Ứng dụng giải thuật di truyền có định hướng (guided geneic algorithm GGA) trong thiết kế mặt bằng xưởng sản xuất lưới tại công ty cổ phần dệt lưới sài gòn

Đại Học Quốc Gia Tp Hồ Chí Minh TRƯỜNG ĐẠI HỌC BÁCH KHOA PHẠM DI TÂN ỨNG DỤNG GIẢI THUẬT DI TRUYỀN CÓ ĐỊNH HƯỚNG ( GUIDED GENETIC ALGORITHM _ GGA) TRONG THIẾT KẾ MẶT BẰNG XƯỞNG SẢN XUẤT LƯỚI TẠI CÔNG TY CỔ PHẦN DỆT LƯỚI SÀI GÒN Chuyên ngành : Kỹ Thuật Hệ Thống Công Nghiệp LUẬN VĂN THẠC SĨ TP HỒ CHÍ MINH, tháng 06 năm 2008 trang CÔNG TRÌNH ĐƯC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH Cán hướng dẫn khoa học : Tiến Só NGUYỄN VĂN HP …………………………… (Ghi rỏ họ, tên, học hàm, học vị chữ ký) Cán chấm nhận xét : Tiến Só ĐỖ THÀNH LƯU ………………………………… (Ghi rỏ họ, tên, học hàm, học vị chữ ký) Cán chấm nhận xét : PGS Tiến Só HỒ THANH PHONG ……………………………… (Ghi rỏ họ, tên, học hàm, học vị chữ ký) Luận văn Thạc só bảo vệ HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN THẠC SĨ TRƯỜNG ĐẠI HỌC BÁCH KHOA, ngày 13 tháng 09 năm 2008 trang TRƯỜNG ĐẠI HỌC BÁCH KHOA CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM PHÒNG ĐÀO TẠO SĐH ĐỘC LẬP – TỰ DO – HẠNH PHÚC Tp HCM, ngày 21 tháng 01 năm 2008 NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên : Phạm Di Tân Phái : Nam Ngày, tháng, năm sinh : 26/ 03/ 1965 Nơi sinh : Sài Gòn Chuyên ngành : Kỹ Thuật Hệ Thống Công Nghiệp I- TÊN ĐỀ TÀI : Ứng dụng Giải thuật Guided Genetic Algorithm (GGA) Thiết kế mặt Xưởng sản xuất lưới Công ty Cổ Phần Dệt lưới Sài Gòn II- NHIỆM VỤ VÀ NỘI DUNG: Nghiên cứu ứng dụng Giải thuật Guided Genetic Algorithm để giải toán Thiết kế mặt Xưởng sản xuất Công ty Cổ phần Dệt Lưới Sài gòn III- NGÀY GIAO NHIỆM VỤ: 21/ 01/ 2008 IV- NGÀY HOÀN THÀNH NHIỆM VỤ : 30/ 06/ 2008 V- CÁN BỘ HƯỚNG DẪN : TIẾN SĨ NGUYỄN VĂN HP CÁN BỘ HƯỚNG DẪN CN BỘ MÔN (Học hàm, học vị, họ tên chữ ký) QL CHUYÊN NGÀNH Tiến Só NGUYỄN VĂN HP Nội dung đề cương Luận văn Thạc Só Hội đồng chuyên ngành thông qua Ngày TRƯỞNG PHÒNG ĐT- SĐH tháng năm 2008 TRƯỞNG KHOA QL CHUYÊN NGÀNH trang LỜI CẢM ƠN Với tất lòng kính trọng, xin cám ơn Tiến só Nguyễn văn Hợp, người Thầy nhiệt tình hướng dẫn, đôn đốc thực đề tài tốt nghiệp Thạc só Không hướng dẫn phương pháp kiến thức chuyên môn, Thầy khơi dậy niềm hứng thú nghiên cứu khoa học Bên cạnh đó, chân thành cám ơn Thầy, Cô chấm phản biện ý kiến đóng góp cho đề tài Tôi xin cám ơn Ban giám đốc Công ty Cổ Phần Dệt Lưới Sài Gòn đặc biệt cám ơn ông Lê Hữu Phước _ Giám đốc Điều hành Công ty hỗ trợ điều kiện tốt cho hoàn thành công việc ngày hôm Tôi xin bày tỏ lòng biết ơn dến Thầy, Cô Bộ môn Kỹ Thuật Hệ Thống Công Nghiệp giảng, dạy _ Lớp Cao Học khóa 2006 Đồng thời, xin cám ơn bạn bè giúp đỡ chia khó khăn với suốt khóa học trình thực đề tài Và cuối cùng, thực biết ơn thành viên gia đình tôi, chia phần gánh nặng sống thời gian tham gia khóa học thực đề tài tốt nghiệp trang TÓM TẮT LUẬN VĂN THẠC SĨ Một