بهینه سازی منبع با استفاده از شبیه سازی ترکیب یافته و الگوریتم ژنتیک



بهینه سازی منبع با استفاده از شبیه سازی ترکیب یافته و الگوریتم ژنتیک

خلاصه
این مقاله، توسط ترکیب کردن فلوچارت ( نمودار گردش کار) براساس ابراز شبیه سازی با یک روش بهینه سازی ژنتیک قدرتمند، یک روش را برای بهینه سازی منبع نشان می دهد.روش ارائه شده، کمترین هزینه،و بیشترین بازده را ارائه میدهد، وبالاترین نسبت سودمندی را در عملکردهای ساخت و تولید فراهم می آورد. به منظور یکپارچگی بیشتر بهینه سازی منبع در طرح ریزی های ساخت،مدلهای شبیه سازی بهینه یافته (GA) الگوریتم های ژنتیکی گوناگون،عموماً با نرم افزارهای مدیریت پروژه بکار رفته شده ادغام می شوند. بنابراین، این مدلها از طریق نرم افزار زمان بندی فعال می شوند و طرح را بهینه می سازند.نتیجه، یک ساختار کاری تقلیل یافته سلسله مراتبی در رابطه با مدلهای همانندی سازی بهینه یافته GA است. آزمایشات گوناگون بهینه سازی با یک سیستم در دو مورد مطالعه، توانایی آن را برای بهینه ساختن منابع در محدوده محدودیتهای واقعی مدلهای همانند سازی آشکار کرد. این الگو برای کاربرد بسیارآسان است و می تواند در پروژه های بزرگ بکار رود. براساس این تحقیق، همانندسازی کامپیوتر وا لگوریتمهای ژنتیک ،می توانند یک ترکیب موثر برای بهبود دادن بازده و صرفه جویی در زمان وساخت و هزینه ها باشند.

مقدمه
این امر کاملاً آشکار شده است که بازده کاری پایین ،عدم آموزش، و کاهش تعداد معاملات، چالشهای بحرانی هستند که صنعت ساختمان( ساخت) با آن روبرو خواهد شد.
بهره دهی یا قدرت تولید در رابطه با مطالعه ها، برای مثال،دلالت بر زمان بیکاری (بیهوده) کاربران در ساخت(تولید) دارد که این زمان از 20 تا 45% متغیر است. این اتلاف وقت ، که از طریق منابع ناکارآمد و طرح ریزیهای غیربسنده( نامناسب) ناشی می شود، تاثیر و پیامد فوق العاده ای در هزینه های ساخت دارد. همچنین، پیماناکاران که مهارتهای مدیریتی منابع کارآمد را ندارند، این رقابت کردن در بازارهای ساخت جهانی که آنها د ر آن فرصتها بسیاری را خواهند یافت، برای آنها کاری بس دشوار خواهد بود.
با ایجاد تجهیزات و نیروی کار برای امر ساخت و تولید، این امر آشکار است که تدبیرهای کاربرد نیروی کار متناوب و کاربرد بهتر از منابع کاری موجود، به منظور بهبود دادن،بهره دهی کاری و کاهش هزینه های ساخت، مورد نیاز است. استفاده کارآمد از منابع پروژه، هزینه های ساخت را برای مالکان و مصرف کنندگان کاهش می دهد، و در عین حال سودمندیهایی را برای پیمانکاران افزایش می دهد. با این وجود،برخی فاکتورها وجود دارند که ،مدیریت منبع را امر دشواری می سازند، این فاکتورها در مراحل زیر توضیح داده شده اند:
– سیاست جداسازی مدیریت منبع:در ادبیات، محققان گوناگون، تعدادی تکنیکها را برای پرداختن به جنبه های فردی مدیریت منبع، همانند تخصیص منبع، سطح بندی منبع، مدیریت نقدینگی، و تجزیه و هزینه و زمان معاملات (TCT) ، ارائه داده اند. مطالعات تالبوت و پترسون(1979) و گاولیش و پیرکون (1991)، برای مثال، به تخصیص منابع مربوط بود ، در حالیکه بررسیهای Easa (1989) و Shah et al (1993) به سطح بندی و تراز کردن منابع می پرداخت روشهای دیگر ، تنها روی تجزیه TCT متمرکز شدند. همانطوریکه این بررسیها سودمند واقع شدند، آنها به ویژگیهای مجزایی پرداختند که یکی پس از دیگری برای پروژه ها بکار برده می شدند ( نه بطور همزمان) . بوسیله پیچیدگی اساسی پروژه ها و مشکلاتی در رابطه با الگوبرداری تمام ویژگیهای ترکیب یافته، تلاش بسیار کمی برای بهینه سازی منابع ترکیب شده به عمل آمد.
– ناکارآمدی الگوریتم های بهنیه سازی سنتی: در چند دهه گذشته ، بهینه سازی منبع سنتی، براساس روشهای ریاضی یا براساس تکنیکهای ذهنی(غیرمستدل) بوده است. روشهای ریاضی ، همانند برنامه ریزیهای عدد صحیح ، خطی، یا برنامه ریزیهای دینامیکی ،برای مشکلات منبع فردی پیشنهاد شده بودند.با این وجود ، روشهای ریاضی از لحاظ محاسبه ای برای هر پروژه واقعی انعطاف ناپذیر بودند که این روش فقط برای سایزهایی از پروژه مناسب می باشد. همچنین ،روشهای ریاضی پیچیده ایشان دستخوش تغییر می شوند وممکن در مطلوبترین وبهینه ترین قرار بگیرند، روشهای ذهنی (غیرمستدل) ، ازسوی دیگر، تجربیات وقوانین thumb را بکار می برند، نه فرمولهای ریاضی سخت ودقیق را. محققان برای تخصیص منبع، مدلهای ذهنی گوناگونی را پیشنهاد نموده اندن،تراز بندی منبع ها،تجزیه TCT، علی رغم سهولتشان ،این روش های ذهنی هنگامی که درشبکه های پروژه ای مختلف بکار برده می شوند ،نتایج گوناگون را اعمال می نمایند ، و برای کمک به انتخاب بهترین روش ذهنی برای کاربرد، هیچ گونه راهنماهای دقیقی وجود ندارد. بنابراین ، آنها نمی توانند راه حلهای بهینه ای را تضمین نمایند. همچنین ،راه حلهای غیرثابت آنها ( غیرپایدار آنها) به تفاوتها وتناقض های وسیع، میان قابلیهای محدود شده منبعی نرم افزار در مدیریت پروژه تجاری کمک شایانی کرده اند.
