بهینه‌سازی با استفاده از الگوریتم‌های فراابتکاری
موارد کاربرد الگوریتم‌های فراابتکاری:
۱-کارخانه‌های تولیدی
- افزایش تنوع محصولات
- افزایش دوره عمر محصول
- تغییر الگوی‌های هزینه
- سهولت در برآورد هزینه
- منافع فن‌آوری یکپارچه
- افزایش راندمان کاری
- کاهش زمان تولید
- کاهش هزینه‌های تولید
- تولید به موقع
- جلوگیری از پرداخت جریمه و هزینه‌های دیرکرد
- جلوگیری از تاخیر در تحویل کالا
- یافتن بهترین تامین‌کنندگان(مالی-کیفی-سرعت عمل)
- زمانبندی بهینه دوره‌های بازدید و سرویس دستگاه‌ها و قطعات
۲-معادن
۱-بهینه‌سازی سیستم ایمنی معادن
ایجاد و بهبود سامانه‌ای به منظور ارتقا سطح کارآیی و ایمنی در معادن و حداقل‌سازی هزینه‌های تحمیلی حاصل از شکست در چرخه‌ی استخراجی معادن از اولویتی اساسی برخوردار است. در این راستا طراحی سامانه مدیریت ایمنی به کمک الگوریتم ژنتیک جهت دستیابی به قابلیت اطمینان و واریانس تخمین اطمینان‌پذیری مطلوب سامانه معادن، از مهمترین اولویت‌ها می‌باشد.
۲-تحلیل سطح روند
یکی از روش‌هاي حذف بی‌هنجاری ناحیه‌ای از مقادیر برداشت شده در روش‌هاي ژئوفیزیکی، روش تحلیل سطح روند است. در این راستا با استفاده از روش‌های بهینه‌سازی جهت یافتن مطلوبترین سطح روند می‌توان به نتایج زیر دست یافت.
- بهینه‌سازی میزان دقت سیستم نمونه برداری
- بهینه‌سازی عوامل موثر برفروشویی توده‌ای
- بهینه‌سازی پارامترهای مؤثر بر استخراج
- تعیین پارامترهای موثر (جدایش مغناطیسی، لیچینگ کانه، جداکننده‌های مغناطیسی، عملیات هضم کانی و غیره)
- بهینه‌سازی محدوده معدنکاری
- بهینه‌سازی انتخاب کامیون و ماشین آلات
۳-پایانه‌های حمل و نقل و مسافربری (فرودگاه، ترمینال، پایانه، اسکله)
در این راستا با بکارگیری الگوریتم فراابتکاری به منظور بهینه‌سازی فرایندهای موجود و زمانبندی دقیق در این پایانه‌ها می‌توان به نتایج زیر دست یافت.
- کاهش زمان انتظار
- افزایش راندمان کاری
- کاهش طول صف
- کاهش هزینه‌های حمل و نقل
- انتخاب بهترین مسیر
- زمانبندی ورود و خروج
- زمانبندی بارگیری و تخلیه
- یکپارچه‌سازی شبکه لجستیک توزیع کالا
۴-واحد‌های پردازش در محیط‌های محاسباتی
- بهبود عملکرد تقاطع‌ها و کاهش ترافیک (چهارراه و سه‌راه خیابان‌ها، تقاطع ریل و جاده، میدان‌ها)
۵-سیستم‌های خدماتی(زنجیره تامین)
مکانیابی و مسیریابی از مهمترین مسائل در حوزه لجستیک و زنجیرهی تامین می‌باشد. در واقع شاخه‌ای جدید از مسائل مکانیابی مربوط به تسهیلات است؛ در آن تصمیمات مربوط به مسیریابی وسایل نقلیه نیز در نظر گرفته می‌شود. بطور کلی این مساله بصورت استقرار یک یا چند تسهیل جدید در مکانهای کاندید و یا در فضای پیوسته، و انتخاب مسیرهای تحویل کالا به مشتریان تعریف می‌شود. تابع هدف می‌تواند شامل:
- اول هزینه‌های مورد انتظار خرابی در حالتی که مراکز توزیع دچار خرابی شوند،
- دوم هزینهی مورد انتظار شکست برای وسایل نقلیه،
- سوم هزینه‌های مورد انتظار خرابی در مسیرهای ارتباطی
باشد. برخی از کاربرد‌های الگوریتم‌های فراابتکاری در سیستم‌های خدماتی در زیر امده است:
- مکان یابی نقاط کلیدی (مکانیابی پایگاه‌های آتش‌نشانی، اورژانس، آمبولانس، تفکیک زباله و غیره)
- مسیر یابی خدمت رسانی(مسیرهای جمع‌آوری زباله، مترو، اتوبوس، تاکسی و غیره)
- تخصیص منابع پروژه به واحد‌های مختلف
- بهینه‌سازی تصاویر(دوربین‌های شهری و شرکتی، شناسایی مجرمان)
۶-مباحث سازه و عمران
- عیب‌یابی سیستم سازه‌ها
نظارت بر سلامت سازه‌ها و تشخیص آسیب‌های آن در مراحل اولیه یکی از موضوعات مورد توجه همیشگی بوده است. از این روش‌ها می‌توان به عنوان روش‌های بررسی دایمی و به هنگام سازه‌ها، استفاده کرد و از به وجود آمدن آسیب‌های بیشتر در سازه‌ها جلوگیری نمود.
- تخصیص منابع
مدیریت جریان نقدینگی ابزاری کارآمد است که بواسطه تصمیم‌سازی مناسب، سودآوری پروژه را تضمین می‌کند. با داشتن پیش‌بینی مناسب از جریان نقدینگی پروژه و بهنگام نمودن آن می‌توان برنامه‌ریزی پروژه را به نحوی انجام داد که از منابع مالی بصورت بهینه استفاده نمایند. در راستای بهبود جریان نقدینگی می‌توان از برنامه‌ریزی خطی بهره جست.
