Institutional Repository
Technical University of Crete
Technical University of Crete
EN
|
EL
| URI | http://purl.tuc.gr/dl/dias/CF06D423-5E47-45E3-888A-F221A46CBCD5 | - |
| Identifier | https://doi.org/10.26233/heallink.tuc.26700 | - |
| Language | el | - |
| Extent | 103 σελίδες | el |
| Extent | 2,99 megabytes | el |
| Title | Ανάπτυξη εξελικτικού αλγόριθμου και βελτιστοποίηση παραμέτρων λειτουργίας του για προβλήματα χρονοπρογραμματισμού εργασιών | el |
| Title | Development of an evolutionary algorithm and optimization of its operational parameters for job scheduling problems | en |
| Creator | Makrymanolakis Nikolaos | en |
| Creator | Μακρυμανωλακης Νικολαος | el |
| Contributor [Thesis Supervisor] | Marinakis Ioannis | en |
| Contributor [Thesis Supervisor] | Μαρινακης Ιωαννης | el |
| Contributor [Committee Member] | Stavroulakis Georgios | en |
| Contributor [Committee Member] | Σταυρουλακης Γεωργιος | el |
| Contributor [Committee Member] | Ioannidis Efstratios | en |
| Contributor [Committee Member] | Ιωαννιδης Ευστρατιος | el |
| Publisher | Πολυτεχνείο Κρήτης | el |
| Publisher | Technical University of Crete | en |
| Academic Unit | Πολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και Διοίκησης | el |
| Description | Μεταπτυχιακή Διατριβή που υποβλήθηκε στη Σχολή Μηχανικών Παραγωγής και Διοίκησης του Πολυτεχνείου Κρήτης για την πλήρωση προϋποθέσεων λήψης του Μεταπτυχιακού Διπλώματος Ειδίκευσης. | el |
| Description | Master's Thesis submitted to School of Production Engineering and Management of Technical University of Crete partially fulfilling the requirements for a Master's Degree. | en |
| Content Summary | Στην εργασία αυτή δημιουργούμε ένα νέο εξελικτικό αλγόριθμος κατάλληλο για επίλυση προβλημάτων συνδυαστικής βελτιστοποίησης αναδιάταξης εργασιών / σημείων, όπως τα προβλήματα χρονοπρογραμματισμού εργασιών, το πρόβλημα του περιπλανώμενου πωλητή και άλλα. Εστιάζουμε τη μελέτη μας στο πρόβλημα χρονοπρογραμματισμού εργασιών flow-shop, όπου ένα πλήθος n εργασιών πρέπει να τύχει επεξεργασίας από ένα πλήθος m μηχανών, με την ίδια σειρά για όλες τις εργασίες, και αναζητούμε το μικρότερο χρόνο ολοκλήρωσης. Ο αλγόριθμος συνδυάζει τεχνικές από αυτές που εφαρμόζονται στη διαδικασία τοπικής αναζήτησης. Καθώς ο αλγόριθμος είναι δεκτικός παραμετροποίησης για ορισμένα στοιχεία που αφορούν στη λειτουργία τους, ακολουθείται μία συστηματική διαδικασία εξόρυξης δεδομένων, με τη βοήθεια της οποίας αξιοποιούνται δεδομένα μετρήσεων από έναν αριθμό εκτελέσεων του αλγορίθμου σε πραγματικά προβλήματα, και αναζητούνται μοντέλα που θα εκτιμήσουν την κατάλληλη παραμετροποίηση του αλγορίθμου για κάθε μέγεθος προβλήματος m x n. Στο τέλος παρατίθενται τα αποτελέσματα με βάση τις προτεινόμενες παραμετροποιήσεις από τα μοντέλα εξόρυξης δεδομένων και γίνεται επαλήθευση της ποιότητας των αποτελεσμάτων. Τα αποτελέσματα δείχνουν ότι η διαδικασία που ακολουθήθηκε δημιουργεί νέες προοπτικές στη βελτίωση της αποδοτικότητας εξελικτικών αλγορίθμων για προβλήματα συνδυαστικής βελτιστοποίησης αλλά και σε άλλες εφαρμογές όπου η παραμετροποίηση αλγορίθμων είναι σημαντικό στοιχείο για την αύξηση της αποτελεσματικότητάς τους. | el |
| Content Summary | In this thesis we develop a new evolutionary algorithm, suitable for solving combinatorial optimization scheduling problems, such as jobs scheduling problems, the travelling salesperson problem, etc. We focus our study on flow-shop scheduling problem, where a number of n jobs has to be processed by a number of m machines, at the same sequence for every job, and we seek for smallest completion time. The algorithm combines various techniques used in local search. As various elements of the algorithm can be tuned, we follow a systematic data mining procedure and we utilize data from a number of executions in real problems, in order to seek models for the suitable parameterization for every m x n problem size. Finally we present our results using the model suggested parameters and we verify the quality of our results. The results show that the procedure we follow creates new promises on the improvement in efficiency for evolutionary algorithms in combinatorial optimization problems, and also in other applications where the fine-tuning of algorithms is important element in order to increase their efficiency. | en |
| Type of Item | Μεταπτυχιακή Διατριβή | el |
| Type of Item | Master Thesis | en |
| License | http://creativecommons.org/licenses/by-sa/4.0/ | en |
| Date of Item | 2015-06-23 | - |
| Date of Publication | 2015 | - |
| Subject | Optimization, Combinatorial | en |
| Subject | combinatorial optimization | en |
| Subject | optimization combinatorial | en |
| Subject | Algorithmic knowledge discovery | en |
| Subject | Factual data analysis | en |
| Subject | KDD (Information retrieval) | en |
| Subject | Knowledge discovery in data | en |
| Subject | Knowledge discovery in databases | en |
| Subject | Mining, Data | en |
| Subject | data mining | en |
| Subject | algorithmic knowledge discovery | en |
| Subject | factual data analysis | en |
| Subject | kdd information retrieval | en |
| Subject | knowledge discovery in data | en |
| Subject | knowledge discovery in databases | en |
| Subject | mining data | en |
| Subject | Job scheduling (Production control) | en |
| Subject | Job-shop scheduling | en |
| Subject | Project scheduling (Production control) | en |
| Subject | Scheduling (Management) | en |
| Subject | production scheduling | en |
| Subject | job scheduling production control | en |
| Subject | job shop scheduling | en |
| Subject | project scheduling production control | en |
| Subject | scheduling management | en |
| Bibliographic Citation | Νικόλαος Μακρυμανωλάκης, "Ανάπτυξη εξελικτικού αλγόριθμου και βελτιστοποίηση παραμέτρων λειτουργίας του για προβλήματα χρονοπρογραμματισμού εργασιών", Μεταπτυχιακή Διατριβή, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2015 | el |
| Bibliographic Citation | Nikolaos Makrymanolakis, "Development of an evolutionary algorithm and optimization of its operational parameters for job scheduling problems", Master Thesis, School of Production Engineering and Management, Technical University of Crete, Chania, Greece, 2015 | el |
Copyright © DIAS 2013