– مشکلاتی که در رابطه با مدلهای همانندسازی: در طی سه دهه گذشته،همانندسازی کامپیوتر، برای حمایت از کاربرد کارآمد منابع ساخت ارائه شده است (معرفی شده است) با این وجود ، محققان، در توانایی آن برای ایجاد تقلیدی (نمودین) فرآیندهای ساخت واقعی در کامپیوترها علاقمند شدند، و کارورها ممکن هدایت این کار را بسیار دشوار بیابند. به عنوان یک ابزار بسیار سودمند برای طرح ریزی منابع، یک تحقیق وسیع برای توسعه مدلهای همانندسازی عملکرد ساخت، بویژه برای کاربرد سیستم چرخه باید هالپین صورت گرفت. هنوز،با این وجود، برخی ابزارهای موجود، نیازمند دانش برنامه ریزی کامپیوتری و زبان همانندسازی، و عدم ادغام با نرم افزار مدیریت پروژه موجود و عدم ادغام با الگوریتم های بهینه سازی را می باشند.
– موجودیت یک ابزار تولیدی جدید ؛توسعه های اخیر در علم کامپیوتر، یک تولید جدیدی از ابزارها را حاصل نموده است، که آن برای استفاده شدن در کاربردهای ساخت بسیار سودمند می باشد. براساس پیشرفتهای اخیر در هوش مصنوعی، یک تکنیک بهینه سازی جدید ، وا لگوریتم های ژنتیک (Gas) پدیدار شده اند. با مکانیزمهای تکامل طبیعی همانندسازی و شایسته ترین مکانیزمهای بقاء ،GAS ،یک تحقیق رندم(تصادفی) رابرای حل بهینه یک مشکل بکار می برد. بوسیله سودمندیهایی حاصله از آنها، Gas بطور موفقیت آمیزی برای حل چندین مشکل مهندسی و مشکلات مدیریت ساخت بکار برده می شود. این کاربردها شامل بهینه سازی یک سیاست قیمت افزایی برای پیمانکاران ؛بهینه سازی سقف نگهدارنده(پایه) فولاد؛ زمان بندی و جدول بندی منابع؛بهینه سازی زمان وهزینه معاملات؛ و تخصیص وترازبندی منبع ترکیب شده می باشند.
همچنین،علاوه بر ابزارهای بهینه سازی براساس GA،سیستم های همانندسازی جدید و آسان کاربرد براساس برنامه ریزی های شی گرا، اخیراً ارائه شده است. یک سیستم فرآیند V3 (2000)، یک نرم افزار با هدف عمومی،برای الگو برداری و همانندسازی ارائه شده است. سودمندی اصلی این نرم افزار، نمودار گردش کارآسان آن، براساس قابلیت های الگوبرداری و همچنین موتور همانندسازی شیء گرایآن می باشد.این موتور همانندسازی نرم افزار،انعطاف پذیر است و این امکان را بوجود می آورد که کاربر عناصر الگو برداری اولیه اش را بپذیرد. سودمندی دیگر نرم افزار این است که ،آن همانندسازی را برای شبکه های سنتی فعالیت در فلاش (AOA) بکار برده شده برای زمان بندی پروژه ها بکار می برد. انواع پروژه های گوناگون فلاش و گره طراحی می شوند تا شاخه بندی های ساده یا مشروط را در طی همانندسازی امکان پذیر سازند. این اهداف از پیش طرح شده، می توانند با یک تلاش کم برای تولید مدلهای عملی،بدون دانش مبتلی از واژه شناسی همانند شناسی یا برنامه ریزی کامپیوتری به کار برده شوند.
این روش، به بهبود طرح ریزی ساخت و مدیریت منابع، توسط یک سیستم بهینه سازی منبع آسان کاربرد و کارآمد کمک می نماید و این همانند سازی را با الگوریتم های ژنتیک ترکیب می نماید. این سیستم بهینه سازی منبع،در دو مطالعه مورد بررسی قرار گرفته است. بنابراین این سیستم با نرم افزار تجاری مدیریت پروژه ادغام می شود و این امکان را فراهم می کند که کاربران مدلهای بهینه یافته GA را در هر سلسله مراتب پروژه تعریف شده کاربر بکار گیرند، به نحوی که زمان بندیهای ساخت بهینه شده منابع و زمان بندی های واقع گرایانه ایجاد شود.
همانندسازی تسهیل یافته: دو مثال
با استفاده از روش همانند سازی شرح داده شده در ضممیه،دو عملکرد ساخت مجزا الگوبرداری شده است.با ارائه نرم افزار ساده بر اساس فلوچات ،فرآیند الگوبرداری بطوروسیعی آسان شده است.جزئیات مفصل عملکردهای الگوبرداری شده دربخشهای زیر فراهم شده است.
