fa مدل حل مبتنی بر جستجوگر محلی ژنتیک برای مساله زمان بندی استقرار کارگاهی تعمیم یافته با زمانهای عملیات قابل کنترل تحقیق در عملیات Operations Research پژوهشي Research افزودن پیچیدگیها و انعطاف پذیریهای موجود در سامانه های تولید واقعی به مفروضات مدلهای کلاسیک زمان بندی، گرچه منجر به افزایش قابل توجه پیچیدگی مسائل می گردد، اما به دلیل بهبود چشمگیری که در عملکرد این سامانه ها ایجاد می کند، از دو جنبه نظری و کاربردی حائز اهمیت است. در این پژوهش سه فرض اصلی مساله زمان بندی استقرار کارگاهی مورد بازنگری قرار گرفته که حاصل آن مدلی است با سه نوع انعطاف و قابل انطباق با بسیاری از محیطهای تولید واقعی؛ انعطاف در توالی، انعطاف در ماشین و انعطاف در زمان عملیات. پس از تعریف مساله و بیان آن در قالب یک مدل ریاضی، یک روش حل کارا مبتنی بر جستجوگر محلی ژنتیک برای آن توسعه داده شده است. به این منظور ابتدا عملگرها و رویه های ویژه ای، منطبق با مختصات مساله، شامل ایجاد جمعیت اولیه، تقاطع و جهش برای الگوریتم ژنتیک طراحی شده اند. سپس یک تابع جستجوگر محلی بدیع با هدف ارتقا توان جستجوی الگوریتم ژنتیک توسعه یافته و با آن تلفیق شده است. در بخش نتایج عددی، کارآمدی الگوریتم پیشنهادی در یافتن جوابهای بهینه و نزدیک به بهینه با حل تعدادی مساله نمونه که با افزودن قابلیت انعطاف در زمان عملیات به مسائل موجود در ادبیات به دست آمده اند، نشان داده شده است. Although incorporating complexities and flexibilities of real world manufacturing systems into classic scheduling problems results in problems with greater complexity, it has immense theoretical and practical importance due to its impressive effect on system performance. In this research, three basic assumptions of a job shop scheduling problem have been revised to develop a model with three types of flexibility which fits into many cases of real manufacturing environments sequencing flexibility, machine flexibility, and processing time flexibility. In this paper, after describing the problem and formulating it as a mathematical program, we have proposed an efficient genetic local search algorithm to solve the problem. In the proposed algorithm first, problem-specific elements including population initialization, crossover, and mutation are designed for genetic algorithm. Then, a novel local search procedure has been developed and incorporated into genetic algorithm to enhance its search ability. In experimental study, the performance of the proposed algorithm to find optimal and near-optimal solutions has been demonstrated based on some test problems which are built by incorporating processing time flexibility into a number of problems adopted from the literature. زمان بندی استقرار کارگاهی منعطف، زمانهای عملیات قابل کنترل، طرحهای فرایند چندگانه، جستجوی محلی ژنتیک، زمان بندی محدود به منابع دوگانه Flexible job shop scheduling problem, Controllable processing times, Alternative process plans, Genetic local search, Dual-resource constrained scheduling 43 54 http://ijiepm.iust.ac.ir/browse.php?a_code=A-10-128-2&slc_lang=fa&sid=1 Ahmad J. Afshari احمد جعفرزاده افشاری jafarzadeh@modares.ac.ir 180031947532846005992 180031947532846005992 No Tarbiar Modares University دانشگاه تربیت مدرس Mohammad Reza Amin-Naseri محمدرضا امین ناصری amin_nas@modares.ac.ir 180031947532846005993 180031947532846005993 Yes Tarbiar Modares University دانشگاه تربیت مدرس