giải thuật tìm kiếm tên gọi Guided Genetic Algorithm (GGA) _ dựa tảng giải thuật GA truyền thống cải tiến_ ứng dụng đề tài để giải toán thực tế dạng Multi-objective facility layout problem (MOFL) Công ty Cổ phần Dệt lưới Sài Gòn (CTCPDLSG) Lời giải đạt thỏa mãn mục tiêu cực tiểu tổng chi phí tính quãng đường di chuyển Thành phần chi phí bao gồm dòng vật liệu (workflow) mức quan hệ cận kề (closeness relationship) máy Hai yếu tố _ định lượng định tính _ đưa dạng chuẩn hóa (normalized factor) thỏa hiệp (compromise) thành thành phần với trọng số tương ứng Với ý tưởng dẫn hướng trình tìm kiếm thoát khỏi điểm tối ưu cục để tìm đến điểm tối ưu toàn cục, GGA tiến hành qua hai giai đoạn Khảo sát (Survey state) Tiến hoá chọn lọc (Evolution state) So sánh với kết tìm GA truyền thống, GGA cho kết tốt chất lượng lẫn thời gian chạy Các thông số ảnh hưởng đến kết số lượng cá thể ban đầu lựa chọn giai đoạn (pops, pope), số hệ giai đoạn (s, e), tỷ lệ cá thể tốt giữ lại alpha, xác suất lai ghép pc, xác suất đột biến pm Các giá trị phù hợp với toán tìm thấy là: pops ~ 10*N; pc = 0.8) ; pops/ pope = ( ~ ); pm= 0.04 ; alpha = ( 0.2 ~ 0.3) trang e = pops; e/ s = ( ~ 5); MỤC LỤC NỘI DUNG T.T Trang Lời Cám ơn Tóm tắt Luân văn Thạc Só Mục lục Chương : GIỚI THIỆU Đặt vấn đề Tổng quan ý tưởng Lý hình thành đề tài Mục tiêu phạm vi nghiên cứu đề tài 10 11 11 12 Chương : CƠ SỞ LÝ THUYẾT Tổng quan toán mặt Phân loại theo tầng Phân loại theo sản lượng sản phẩm Bài toán mặt bố trí theo nhóm Tổng quan phương pháp giải toán mặt Phân loại phương án bố trí mặt Các kỹ thuật xếp bố trí mặt Phương pháp tối ưu hoá cho toán QAP Giải thuật Xây dựng Giải thuật Cải tiến Phương pháp Lai Phương pháp Tiến hoá Giải thuật Di truyền có định hướng 14 14 14 15 17 17 18 18 19 20 21 21 22 Chương :KHẢO SÁT THỰC TIỄN CÔNG TY CỔ PHẦN DỆT LƯỚI SÀI GÒN Giới thiệu Công ty Cổ phần Dệt lưới Sài Gòn Sơ lược Qui trình sản xuất sản phẩm Khảo sát, phân tích vấn đề mặt Xác định mô hình toán học cho mục tiêu thực tiễn Mô hình tổng quát Mô hình toán bố trí máy nhiều dãy Xác định ràng buộc trang 25 27 29 32 32 33 36 MUÏC LUÏC NỘI DUNG T.T Trang Các thông số ban đầu cần xác định cho việc giải toán Xác định số lượng máy số hàng bố trí 37 Thành lập ma trận quan hệ máy Thành lập ma trận lưu chuyển dòng vật liệu máy 39 40 38 Chương :PHƯƠNG PHÁP GIẢI QUYẾT VẤN ĐỀ Lựa chọn phương pháp giải vấn đề Mô hình toán học Hàm mục tiêu Các ràng buộc Định nghóa biến độc lập Định nghóa thông số Mã hoá lời giải toán Hàm Fitness function Giải thuật Di truyền có định hướng Giải thuật Di truyền truyền thống Ví dụ mô trình tính toán tay 41 41 41 42 42 43 43 44 44 53 56 Chương : KẾT QUẢ THỰC NGHIỆM Mô tả trình tính toán giải vấn đề Ý nghóa thông số Kế hoạch chạy thử nghiệm Thử nghiệm thông số lý thuyết Thử nghiệm ảnh hưởng giá trị pc Thử nghiệm ảnh hưởng giá trị pm Thử nghiệm ảnh hưởng giá trị alpha Thử