مثال (1) : جایگزین عینی
اولین مثال، یک عملکرد جایگزینی (قرارگیری) عینی ساده را مورد تجزیه قرار می دهد که اساساً توسط پالسون et al (سال 1987) ارائه شده و مورد الگوبرداری قرار گرفته است،و با استفاده از INSIGHT (بینش) ، یک تنوع وسیع و پیشرفته ای از سیستم چرخه باد ( سیستم چرخنده) توسط هالپین (1977) ارائه شده است. این فرآیند شامل قرارگیری و تنظیم تعدادی ستون عینی (واقعی) هر کدام ،برای یک ساختار جدید است.یک ترکیب بیل مکانیکی جرثقیل (crane-bucket) ، با یک ظرفیت و یک "خرطوم فیل" ، برای جایگزینی عینی فرض می شود جایگزینی عینی توسط چهار بارکش (کامیون) ، هر کدام با یک ظرفیت دریافت می شود. به علت محدودیتهای مکانی، با این وجود، تنها یک بارکش می تواند در موقعیت تحویل(ارسال) در یک زمان حرکت نماید. یکی از متصدیان کارگران ساخت، همچنین برای جایگزینی عینی بکار گرفته می شود. اثر یک کامیون و بیل مکانیکی جرثقیل، هر دو موجود باشند، بنابراین ،جرثقیل می تواند بیل مانیکی را بارگیری نماید و آن را برای جایگزینی عینی در یک ستون بکار می برند.این جرثقیل و بیل مکانیکی بنابراین برای بارگیری دیگر بر می گردد. بعد از اینکه دو بیل مکانیکی جایگزین شدند، ستون کامل می شود و خدمه می توانند به ستون بعدی بروند بعداز حرکت خدمه به ستون بعدی، جایگزینی در ستون جدید می تواند آغاز شود. همچنین فرض می شود که بعد از اینکه یک کامیون تخلیه می شود، این کامیون به حرکت در می آید و کامیون بعدی می تواند وارد اتاقک تحویل (ارسال) شود.
همانطور که در شکل (1) نشان داده شده است، این مدل توسط چهار گره و شش فلش نشان داده می شود، گره 2 ،یک گره اساسی است واز فعالیت 1-2 (آغاز) ، یک شیء شمارش پذیر یا ردکوبیک دریافت می کند. این فعالیت 2-3 جانشین (بارگیری و بالا کشیدن) هنگامی که شیء یاردکوبیک بعلاوه دو منبع(کامیون وبیل مکانیکی جرثقیل) موجودمیباشند، برای فعال شدن تنظیم خواهد شد. در پایان فعالیت آن،فعالیت 2-3 ،شیء یا ردکوبیک را که آن دریافت می کند، عبور می دهد، و همچنین یک شیء جدید "شمارنده بیل مکانیکی" ایجاد می شود. بنابراین در گره 3، تعدد شیء های "یاردکوبیک" دریافت شده، تعدادی بارگیریهای انجام شده را نشان می دهند. همچنین ،هر شی "شمارنده بیل مکانیکی "،ظرفیت 1/8 را از ظرفیت کاملیک کامیون را نشان می دهد، وبنابراین هشت شیء به عنوان یک تجهیزات برای فعال کردن فعالیت 3-2 تنظیم می شوند. فوراً بعد از پایان فعالیتهای 2-3، فعالیت 3-4 می تواند آغاز شود، چون آن نیازمند یک شی "یاردکوبیک" و همچنین یک منبع خدمه برای جایگزینی و مرتعش کردن (لرزندان) است. در پایان آن، گره 4 ،دو شیء را دریافت می کند، یک شیء " یاردکوبیک" و یک شی "شمارنده ستون"، شی "یاردکوبیک" بنابراین همانطور یک نیاز برای فعالیت 4-2 رفع می شود ( جرثقیل و بیل مکانیکی بر می گردد)، در حالیکه دو شیء "شمارنده ستون" برای شروع فعالیت 4-3 نیاز است( خدمه به سمت ستون بعدی حرکت می کنند) از دیدگاه کاربر، بنابراین در شبکه فرآیند ( نمودار گردش کار) این مدل می تواند توسط منابع گوناگون در یک صفحه گسترده نصب شود، وبنابراین ویژگیهای هر گره وفعالیت را شناسایی کند بنابراین تمام فعالیتها،منابع و تقویم ها تنظیم می شوند و فرآیندهای همانندسازی می توانند آغاز شوند، و این نرم افزار،با استفاده از رنگها، فرآیند را به حرکت در می آرود (متحرک می کند) به دنبال این فرآیند، کاربر قادر است،همانندسازی را روش audit -trail نماید و زمانهای فعال،زمانهای بیکاری (بیهوده) و تعداد شیء های دریافت شده در هر گره را شناسایی نماید. به عنوان مثال، نتیجه یک همانندسازی یک روزه، با استفاده از چهارکامیون، یک بیل مکانیکی، تعداد کل فعالیتهای انجام شده در گره 4 برای فعالیت 4-3 (خدمه به سمت ستون بعدی حرکت می کنند) 51 فعالیت بود ،و یک بازده 51 ستون / روز را نشان داد. همچنین تعداد وفعالیت ها برای فعالیت 4-2 (برگشتن بیل مکانیکی و جرثقیل) 103 بود، تعداد جایگزین شده را نشان داد.
مثال 2 : خاکبرداری
دومین مثال یک عملکرد خاکبرداری پیچیده در فرودگاه بین المللی هنگ کنگ، قبلاً توسط واک فیلد، و سیرز (1997) با استفاده از شبکه های petri الگوبرداری شد. عملکرد ساخت شامل بارگیری مواد خاکبرداری شده داخل کامیونها با استفاده از یک لودر دیمچ H285 بود براساس کیفیت مواد خاکبرداری شده،آن ها داخل یک یا سه مکان پرشده حمل شدند،مکان A ،مکان B یا مکان C. دو نوع کامیون در این مکانها بکار برده شد: کامیون های CAT777 با یک ظرفیت 30، 33 یا 35 برای حمل کردن انواع مواد A، B و یا C( به ترتیب) ، وکامیونهای CAT785 با یک ظرفیت 50،55 ، یا 60 برای حمل کردن مواد A ، B و یا C ( به ترتیب) به کار برده شدند( شکل 2) را نگاه کنید.