- زمانبندی پروژه‌های عمرانی
تغییرات میزان دسترسی به منابع در طول پروژه و نیز امکان یا عدم امکان استفاده از منابع مازاد هر مقطع زمانی اجرای پروژه از جمله مسایل غیر قابل چشم پوشی در این مبحث می‌باشد. جستجوی یک روش برنامه‌ریزی مناسب جهت برنامه‌ریزی بهینه پروژه‌های ساختمانی با توجه به محدودیت‌ها کمک بزرگی در راستای اجرای مناسب پروژه در زمان و با صرف هزینه معقول با بیشترین بهره‌وری خواهد بود.
۷-خطوط انتقال
جهت احداث خط انتقال نیرو، لازم است عوامل فنی، اقتصادی و زیست محیطی مورد توجه قرار گیرند. لذا تعیین مسیر بهینه خط انتقال جدید، مسئله‌ای چندهدفه بوده که ممکن است اهداف آن ناسازگار باشند. برخی از اهداف در زیر آورده شده است:
- مکانیابی ایستگاه های پمپاژ
- مسیر یابی خطوط انتقال نیرو
- بهینه سازی طراحی خطوط گاز و نفت
- مسیر یابی دکل های انتقال نیرو
۸-زنجیره تامین
یک زنجیره تامین را می‌توان بعنوان ساختاری یکپارچه شامل خرید، تولید، نگهداری و کنترل اجناس در نظر گرفت. یک زنجیره تامین معمولی شامل تامین‌کنندگان کارخانه‌های تولیدی، مراکز توزیع و مشتریان هستند که هدف آنها تبدیل مواد اولیه به محصول نهایی و در نهایت ارسال آن به مشتری با حداقل هزینه می‌باشد. پیشرفت روز افزون فن‌آوری اطلاعات موجب افزایش فشار رقابتی در بازارهای جهانی شده است. ارتباط نزدیکی میان طراحی و مدیریت زنجیره تامین و جریان‌های اطلاعاتی وجود دارد بطوریکه اکثر شکست‌های تجارت الکترونیک را می‌توان به مشکلات ناشی از طراحی و مدیریت زنجیره تامین نسبت داد.
در واقع مدیریت زنجیره تامین، فرایند یکپارچه‌سازی فعالیت‌های زنجیره تامین و نیز جریان‌های اطلاعاتی مرتبط با آن از طریق بهبود و هماهنگ‌سازی فعالیت‌ها در زنجیره تامین تولید و عرضه محصول می‌باشد. در نتیجه آن محصولات مورد نیاز به مقدار مشخص، در زمان و مکان معین تولید شده و به مشتریان عرضه می‌گردد تا هزینه کل زنجیره حداقل شود.
در برخی موارد پیچیدگی و داده‌های مساله به قدری بالا است که شبیه‌سازی و بهره‌گیری از الگوریتم‌های فراابتکاری اجتناب ناپذیر می‌باشد.
می‌توان به برخی از مزایای پیاده‌سازی الگوریتم‌های فراابتکاری در زنجیره تامین اشاره کرد:
- برنامه‌ریزی خرید تولید – توزیع در زنجیره تامین
- حداقل شدن هزینه‌های سیستم
- حداقل شدن زمان‌های ارسال کالا
- حداکثر کردن قابلیت اطمینان سیستم
- بهینه‌سازی سود در زنجیره تامین
- برنامه‌ریزی بهینه تقاضای زنجیره تامین
معرفی برخی از الگوریتم‌های فراابتکاری پرکاربرد
۱-الگوریتم ژنتیک
الگوریتم ژنتیک نوع خاصی از الگوریتم‌های تکامل است که از تکنیک‌های زیست شناسی (تکامل زیستی) مانند وراثت و جهش استفاده می‌کند. با استفاده از این الگوریتم می‌توان بسیاری از مسائل بهینه‌سازی را که با الگوریتم‌های استاندارد بهینه سازی حل نمی شوند، حل نمود. از جمله این مسائل می‌توان به مسائلی که تابع هدف در آن ها ناپیوسته، غیرقابل تشخیص، اتفاقی و یا به شدت غیرخطی است اشاره نمود. همچنین برای اعمال مفهوم تکامل ژنتیکی به یک مسئله بهینه‌سازی در دنیای واقعی دو موضوع را باید مد نظر داشت: ۱- کدگذاری راه‌حل‌های بالقوه ۲- تعریف تابع برازندگی (تابع هزینه).
بدلیل آنکه الگوریتم ژنتیک مبتنی بر جمعیت می‌باشد برای حل مسائل بهینه‌سازی چند هدفه بسیار کاربرد است. در زیر برخی از روش‌های حل چند هدفه مبتنی بر الگوریتم ژنتیک آورده شده است.
MOGA : Multi Objective Genetic Algorithm -
WBGA : Weighted Based Genetic Algorithm -
NSGA : Non dominated sorted Genetic Algorithm -
SPEA2 : Strength Pareto Evolutionary Algorithm -
PAES : Pareto Archive Evolutionary Strategy -
PESA-II : Pareto Archive Evolutionary Strategy -
NSGA-II : Non dominated sorted Genetic Algorithm -
MEA : Multi objective Evolutionary Algorithm -
DMOEA : Dynamic Multi objective Evolutionary Algorithm -
به طور کلی روش‌های مختلف بهینه‌سازی چند هدفه از سه جنبه زیر با یکدیگر متفاوت می‌باشند.
- روند تخصیص تابع برازش
- نخبه‌گرایی
- رویکرد تنوع‌گرایی
حمیدرضاحسن آبادی هستم