-Hard multi-objective scheduling, was studied with the help of heuristic and metaheuristic method in its solution process. In this process, genetic algorithms are preferred as a metaheuristic method. In order to boost the success of the multi criteria analysis of genetic algorithms, hybrid algorithms are created by integrating MultiMoora –a multi criteria decision making method- into selection, replacement, and both replacement and selection steps. The suggested hybrid algorithms are applied on multi-objective flow-shop scheduling test problems formed of different job numbers, which are covered together with the criteria namely maximum makespan, average flowtime, maximum tardiness, average tardiness and number of late jobs and their performances are evaluated comparing with multi-objective genetic algorithms. In the end of the study, it is seen that successful results are obtained by the use of hybrid algorithms composed by integrating MultiMoora into the selection step of genetic algorithms.