برای عملی بودن ،احتمالات خرابی کامیون برای نمونه برداری موقعیت بکار برده می شوند ، این احتمالات در یک نوع کامیون بیشترقطبی تر از کامیونهای دیگر است. این بررسی هرروز در شیفت های کاری یازده ساعته انجام می گیرد. با استفاده از این مدل در یک مثال، تجربه حاصله از ترکیب مبلغ (کامیونهای 3CAT785+4CAT777)، یک نتیجه تولید روزانه 7.930,5.571 را ارائه داد و 5.076 سانتی متر مکعب از مواد در مکانهای A،B و C به ترتیب تخلیه شدند. گزارشهای گوناگون که بنابراین می توانند توسط نرم افزار همانندسازی بکار برده شده تولید شوند. کاربرد منابع ، هزینه های تولید ، و زمانهای فعال/ بیکاری می باشند.
مدلهای همانندسازی بهینه سازی شده الگوریتم های ژنتیک
این مدلهای همانندسازی نشان داده شده در قبل، قادرند که اجرای فرآیند را در هنگام تغذیه شدن مدلها با مجموعه منابع منطقی تجزیه نمایند. معمولاً یک روش آزمون وخطا برای آزمایش ترکیبات منبع گوناگون در تلاش برای بهبود راه حل، یا کیفیتهای خروجی مدلهای همانندسازی بکار برده می شود.با این وجود ، روش آزمون وخطا ، ممکن است یک راه حل منطقی را آشکار نماید، آن می تواند وقت گیر باشد و یک راه حل بهینه و ارائه تعداد وسیعی ترکیبات منبعی ممکن را تضمین ننماید. به این منظور الگوریتم ژنتیک (Gas) بطور موفقیت آمیزی بصورت یک مکانیزم تحقیقی قدرتمند برای راه حلهای تقریباً بهینه در مشکلات بسیار بزرگ بکار برده می شود.
روش الگوریتم های ژنتیک برای مدلهای همانند سازی
سودمندی کاربردی الگوریتم های ژنتیک، با مدلهای همانندسازی، بررسی تحقیق یک مجموعه منبعهای بهینه است، که هزینه و تولید را تحت محدودیتهای گوناگون در رابطه با تولید مطلوب،وضعیتهای کار،و محدودیتهای موجودیت منبع بهینه می سازد. با الگوریتمهای ژنتیک وسیع بکار برده شده تقریباً در هر دامنه ای،برخی مرجعها در ساخت،اطلاعات زمینه ای مفصل وروشهای مرحله به مرحله را فراهم می نمایند.
روش Gas که بهینه سازی منابع درمدلهای همانندسازی مناسب است ، همانند دو مثال زیر،شامل پنج مرحله اصلی به شرح زیر می باشد:
– مرحله (1) : تعریف یک راه حل
یک راه حل برای بهینه سازی مشکل، توسط مجموعه ای از روشها (مقدارهای منابع) در رابطه با متغیرهای مشکل(تعداد متغیرها = تعداد انواع منابع) نشان داده می شود.آرایش Gas که راه حلی را در یک رشته با نام کروموزوم تنظیم می کند، دارای تعدادی عناصر (ژن ها) است که تعداد متغیرها را نشان میدهد.(شکل3)
– مرحله (2) :تنظیم متغیرها ،تابع هدف ، ومحدودیت ها
– متغیرها: متغیرها، مقدار (ارزش) هر منبع بر کاربرد می باشند ( برای مثال، مقدار داخل هر ژن)، همانطورکه در ساختار کروموزوم شکل (3)نشان داده شده است.
– تابع هدف: برای ارزیابی هر کروموزوم ،یک تابع هدف تنها ، دو زیر هدف را برای افزایش دادن تولید و کاهش دادن هزینه ها مورد ملاحظه قرار می دهد که فرمول آن بصورت زیر است: (تولید /هزینه) = مقدار حداقل = تابع هدف هزینه واحد حداقل =
– محدودیتها: این کاربر می تواند محدودیتهایی را روی مقدار تولید،محدودیتهای موجودیت منابع، و ساعتهای عملیات تنظیم نماید.
– مرحله 3: ایجاد گروهی از راه حلهای اولیه (کروموزمها )
اساساً، بهینه سازی ژنتیک با تولید یک گروه راه حلهای رندم (تصادفی) آغازی، آغاز می شود. اندازه گروه ( تعداد کروموزمها) ، یک فاکتور مهم است که راه حل ها و زمان پردازشی را که آن صرف می کند ، تحت تاثیر قرار می دهد، یک اندازه گروه بزرگتر ( صدها) ، احتمال حاصل شدن یک بهینه جهانی را افزایش می دهد ،اما اساساً زمان پردازش نیز افزایش پیدا می کند.در کاربرد موجود ، این کاربر،انعطاف پذیری را برای گروه راه حلهای ورودی ارائه می دهد. در این کاربرد، یک گروه راه حل میزان 50 راه حل آشکار شد که آنها راه حلهای منطقی و راه حلهای بکار برده شده در تمام آزمایشها هستند.
– ارزیابی گروه جمعیت
هنگامی که جمعیتی تولید می شود، تناسب کروموزمها در این جمعیت توسط فعال کردن مدل همانندسازی ارزیابی می شود، و در رابطه با کروموزوم مقدارهای منبع جایگزین مدل می شود، و مدل جریان می یابد و هزینه واحد خروجی برای نشان دادن تناسب کروموزومها حاصل می شود.
(2) خروجی همانندسازی (کل هزینه / کل محصول ) = i تناسب کروموزوم
بعد از تکرار کردن فرآیند برای تمام اعضای جمعیت، ارزش نسبی به هر کروموزوم در این جمعیت بصورت زیر محاسبه می شود :
جمع کل تناسب تمام کروموزمها = i تناسب کروموزم = ارزش نسبی
– مرحله 5: چرخه های تکامل
در فرآیندهای طبیعی همانندسازی، این جمعیت راه حلهای اولیه، دستخوش تکامل در چرخه هایی که چرخه تولید نامیده می شود، می شوند. در هرچرخه، کروموزمهای خانواده،بطور تصادفی (بطور رندمی) برای ازدواج انتخاب می شوند. همانطور که در شکل(4) نشان داده شده است، خانواده ها با احتمال انتخاب متناسب با ارزشهای نسبی محاسبه شده در فرمول (3) انتخاب می شوند.این روش تضمین می نماید که بهترین کروموزوم ها دارای احتمال بالاتری برای انتخاب شدن، بدون مختل شدن تنوع(گوناگونی) فرآیند رندم هستند. هنگامیکه یک بچه متولد می شود،آن همانند مرحله (3) ارزیابی می شود در نتیجه اگر تناسب بچه (زاد وولد) خوب بادش (معادله 2) ، آن برای بهبود دادن جمعیت بکار برده می شود. این فرآیند توسط ارزیابی مجدد جمعیت (مرحله 3) ادامه می یابد، وصدچرخه ارزیابی در مرحله(4) ادامه می یابد.
