Designing a meta-heuristic algorithm to solve the scheduling problem of parallel machines unrelated to the time limit of access to tasks in industrial automation

Bu tez, operasyonel verimliliği artırmak için yapım süresini en aza indirmeye odaklanarak, endüstriyel ortamlarda ilgisiz paralel makineler arasında planlama görevlerinin optimizasyonunu araştırmaktadır. Karmaşık optimizasyon problemlerini çözmedeki sağlamlığıyla bilinen bir genetik algoritma (GA), değişken işlem hızlarına ve görev bağımlılıklarına sahip makinelerin neden olduğu planlama zorluklarını gidermek için geliştirildi. Çalışma, çaprazlama, mutasyon ve seçim gibi karmaşık genetik işlemler yoluyla potansiyel planlama dizilerini akıllıca araştıran GA'yı uygulamak için MATLAB'ı kullanıyor. Algoritmanın etkinliğini değerlendirmek için dört makine ve yirmi görevi içeren bir deney düzeneği kullanıldı. Sonuçlar, genetik algoritmanın optimal görev programlarını bularak üretim verimliliğini önemli ölçüde artırdığını göstermektedir. Araştırma ayrıca ek kısıtlamaların entegrasyonu ve görev işleme sürelerindeki belirsizliklerin yönetimi de dahil olmak üzere gelecekteki iyileştirmeleri tartışıyor. Bu kapsamlı çalışma, genetik algoritmaların karmaşık planlama problemlerini çözme yeteneğini kanıtlıyor ve çeşitli endüstrilerde uygulanabilir değerli bilgiler ve pratik çözümler sunuyor.