nghiệm ảnh hưởng giá trị pops pope Kết giải toán thực Kết giải toán giải thuật GA So sánh kết giải thuật GGA GA truyền thống Phân tích thống kê kết giải tóan GGA GA truyền thống trang 74 74 75 75 76 76 77 78 79 81 82 84 MỤC LỤC NỘI DUNG T.T Trang Chương : KẾT LUẬN; LƯU Ý; KIẾN NGHỊ Kết luận Hạn chế đề tài Các lưu ý kiến nghị 87 88 88 TÀI LIỆU THAM KHẢO PHỤ LỤC Phụ lục 1: Hoạch định công suất mặt nhà máy Phụ lục 2: Thông số kỹ thuật máy Phụ lục 3: Bảng phân nhóm máy Phụ lục 4: Ma trận Quan hệ Phụ lục 5: Ma trận From _ To Phụ lục 6: Bảng Code đoạn chương trình Phụ lục 7: Bộ liệu toán 21 máy HÌNH MỤC LỤC HÌNH VẼ Trang Chương : CƠ SỞ LÝ THUYẾT 2.1 2.2 Các kiểu bố trí mặt theo sản lượng loại sản phẩm Các dạng bố trí máy nhóm 15 16 Chương : KHẢO SÁT THỰC TIỄN CÔNG TY CỔ PHẦN DỆT LƯỚI SÀI GÒN 3.1 3.2 3.3 Mô hình Tổ chức Công ty Qui trình sản xuất lưới Mô hình bố trí máy nhiều dãy 27 28 34 Chương : KẾT QUẢ THỰC NGHIỆM 5.1 BẢNG Biểu đồ mô tả phân bố kết 86 MỤC LỤC BẢNG Trang Chương : KHẢO SÁT THỰC TIỄN CÔNG TY CỔ PHẦN DỆT LƯỚI SÀI GÒN 3.1 3.2 Họ sản phẩm lưới Công ty Các mức quan hệ phận qui trình 37 38 Chương : KẾT QUẢ THỰC NGHIỆM 5.1 Các thông số đầu vào cho trình tìm kiếm kết trang 74 5.2 5.3 5.4 5.5 5.6 5.7 5.8 5.9 5.10 5.11 Thử nghiệm ảnh hưởng pc với pm = 0.04 Thử nghiệm ảnh hưởng pm với pc = 0.8 Thử nghiệm ảnh hưởng alpha với epsi = 0.1 Thử nghiệm giá trị pops / pope = nh hưởng tỷ lệ pops/ pope = [4; 5; 6] So sánh kết toán N = 124 máy So sánh kết toán với N H thay đổi Kết chạy chương trình giải thuật GGA Kết chạy chương trình giải thuật GA Tóm tắt thông số thống kê hai mẫu kết quaû trang 76 77 77 78 79 81 83 84 84 85 CHƯƠNG GIỚI THIỆU 1.1 Đặt vấn đề Quá trình xếp, bố trí máy móc hay phận công tác (BPCT) theo trật tự đó, với số điều kiện ràng buộc định, đ để đạt hay tổ hợp mục tiêu mong muốn Quá trình gọi Thiết kế, bố trí mặt mục tiêu mong muốn thường là: Cực tiểu hóa tổng chi phí vận chuyển vật liệu BPCT Cực đại hóa tổng điểm số mối liên hệ BPCT (đại lượng đánh giá mức liên hệ cao hay thấp hai BPCT) Cực tiểu hóa tổng tổng diện tích sử dụng mặt Cực tiểu hóa tổng thời gian gia công … Thực tế toán mặt đa dạng có nhiều phương pháp, giải thuật phù hợp để giải Trong Luận văn tốt nghiệp (LVTN) Giải thuật Di truyền có định hướng (Guided Genetic Algorithm) áp dụng để giải dạng toán mặt đa mục tiêu (Multi-objective facility layout) với trường hợp cụ thể Công ty Cổ phần Dệt lưới Sài gòn (CTCPDLSG) trang 10 pm 0.02 0.04 0.06 0.08 11 11.95 12.4 13 20/20 20/20 20/20 20/20 tgtb (giây) Tỷ lệ thành công Bảng 5.3 : Thử nghiệm ảnh hưởng pm với pc = 0.8 Kết cho thấy giá trị pm tăng thời gian chạy lớn, hàm mục tiêu đạt giá trị nhỏ với pm = 0.04 5.2.3 Thử nghiệm ảnh hưởng giá trị alpha pops pope 400 20 s 20 e 400 pc 0.8 pm 0.04 N 21 H wf 0.6 wr 0.4 L 90 GGA Giá trị trung bình kết chạy 20 lần thử nghiệm với liệu nhỏ trình bày alpha 0.1 