اشاره شده است که منابع برای بهینه شدن، متغیر هستند،درحالیکه مدل همانندسازی، خود ثابت و پایدار می باشد.اگر کاربر تمایل داشته باشد، تاثیرات (نتایج) تغییرات را در خود مدل فرآیند برآورد نماید، بنابراین ، یک مدل تعدیل یافته می تواند در بهینه سازیهای مختلف بکار برده شود. این کاربر بنابراین می تواند نتایج راه حلهای بهینه مورد استفاده قرار دهد.

اجرای مدلهای همانندسازی بهینه در الگوریتم های ژنتیک
این سیستم ارائه شده برای ترکیب الگوریتم های ژنتیک با مدلهای همانندسازی ،توسط ادغام سه ابزار نرم افزاری اجرا می شود : نرم افزار همانندسازی فرآیند V3، یک ابزار تجاری براساس GA ؛ و یک نرم افزارزمان بندی تجاری.این اجزای تشکیل دهنده سیستم، در شکل(5) نشان داده شده است. تحول دهنده خود، یا بصورت یک Excel خودکار شده افزایشی فراهم می شود و یا اینکه بصورت یک ابزارکار سیستم پیشرفته (SDK) با روتین هایی برای نوشتن روش سفارشی GA، با استفاده از زبان اولیه و یژوال ،فراهم می شود. چون Excel به عنوان بخشی از کاربرد حاضر مورد نیاز می باشد، بنابراین SDK برای نوشتن یک مدول GA روی اساس ویژوال برای کاربردهای (VBA) زبانی که برای پروژه میکروسافت است، بکار برده می شود.سودمندی کاربرد پروژه میکروسافت به عنوان پلت فورم توسعه، ویژگی قابلیت برنامه ریزی آن و مطلوب بودن آن برای پیوند با مدلهای بهینه GA کاربردهای فردی در کل طرح ریزی پروژه ها و جدول بندی ( زمان بندی ها) می باشد.
همانند توسعه مدول GA ، مدول دیگری مورد نیاز است، تا این امکان را بوجود آورد که مدول GA بطور خودکار، یک مدل همانندسازی فرآیند V3 را از طریق نرم افزار پروژه میکروسافت فعال نماید و با توانهای خروجی و ورودی ارتباط برقرار نماید. این مدول بطور وسیعی توسط توانایی فرآیند V3 سهولت می یابد و هدفها و اعمال آن رابرای مخدوش سازی توسط برنامه های ناتوان شده اساس ویژوآل خارجی نشان می دهد ( همانند برنامه های پروژه میکروسافت) این ویژگی پیوند شیو یا کارگذاشتن شیء می باشد. که یکی از ملاکهای اصلی برای فرآیند انتخاب V3 ،در کنار کاربرد آسان آن است.
در تمام موارد شرح داده شده در شکل(5) ،مدل همانندسازی بهینه یافته GA، دارای تمام اجزای تشکیل دهنده گنجانده شده در فایل پروژه میکروسافت با مدلهای VBA است، یعنی یک مرجع برای فایل "فرآیند V3" مدل همانندسازی ،و یک مرجع برای روتین های تحول دهنده GA هنگامی که دو مدل جداگانه برای دو کاربرد مثال نما اجرا و آزمایش می شود ،آنها برای بهینه سازی منبع همانند زیر آماده می شوند :
مورد بررسی (1): جایگزینی عینی
– متغیرها: سه متغیر بهینه سازی (کامیونها،جرثقیل، وخدمه ) شامل می باشند تا کمیتهای منبع بکار رفته در مدل همانندسازی را نشان دهند. تغییر این ارزشها، نتایج همانندسازی مختلفی را حاصل می کند (کل هزینه ها وکل تولید)در آغاز تعداد متغیرهای بکار برده شده ، چهار کامیون ، چهارجرثقیل و چهار خدمه بودند.
– محدودیتها : سه محدودیت در این مدل بکار رفته است. کامیونها : $ 30/h و مقدارشان یک عدد صحیح میان 1 و10 است؛
جرثقیل ها و بیل های مکانیکی : $ 40/h و مقدار آنها یک عدد صحیح میان 1 و7 است؛
خدمه ها : $ 25/h و مقدار آن میان 1 و 7 است؛
زمان کاری : کارنرمال ( 8 ساعت در روز) ؛ و
تولید مطلوب : حداقل 50 ستون در هر روز این محدودیت برای راه حل های کنار گذاشته شده ای است که تولید پایین را حاصل می کنند.
تابع شی گرایی (هدف شی ءگرایی)
تابع شی گرایی= به حداکثر رساندن = تولید روزانه / قیمت روزانه ) ، که قیمت روزانه = [کامیونها $30+جرثقیل ها $40 + خدمه $25 ] 8h ، و
تولید روزانه = تعداد ستونها ، که از حرکت همانند سازی ناشی می شود.
– نتایج : جریان یافتن مدل بهینه یافته GA، ترکیب منبع بهینه ، آشکار شد که از طریق یک کامیون ،یک جرثقیل ، و سه خلاصه باشد، که 62 ستون را با هزینه روزانه $ 1/160 را تولید می کند. (یعنی هزینه هر ستون = $ 18/71 =1/160/62)
این مقدارهای بهینه در شکل 6 نشان داده شده اند که یک ضبط نمایش از ورقه نتایج در نرم افزار فرآیند V3 است فرآیند بهینه سازی حدود یک ساعت در یک ماشین پنتیم 450 mHz زمان می بود. آزمایشات گوناگون بهینه سازی بنابراین با محدودیتهای مختلف انجام می شوند و این مدل ثابت کرد که یافتن راه حلهای بهینه پایدار است.
