Algorytmy optymalizacji decyzji logistycznych w zagadnieniach harmonogramowania zadań w inteligentnych systemach produkcyjnych

• Autorzy: Ludmiła Zawadzka , Krzysztof E. Oliński

Warianty tytułu

Discrete Optimization Algorithms in IMS Task Scheduling Problems

• Języki publikacji: PL

Abstrakty

W artykule zaprezentowano omówienie wybranych metod optymalizacji decyzji logistycznych w zagadnieniach harmonogramowania zadań w inteligentnych systemach produkcyjnych (ISP). Do grupy tej zalicza się między innymi metody oparte na mechanizmach sztucznych sieci neuronowych, algorytmów ewolucyjnych, algorytmów rojowych oraz na systemach rozmytych. Na szczególną uwagę zasługują algorytmy ewolucyjne i algorytmy rojowe, które są z powodzeniem wykorzystywane do wyznaczania przybliżonych rozwiązań problemów optymalizacyjnych w logistyce. (fragment tekstu)

EN

This paper presents a survey of selected methods dedicated for solving scheduling problems in a scope of IMS. Our paper gives a reader an insight into current trends of research works in the field of the scheduling algorithms in manufacturing management. (original abstract)

Słowa kluczowe

PL

Zarządzanie produkcją; Logistyczna koncepcja przedsiębiorstwa; Zarządzanie logistyczne; Algorytmy; Sieci neuronowe

EN

Production management; Logistics concept of enterprise; Logistic management; Algorithms; Neural networks

• Czasopismo: Gospodarka Materiałowa i Logistyka
• Rocznik: 2010
• Numer: nr 12
• Strony: 77--80

Twórcy

autor

Ludmiła Zawadzka

• Politechnika Gdańska

autor

Krzysztof E. Oliński

• Politechnika Gdańska

Bibliografia

• E. Bonabeau, Swarm Intelligence: A Whole New Way to Think about Business, "Harvard Business Review" 2001, Vol. 79, No. 5, s. 106-117.
• M. Clerc, The Swarm and the Queen: Towards a Deterministic and Adaptative Particle Swarm Optimization, in: Proceedings of the Congress on Evolutionary Computation, IEEE Service Center, Washington DC 1999, s. 1951-1957.
• R.C. Eberhart, J. Kennedy, A New Optimizer Using Particle Swarm Theory, in: Proceedings of the Sixth International Symposium on Micro Machine and Human Science, IEEE Service Center, Nagoya 1995, s. 34-43.
• D.A. El-Kebbe, N. Kretzschmar, A PSO-based Mechanism for Adaptative Control in Manufacturing Systems, in: IADIS International Conference of Intelligent Systems and Agents, Portugal 2007, s. 161-165.
• L.K. Gaafar, S.A. Masoud, A.O. Nassef, A Particle Swarm-Based Genetic Algorithm for Scheduling in an Agile Environment, "Computers & Industrial Engineering" 2005, No. 55, s. 707-720.
• Hsiegh L.-F., Huang C.-J., Huang C.-L., "Applying particle swarm optimization to schedule order picking routes in a distribution center", L.F. Hsieh et al. (eds.), Asian Journal of Management and Humanitary Sciences, Vol. 1, No. 4, 2007, pp. 558-576.
• J. Kennedy, R.C. Eberhart, Particle Swarm Optimization, in: Proceedings of IEEE International Conference on Neural Networks, IEEE Service Center, 1995, s. 1942-1948.
• J. Korbicz, A. Obuchowicz, D. Uciński, Sztuczne sieci neuronowe. Podstawy i zastosowania, Placet, Warszawa 1994.
• Z. Michalewicz, Algorytmy genetyczne + struktury danych = programy ewolucyjne, WNT, Warszawa 1999.
• S. Osowski, Sieci neuronowe w ujęciu algorytmicznym, WNT, Warszawa 1996.
• D. Rutkowska, M. Piliński, L. Rutkowski, Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, PWN, Warszawa 1997.
• A.M.S. Zalzala, P.J. Fleming, Genetic Algorithms in Engineering Systems, The Institution of Electrical Engineers, London 1997.