0.2 0.3 0.4 TCtb 28.4583 28.2246 28.1784 28.5033 tgtb (giaây) 14.1 14.1 13.7 13.1 Tỷ lệ thành công 20/20 20/20 20/23 20/26 Bảng 5.4 : Thử nghiệm ảnh hưởng alpha với epsi = 0.1 Nhận xét: Khi alpha lớn dần, số lần chạy chương trình không tìm đủ số lượng cá thể tạo nên tập E1 Do có số lần chạy kết thúc không thành công trang 77 Theo kết bảng 5.4 nhận xét ta chọn giá trị thông số alpha = 0.3 cho bước sau 5.2.4 Thử nghiệm ảnh hưởng giá trị pops pope Theo Byoung-Tak ZHANG Jung-Jib KIM (2000) đề nghị giá trị cỡ mẫu khởi tạo ban đầu pops = 20*N Theo Nguyễn Văn Hợp M.T Tabucanon (2001) đề nghị tỷ lệ sau: pops/ pope = 100/20 = e/s = 100/ 20 = Để thực bước thử nghiệm này, ta giữ tỷ lệ e/s = 100/ 20 = pops/ pope = Bảng thông số đầu vào sau : pops pope 100 20 s 20 e 100 pc 0.8 pm alpha 0.04 0.3 N 124 H wf 0.6 wr 0.4 L 500 GGA Giá trị trung bình kết chạy 10 lần thử nghiệm với liệu thực trình bày pops 100 150 200 250 300 350 400 450 pope 20 30 40 50 60 70 80 90 35.1 57.8 81 111.8 137.4 166.6 tg 9.9 21.8 TC 244.36 235.78 pops pope tg 500 600 100 120 210.3 303.5 TC 224.29 223.48 232.98 229.89 228.45 226.77 226.39 225.43 700 140 425 800 160 532 1000 1250 1500 200 250 300 927 1352.3 1908.7 2000 400 3432 223.58 223.59 222.04 221.59 221.14 221.73 Baûng 5.5 : Thử nghiệm giá trị pops / pope = Nhận xét : trang 78 Khi giá trị (pops/ pope) = 1500/ 300 = 5, ta thấy TC đạt giá trị nhỏ Tiếp tục bước thử với giá trị (pops/ pope) = [4; 6] cố định thông số cho thông số thay đổi sau : pops pope tg TC 1200 1500 1500 1500 1800 300 250 300 375 300 1470 1516 1908.7 2220 2242 221.51 221.25 221.14 221.57 221.65 Bảng 5.6 : nh hưởng tỷ lệ (pops/ pope) = [4; 5; 6] Nhận xét : Khi pops pope tăng dần, thời gian chạy tăng lên Nhưng giá trị tốt (pops/ pope) = (1500/ 300) Một nhận xét độ lớn tập khởi tạo ban đầu toán xấp xỉ gấp 10 lần số máy : pops ~ 10 *N Với nhận xét trên, thông số p = (pops/ pope) chọn Hai thông số đề nghị cho việc chạy chương trình giải toán thực : (pops/ pope) = (1500/ 300) (pops/ pope) = (1000/ 250) Các thông số số hệ di truyền ban đầu đề nghị sau : s = pope e = pops 5.3 Kết giải toán thực Với thông số thứ cài đặt sau : pops pope s e pc pm alpha L W N 1500 300 300 1500 0.80 0.04 0.30 210 100 124 Giá trị tốt sau số lần chạy laø : trang 79 H wf wr L0 delta0 GGA 0.60 0.40 5.00 3.00 1.00 Objective function : 227.7203 meter/ month Time : 48262 sec Row Machine 110 114 109 107 106 111 118 105 115 119 124 123 122 120 66 58 13 63 16 61 56 19 29 64 62 30 27 15 37 67 12 53 68 65 11 36 26 34 28 57 23 35 38 20 32 21 24 17 74 71 69 83 75 72 77 49 52 46 47 43 44 76 80 51 42 89 85 94 95 90 99 103 88 98 92 102 97 101 104 84 86 91 96 87 100 93 45 48 82 79 73 70 81 78 14 55 41 25 18 40 54 22 117 112 116 10 39 60 33 59 31 50 121 108 113 Với thông số thứ hai cài đặt nhö sau : pops pope s e pc pm alpha L W N 1000 250 250 1000 0.80 0.04 0.20 210 100 124 H wf