همانطور که در جدول (1) نشان داده شده است، فرآیند GA ، یک از لیست از راه حل های حاصل شده در طی این آزمایش را فراهم می نماید، راه حلهایی که در نتایج تغییرات موثر و مفید است . برای مثال، آزمایش (3) همان منابع را بصورت بهینه بکار می برد، اما با یک کامیون اضافی تر، و آن تقریباً به یک تولید مشابه (61 ستون) منجر می شود.این امر حساسیت راه حل بهینه را برای تعدادی از کامیونها نشان می دهد. همچنین ،با نگاهی به آزمایش (6) ،که تعداد زیادی کامیون ودوبیل مکانیکی جرثقیل را بکار می برد، تولید 62 ستون خواهد بود. (در 62 ستون باقی می ماند) دلیل این است که خدمه، منبع بحرانی و مهم در این کاربرد است،نه بیل مکانیکی جرثقیل، بنابراین، با ویژگی احتمال گرایانه ابزار همانندسازی و تعداد زیادی از سناریوهای آزمایش شده ، فرض می شود که تاثیر تغییرپذیری ، بطور کافی مورد ملاحظه قرار می گیرد.
مثال 2 : خاکبرداری
دومین مثال خاکبرداری ،اجرای مدلهای همانندسازی بهینه سازی GA را در یک عملکرد پیچیده، در فرودگاه بین المللی هنگ کنگ ،مورد آزمایش قرار می دهد.
متغیرها: متغیرها،منابع بکار برده شده هستند که آنها شامل کامیون 777cat ، 78 کامیونهای cat 785؛ لودرهای H 258 Demage ، و کارروزگاههایی برای تعمیر کامیونهای خراب هستند مقدار منابع آغازی چهار کامیون Cat 777 ، هشت کامیون Cat 785 ،چهار لودر ، و دوکاورزگاه بودند.
محدودیتها = کامیونهای cat 777 : مقدار $ 130/h و مقدار ، یک عدد صحیح میان 1 و10 است.
کامیونهای $ 170/h:Cat/785 ، و مقدار یک عدد صحیح میان 1 و 10 است؛ لودر $ 290/h :H282 Demage ومقدار یک عدد صحیح میان 1 و 4 است.
کارورزگاهها : $ 50/h ومقدار یک عدد صحیح میان 3,1 است.
زمان کاری: دو شیفت یازده ساعته برای هر نفر؛ و
تولید مطلوب : حداقل در روز
تابع شی گرا
تابع شی گرا = به حداکثر رساندن هزینه واحد = به حداکثر رساندن (تولید روزانه / هزینه روزانه) که هزینه روزانه ($) = [کامیونهای cat777 $ 130 کامیونهای cat 785 $170 + لودرهای H285 deage $ 290 + کارورزگاه $50] 22H ؛و تولید روزانه = حجم کلی خاک حرکت داده شده ( نوع Aو Bو C) که در جریان همانندسازی حاصل می شود.
نتایج : در جریان مدل بهینه سازی شده GA، ترکیب منبع بهینه آشکار کرد که یک کامیون (cat 777) هفت کامیون (cat 785) ؛ سه لودر (H285 Demage) ، ویک کارورزگاه می باشد.این بهینه سازی بطور موفقیت آمیزی،هزینه های تولید واحد حداقل را ، یعنی حاصل کند ( هزینه روزانه $49.280 ،تولید روزانه ) این نتیجه ،یک کاهش هزینه ای 37% را از ارزشهای آغازین حاصل شده توسط منابع برآورد شده آغازی نشان می دهد. با ملاحظه حجم کلی ده میلیون متر مکعب زمین که مجبور است خاکبرداری شود، بهینه سازی، یک صرفه جویی کلی 6.700.000 را حاصل می نماید.در اینجا اشاره ای می شود که هزینه حداقل با تولید تقریباً پایین تر ارتباط دارد. برای مثال ، از کل عملکرد، 231 روز زمان خواهد بود که این زمان با زمان 215 روزه منابع اصلی متفاوت است. در این مورد یک مقدار خطا در هر روز ، در بهینه سازی مورد بررسی قرار خواهد گرفت. همانندسازی ترکیب یافته / فرآیند بهینه سازی، تقریبا 7 ساعت در یک دستگاه پنتیم 450 MHz برای یافتن راه حل بهینه زمان خواهد بود، که این زمان با ملاحظه پس اندازهای هزینه ای بالقوه بسیار منطقی است. با استفاده از دستگاه قدرتمند، زمان پردازش می تواند بطور اساسی کاهش پیدا کند.
اشاره شده است که بواسطه ویژگی های رندمی Gas ، نتایج مشابهی ممکن نیست حاصل شود. با این وجود، تکرار چندین آزمایش در چند زمان با جمعیت های گوناگون 50 تا 200 ،یک نتیجه بسیار نزدیک با نتایج منبعهای بهینه و هزینه تولید ،ایجاد خواهد شد.
همانند با مطالعه مورد اول، این مدل بهینه سازی، اجرای پایدار و توانایی برای یافتن راه حلهای بهینه را تحت محدودیتهای مختلف نشان می دهد.

زمان بندی سلسله مراتبی با بهینه سازی منبع
چون یک مدل همانندن سازی شده GA از یک عملکرد فردی در یک فایل میکروسافت گنجانده می شود ، آن می تواند به آسانی با هر طرح اصلی تعریف شده کاربر پیوند بخورد، به نحوی که بهینه سازی منبع در پروژه هایی با عملکرد چند گانه گنجانده شود. همانند ساختارهای تقلیل یافته ( خراب ) کاری گوناگون (WBS) ،عناصر یک پروژه می توانند با مدلهای همانندسازی بهینه یافته GA پیوند خورده ویک محیط طرح ریزی سلسله مراتبی را برقرار نمایند (شکل 7) این مراحل برای تولید یک طرح ساخت اصلی که بصورت زیر هستند : مورد نیاز می باشد :
(1) برای عملکردهای مهم و پرهزینه در پروژه تان ، مدلهای همانند سازی بهینه یافته GA فردی را حاصل نمایید. هر کدام در یک فایل پروژه میکروسافت ذخیره خواهند شد. هر کدام می تواند به عنوان یک زیر پروژه مورد ملاحظه قرار گیرد.
(2) یک WBS اصلی در نرم افزار زمان بندی ، همراه رابطه های فعالیت، منابع و تداوم ( دیرش زمان) همانطور اجرای سنتی، ایجاد نمایید ( جدول زمان بندی پس زمینه ای درشکل 7)
(3) از طریق فعالیتهای مناسب، پیوندهایی را در WBS برای فایل زیر پروژه های مربوطه شان فراهم نمایید، فایلهایی که مدل همانندی را در آنها گنجانده می شود.
(4) ماکروی GA را در هر زیر پروژه ساخته شده در مرحله(3) فعال نمایید( ضبط صفحه نمایش جلو (پیش نما) در شکل (7)) ، و همانندسازی بهینه یافته GA را اجرا کنید و ترکیب منبع بهینه، وتولید مربوطه آن ، هزینه و زمان را تعیین و مشخص نمایید. با استفاده از نتایج بهینه، دیرش فعالیت به نرم افزار زمان بعدی انتقال می یابد؛ و
(5) هنگامی که تمامی مدلهای بهینه شده GA فعال می شوند، یک طرح پروژه واقعی بنابراین به همراه سطحهای تولید مورد رضایت، هزینه حداقل ومنابع مناسب تعیین می گردد.
خلاصه و اظهارات نتیجه گیری
مدیریت منبع ،بواسطه پیچیدگی اساسی پروژه های ساختمان (ساخت) به مشکلات مربوط به الگوبرداری برهم کنش های پیچیده در ساخت، و محدودیتهای ابزارهای بهینه سازی سنتی برای پرداختن به مشکلات بزرگ، کاری بسیار دشوار می باشد.این مطالعه ، یک روش ساده وقدرتمند را برای مدیریت منبع وبهینه سازی را در پروژه های ساخت، با استفاده از یک ترکیب همانندسازی فلوچارت و الگوریتم های ژنتیک (Gas) نشان می دهد ( ارائه می دهد ) برای بهبود طرح ریزی ها و مدیریت منبع در پروژه های بزرگ با عملکردهای چندگانه، همانند سازی بهینه سازی GA، ادغام می شوند و یک سیستم سلسله مراتبی را تشکیل میدهد. در این روش ،عناصر پایین تر ساختار تقلیل یافته (خراب)کاری (عملکردهای ساخت انفرادی) ،ب طور خودکار به مدلهای همانندسازی بهینه یافته GA پیوند می خورند.
دو مثال در این مقاله نشان داده شدند ، که آنها قدرت و تنوع روشهای طرح ریزی همانند سازی بهینه یافته GA رانشان می دهند: جایگزینی ستونی عینی و عملیات خاکبرداری در فروردگاه بین المللی هنک کنگ. دو مثال تجزیه شدند و سودمندیهایی روش پیشنهاد شده را نشان دادند. نتایج نشان می دهد که همانندسازی ترکیب یافته و بهینه سازی شده GA می تواند تحقیق و بررسی شود و تعدادی منابع بهینه را که بهترین سودها / نسبتهای هزینه را حاصل می نمایندآشکار نماید.
چندین حیطه وجود دارند که درآن طرح ریزی همانندسازی بهینه سازی پیشنهاد شده GA می تواند توسعه یابد، این حیطه شامل موارد زیر می باشند:
* ادغام یافتن با یک سیستم برآورد هزینه و کتابخانه ، که یک برآورد بسیار کارآمد، خودکار شده وواقع بینانه ای از زمان و هزینه های مربوط به هر عملکرد و یا کار را فراهم می آورد، و همچنین ،می تواند دامنه متناوبها را برای انتخاب افزایش دهد،
* اصلاح فاکتورها می تواند به مدلهای همانندسازی افزوده شود واین امکان تاثیرپذیری را در طول عملیات چرخه در یک مدل فراهم می کند،
* برای اینکه این روش پیشنهاد شده بسیارواقع بینانه باشد،محدودیتهایی همانند عملکرد بشری(ترک کردن کار به خاطر مریضی، میزان تولید در پایان روز کاهش می یابد ..) و باید برای بررسی هایآینده مورد ملاحظه قرار گیرد و
* استفاده از روش پیشنهاد شده در عملیات طرح ریزی در شبکه های زیر ساخت بزرگ همانند جاده ها ، آب ،لوله کشی فاضلاب ، خطهای حمل و نقل، تعدادی توسعه ها مورد نیاز است، توسعه هایی هماندن ،ادغام یافتن با یک سیستم اطلاعات جغرافیایی و بهبود دادن زمان بعدی برای پرداختن به محلهای ساخت توزیع شده چندگانه وقدرت وسادگی روش پیشنهاد شده و اجرای خودکار شده آن، بطور امیدوار کننده های مدیریت طرح را تشویق خواهد کرد که آن در طرح ریزیهای پروژه های زیرساختی بزرگ مورد استفاده قرار گیرد. این روش می تواند برای فراهم آوردن تعدادی بهنیه ای از کمیتهای منبع، سیاستهای جایگزینی و بنابراین بهبود (بازده کلی بکار برده شود )

ضمیمه :مفهوم همانندسازی در بخش فرآیند
برای ایجاد یک مدل همانندسازی در هر فرآیند چرخه ای، فرآیند V3 این امکان را بوجود می آورد که کاربر یک فلوچارت از یک فرآیند، با استفاده از گره های مختلف متصل شده به فلش ها، بکشد . همانطوریکه که درشکل (a)8 نشان داده شده است، این گره ها "فعالیت ها" نامیده می شوند، در حالیکه ،این فلش ها "سیرکار" نامیده می شوند. مسیرهای کاری، فعالیتها، منابع و جریانهای شیء گرا، چهارعنصر اصلی، الگوگیری و همانندسازی هستند. مسیرهای کار "فلش" ،مراحل فرآیند را نشان می دهند و می توانند منابعی همانند کار،تجهیزات ،زمان پول را مصرف نمایند. این فعالیتها (گره ها) ،از سوی دیگر، از سوی دیگر، نقاطی هستند که مسیرهای کاری در آن آغاز و پایان می پذیرند.