wr L0 delta0 GGA 0.60 0.40 5.00 3.00 1.00 Giá trị tốt sau số lần chạy : Objective function : 226.8453 meter/ month Time : 30693 sec Row Machine 113 114 112 106 111 117 118 107 108 122 123 121 119 40 28 54 37 63 29 32 16 35 59 36 30 26 41 53 55 13 68 18 31 61 34 33 19 10 22 27 20 57 24 23 67 38 60 58 82 72 71 76 78 73 75 74 83 42 46 45 49 48 43 87 104 100 98 95 94 101 90 97 93 89 88 96 99 86 84 85 91 102 103 92 47 44 52 51 81 79 80 77 69 70 12 21 64 50 25 39 14 11 110 116 109 120 65 66 62 56 15 17 124 115 105 Với thông số thứ hai ta nhận kết tốt nhanh Đây kết chọn cho lời giải toán thực tế Công ty trang 80 5.4 Kết giải toán giải thuật GA truyền thống Nhằm mục đích so sánh chất lượng lời giải toán thực với giải thuật GA truyền thống, hai thông số phần cài đặt cho chương trình kết so sánh nhận sau : it N H L pops pope 124 210 1000 124 210 1500 Time TC GGA GA qt% GGA GA qtc% 250 30,693 33,252 8.3 226.8453 227.4847 0.3 300 48,262 48,635 0.8 227.7203 231.7548 1.8 Baûng 5.7 : So sánh kết toán N = 124 máy Lời giải tốt tìm giải thuật GA laø : Objective function : 227.4847 meter/ month Time : 33252 sec Row Machine 113 114 112 108 118 109 116 124 121 123 119 120 66 28 56 12 68 37 38 65 35 53 24 62 29 17 60 55 13 34 30 25 63 61 39 41 31 50 14 15 36 26 11 67 58 19 33 18 64 32 22 54 81 78 72 75 83 74 69 79 48 46 47 42 44 91 96 104 92 97 102 85 93 84 87 98 99 86 103 95 88 100 89 101 90 94 43 45 49 52 51 82 71 70 80 77 76 73 23 16 40 20 107 105 106 111 59 27 21 10 57 122 110 115 117 Nhận xét : Với chiều dài L nhỏ, thời gian chạy chương trình hai giải thuật chênh lệch không đáng kể Để lý giải điều này, ta khảo sát tổng thời gian chạy chương trình bao gồm giai đoạn sau: */ Giai đoạn khởi tạo tập lời giải ban đầu trang 81 */ Giai đoạn đánh giá tìm kiếm lời giải tiềm tốt từ tập lời giải ban đầu */ Giai đoạn thực thi kỹ thuật Di truyền để tìm lời giải tốt hệ Với toán có thông số L nhỏ việc khởi tạo đủ số lời giải ban đầu _ pops_ chiếm thời gian lớn (theo quan sát thời gian chiếm khoảng 90% tổng thời gian chạy) Hai giai đoạn sau cho thấy vượt trội GGA so với GA thời gian tìm kiếm lời giải tốt Tuy nhiên khoảng thời gian chiếm tỷ lệ nhỏ nên tạo nên vượt trôi mặt tổng thời gian chạy chương trình Ta nhận thấy điều phần so sánh chất lượng lời giải nhiều liệu khác với thông số L đủ lớn cho việc khởi tạo ban đầu không chiếm nhiều thời gian 5.5 So sánh kết giải toán giải thuật GGA & GA truyền thống Để so sánh chất lượng lời giải giải thuật GGA GA loại toán mặt nhiều dãy mà ta xem xét đề tài này, ta thực nhiều liệu với số lượng máy tăng dần Các liệu thành lập cho Xưởng sản xuất Lưới theo qui trình thực công suất khác Đối với liệu ta có số lượng máy N số hàng H khác Thông số chiều dài đất L chọn đủ lớn phân tích phần trước Các thông số chạy chương trình GGA theo kết thử nghiệm phần : pops ~ 10*N; pc = 0,8; pops/ pope = 5; e/s = 5; pm = 