ویژگیهای اصلی یک فعالیت و یک مسیر کار، در شکل (b)8 شرح داده شده است،این فعالیت (گره) قبل از یک مسیر کار، می تواند برای کنترل اینکه چطور این مسیر کار در جریان همانندسازی فعال شود، تنظیم شود. این تنظیم شامل مسیریابی میان مسیرهای کاری متناوب (شاخه بندی) ،سایز صف بندی ماکزیمم، تعداد ماکزیممی از فعالیتهای همزمان ( برای مثال کپی ها) و تقدم (اولویت ) منابع جایگزینی در مسیر کار هنگامی که آن برای منابع رقابت می کند، می باشد.ویژگیهای یک مسیرکاری، از سوی دیگر، می تواند توسط شناسایی نیازمندیهای ورودی آن و خروجی آن برای ایجاد شدن در پایان فعالیتش، آرایش بندی شود. نیازهای ورودی شامل منابع وساعتهای کاری آنها وهمچنین جریانهای شیء گرای تعریف شده کاربر می باشند. بعد از اینکه یک مسیرکاری فعال می شود، منابع آن وجریان شیء گرا آشکار می شوند.
جریانهای شی گرا برای فرآیند الگوگیری ضروری می باشند. آنها از میان مدل با فعالیتهای سیرکاری جریان می یابند و منطق را توسط خروجیهای ویژه شده و بصورت نیازمندیهای جانشینی حفظ می کنند. توسط قصور، در طی رسم فلوچارت ،نرم افزار یک جریان شی گرای منفرد را بوجود می آورد. آن شیء توسط قصور، در طی رسم فلوچارت، نرم افزار یک جریان شی گرای منفرد را بوجود می آورد،آن "شی پایه" نامیده می شود و یک کمیت مشابه اتحاد (یکپارچگی) به عنوان یک نیاز بوجود می آورد، و همچنین به عنوان خروجی تمام مسیرهای کاری این کمیت مشابه اتحاد را بوجود خواهد آورد. این امر بطور خودکار تضمین می نماید. که جریان منطقی برقرار شده است.
برای ایجاد سناریوهای الگوبرداری معکوس، این امر امکان پذیر است که فعالیتهایی را تنظیم نموده و مسیرهای کاری را برای اجرای ساده یا شاخه بندی وضعیتی و ادامه دادن شکل فلوچارت فراهم آوریم. شاخه بندی در این مورد می تواند بسته به تعداد جریانهای شی گرا یا بسته به موجودیت منابع مشروط باشد. مثال مدل عملیات حرکت یک ستون (پایه ) ، که در آن ستونها هنگامی که آنها حرکت می کنند با بتن پر می شود.بسته به حرکت 20 پایه ،گزارش پیشرفت به مشتری فرستاده می شود. برای آرایش این مد، مسیرکار حرکت پایه یا ستون (5-4) برای ایجاد و جریان شیء گرا تنظیم می شود.جریان شیء گرای "ستون آماده" توسط مسیرکار،برای عملیات بتن ریزی مورد نیاز می شود،در حالیکه توسط مسیرکار برای عملیات گزارشی، 20 جریان شیءگرای ستون حرکتی مورد نیاز است. در طی همانندسازی ،گره 5 تعداد ستون های را محاسبه می کند و مسیر کار تنها هنگامیکه بیت جریان شی گرای "ستون حرکت کننده" حاصل می شود، شروع به فعالیت می کند.

References
Ahuja, H. N., Dozzi,S. P., and Aourizk, S. M. (1984).Project management- Techniques in planning and controlling construction projects, 2nd Ed., Wiley, New York.
Albances, G.R.Ferris, And Russ, G.S. (1991)."Survey of human resources practices in U.S. contruction firms." J.Constr.Eng.Manage., 7(1), 59-69.
Al-Tabtabai, H., and Alex , A. (1999). "Using genetic algorithms to solve optimization problems in construction." Eng., Constr., Archit. Manage., 6(2),121-132.
Buleson, Rebecca C. (1997). "An analysis of multiskilled labor strategies in construction." Dissertation, Dept.ofCivil Enginerring. The Univ. of Texas at Austin, Austin, Tex.
Chan, W., Chua, D., and Kannan, G. (1996). "Construction resource scheduign with genetic algorithms." J.Constr.Eng.Manage., 112(2),125-132.
Clough, R.H., Sears , G.A., and Sears S.K. (2000).Construction project mangement, Wiley , New York.
Davis , E.W., and Patterson , J.H. (1975), "A comparison of heuristic and optimum soltion in resource constrained project scheduling." Manage. Sci,, 21(8), 944-955.

فهرست مطالب
بهینه سازی منبع با استفاده از شبیه سازی ترکیب یافته و الگوریتم ژنتیک 0
خلاصه 1
مقدمه 2
مدلهای همانندسازی بهینه سازی شده الگوریتم های ژنتیک 10
روش الگوریتم های ژنتیک برای مدلهای همانند سازی 10
اجرای مدلهای همانندسازی بهینه در الگوریتم های ژنتیک 14
مورد بررسی (1): جایگزینی عینی 15
زمان بندی سلسله مراتبی با بهینه سازی منبع 19
خلاصه و اظهارات نتیجه گیری 20
ضمیمه :مفهوم همانندسازی در بخش فرآیند 23
References 26

2