0,04; trang 82 alpha = 0,3; Đối với chương trình GA độ lớn tập khởi tạo ban đầu xấp xỉ (10*N) tương ứng số lần lặp Các thông số pc = 0,8 pm = 0,04 Các kết thu thập sau 10 lần chạy trình bày bảng it N H L 21 35 50 65 80 95 110 124 3 7 9 24 90 150 250 250 250 300 500 500 pops pope 140 400 700 700 700 700 1000 1000 1500 20 80 140 140 140 140 200 200 300 GGA Time GA 2.0 44.0 130.5 181.0 230.0 301.0 707.0 915.0 1,908.7 7.7 163.0 525.0 694.0 943.0 1,196.0 2,977.0 3,281.0 5,467.0 qt% 285.0 270.5 302.3 283.4 310.0 297.3 321.1 258.6 186.4 GGA TC GA 19.8755 28.1784 51.1469 150.5994 159.2973 132.0134 158.5338 220.4768 221.1444 19.8755 28.29180 51.4057 151.8356 161.7957 134.2560 160.2448 224.2207 222.7722 qtc% 0.0 0.4 0.5 0.8 1.6 1.7 1.1 1.7 0.7 Bảng 5.8 : So sánh kết toán với N H thay đổi khác Nhận xét : */ Đối với liệu nhỏ, với độ lớn tập khởi tạo ban đầu chọn lớn (~ 20*N) kết nhận qua hai phương pháp chênh lệch không đáng kể Chỉ có thời gian chạy rút ngắn nhiều lần */ Đối với liệu lớn chất lượng kết thời gian chạy tăng lên rỏ rệt Điều cho thấy hiệu chức “dẫn hướng trình tìm kiếm” giải thuật GGA đáng kể trang 83 5.6 Phân tích thống kê kết giải toán giải thuật GGA & GA truyền thống Để thấy rỏ phân bố tập kết nhận từ hai phương pháp, việc thu thập 30 kết cho phương pháp tiến hành với liệu sau : pops pope s e pc pm alpha L W N 1000 250 250 1000 0.80 0.04 0.20 210 100 124 H wf wr L0 delta0 GGA 0.60 0.40 5.00 3.00 1.00 Bảng 5.9 : Kết chạy chương trình giải thuật GGA It 10 GGA 229.7929 228.6630 227.4394 228.6552 228.0654 227.4723 228.7359 228.5870 229.4186 228.5341 It 11 12 13 14 15 16 17 18 19 20 GGA 228.3928 228.7739 227.5307 227.9756 228.2101 226.8453 228.7723 228.7173 229.6375 227.0801 It 21 22 23 24 25 26 27 28 29 30 GGA 227.3763 228.2416 227.4329 227.6576 228.2757 229.0721 228.3653 228.6718 228.0257 226.9589 BIN Fre.GGA 226 227 228 229 16 230 231 232 233 Baûng 5.10 : Kết chạy chương trình giải thuật GA It 10 GA 232.0788 227.4847 228.8775 229.6688 231.1994 231.2697 228.9248 230.0945 227.9080 232.0662 It 11 12 13 14 15 16 17 18 19 20 GA 229.0901 229.1264 228.0489 229.4676 228.5326 230.8389 229.0580 228.7173 228.4875 228.8362 It 21 22 23 24 25 26 27 28 29 30 trang 84 GA 228.1328 230.6892 231.5084 231.2917 227.4847 229.2632 227.4925 230.7003 230.8100 228.0047 BIN Fre.GA 226 227 228 229 230 231 232 233 Bảng 5.11 : Tóm tắt thông số thống kê hai mẫu kết quaû Decription Mean Standard Error Median Mode Standard Deviation Sample Variance Kurtosis Skewness Range Minimum Maximum Sum Count GGA 228.245904 0.139048884 228.3204966 #N/A 0.761602106 0.580037768 -0.459154784 0.010394754 2.947607557 226.8453179 229.7929254 6847.37712 30 trang 85 GA 229.5051192 0.259167332 229.1082901 #N/A 1.419517941 2.015031184 -1.105852604 0.32181113 4.594112375 227.484726 232.0788384 6885.153575 30 Hình 5.1 : Biểu đồ mô tả phân bố kết PHÂN BỐ CÁC KẾT QUẢ 18 16 14 12 GGA GA TẦN SUẤT 10 2 232 233 -2 GIÁ TRỊ HÀM MỤC TIÊU 226 227 228 229 230 231 Nhận xét : Khi giải toán giải thuật GGA tập kết nhận tốt hơn, khả nhận lời giải tốt cao so với giải giải thuật GA truyền thống trang 86 CHƯƠNG KẾT LUẬN & LƯU Y,Ù KIẾN NGHỊ 1.1 Kết luận Với kết đạt được, chứng tỏ việc áp dụng giải thuật GGA vào toán bố trí máy nhiều dãy hoàn toàn phù hợp Kết giải GGA toán mặt đề tài tốt so với kết giải GA thời gian tìm kiếm nhanh nhiều lần Điều cho thấy mục tiêu cải tiến trình tìm kiếm dựa theo tảng GA tác giả VanHop and Tabucanon (2003) đắn toán thiết kế mặt Tuy nhiên, tất giải thuật thuộc lớp giải thuật kinh nghiệm (metaheuristic algorithms) lời giải nhận thường lời giải cận tối ưu (near optimal solution) Các thông số ảnh hưởng đến trình tìm kiếm thử nghiệm cho giá trị phù hợp sau : Độ lớn tập hợp maãu : pops ~ (10*N); pops/ pope = (4 ; 5) Trường hợp cụ thể toán N = 124 sử dụng hai thông số : pops/pope = (1500/ 300) pops/ pope = (1000/ 250) Số hệ thực Di truyền : e/ s = 5; e = pops (VanHop and Tabucanon _ 2003) Tỉ lệ cá thể tốt chọn lọc : alpha = 0.3 Xác suất Lai ghép : pc = 0.8 Xác suất Đột biến : pm = 0.04 trang 87 Với thông số đây, lời giải tốt toán thực tế Công ty Cổ phần Dệt lưới Sài Gòn có kết : Cấu trúc xếp 124 máy dãy sau : Row Machine 113 114 112 106 111 117 118 107 108 122 123 121 119 40 28 54 37 63 29 32 16 35 59 36 30 26 41 53 55 13 68 18 31 61 34 33 19 10 22 27 20 57 24 23 67 38 60 58 82 72 71 76 78 73 75 74 83 42 46 45 49 48 43 87 104 100 98 95 94 101 90 97 93 89 88 96 99 86 84 85 91 102 103 92 47 44 52 51 81 79 80 77 69 70 12 21 64 50 25 39 14 11 110 116 109 120 65 66 62 56 15 17 124 115 105 Với cách bố trí máy giá trị hàm mục tiêu toán : TC = 226.8453 1.2 Hạn chế đề tài : Qua bước chạy kết thực nghiệm, ta nhận thấy vai trò quan trọng thông số chiều dài đất L Nó định chất lượng lời giải thời gian chạy chương trình tính toán Hạn chế đề tài xem yếu tố L thông số đầu vào linh hoạt thay nên xem xét đưa vào yếu tố hàm mục tiêu cấu trúc toán chặt chẽ 1.3 Lưu ý, kiến nghị i/ Bài toán không bị ràng buộc diện tích mặc định hình dáng đất hình Chữ nhật, nên phù hợp với điều kiện mặt thiết kế mang tính chất hoạch định tương lai trang 88 ii/ Khi xắp sếp máy, toán không quan tâm đến hướng làm việc Do người thiết kế phải am hiểu tường tận qui trình kỹ thuật vận hành để việc đánh giá mức quan hệ phù hợp với kết mong muốn iii/ Do đặc thù máy qui trình sản xuất lưới có kích thước không chênh lệch lớn, nên bố trí thành nhiều dãy thẳng hàng (tính cho trọng tâm máy) thuận lợi Đối với máy móc khổ ta phải thêm điều kiện ràng buộc cho xếp máy vào hàng không chồng lấp lên máy lận cận ( hàng khác hàng) iv/ Đối với toán tương tự có số lượng máy không lớn (nhỏ 100 máy) hay với vấn đề cần giải nhanh giải thuật tìm kiếm, việc ứng dụng giải thuật GGA hoàn toàn phù hợp trang 89 TÀI LIỆU THAM KHẢO Byoung-Tak Zhang, Jung-Jib Kim “Comparison of Selection Methods of Evolutionary Optimization/ Rearch paper” Evolutionary Optimization An International Journal on the Internet Volume 2, Number 1, 2000, pp.55-70 Chaipom Vongpisal, Somsak Treesat, Jeerasak Saisuwan, “Application of Genetic Algorithm and simulation for multi rows machine layout” The Journal of KMITNB., Vol 15, No.1 Jan.- Mar 2005 C.W CHEN, D.Y.SHA “Heuristic approachfor solvingthe multi-objective facility layout problem” International Journal of Production Research Volume 43, Number 21, November 2005, pp.4493-4507 David E Goldberg, “Genetic Algorithms in Search, Optimization, and Machine Learning” Addison-Wesley Publishing Copany, INC 1989 H AYTUG, M KHOUJA and F E VERGARA “Use of genetic algorithms to solve production and operations management problems: a review” int j prod res., 2003, vol 41, no 17, 3955–4009 Hoda Homayouni, “ A literature review of Computation approaches to Space layout planning”, students.washington.edu/hoda/Space-Layout-planning- Literature-Review , 2006 Nguyen Van Hop and M.T Tabucanon, “Chapter Improvement of search process/ Genetic Algorithms: An Application of PCB Assembly Sequencing Problem” New optimization techniques in Engineering, Edited by Godfrey C Onwubolu and B V Babu : Spring-Verlag, Heitzberg, Gemany, 2003 trang 90 Norhashimah Morad, “Genetic algorithms optimization for machine layout problem” , www.journal.au.edu/ijcim/jan00/morad.pdf Phong H.T., Chung N.V., M.T Tabucanon, “An optimization Approach Factory Layout” Proceedings of the International Conference on Production Research, Special ICPR, August 2-4, 2000 10 Richard L Francis, Leon F McGinnis, Jr., John A White, “ Facility layout and Location : An analytical approach” Prentice hall Upper saddle river, New Jersey 07458 (2nd Edition, 1992) 11 Robin S Liggett * “Automated facilities layout : past, present and future” Automation in construction (2000) 197-215 12 S.K.PEER et al, “Layout design of uesr interface components with multiple objectives” Yugoslav Journal of Operation Research 14 (2004), Number 2, 171-192 13 Way Kuo et al, “Optimal Reliability Design Fundamentals and Applications” Cambridge University Press 2001 14 http://en.wikipedia.org/wiki/evolutionary.algorithm _p.1 _4/16/2008 15 Các tài liệu Công ty Cổ phần Dệt lưới Sài Gòng cung cấp 16 Nguyễn Đình Thúc, “Trí tuệ nhân tạo Lập trình Tiến hóa”, Nhà xuất giáo dục, 2001 trang 91 ... Thiết kế mặt Xưởng sản xuất lưới Công ty Cổ Phần Dệt lưới Sài Gòn II- NHIỆM VỤ VÀ NỘI DUNG: Nghiên cứu ứng dụng Giải thuật Guided Genetic Algorithm để giải toán Thiết kế mặt Xưởng sản xuất Công ty. .. tiễn Công ty Cổ phần Dệt lưới Sài Gòn chương trang 24 CHƯƠNG KHẢO SÁT THỰC TIỄN CÔNG TY CỔ PHẦN DỆT LƯỚI SÀI GÒN 3.1 Giới thiệu Công ty Cổ phần Dệt lưới Sài Gòn (SFN) 3.1.1 Sơ lược ngành Dệt lưới. .. SÁT THỰC TIỄN CÔNG TY CỔ PHẦN DỆT LƯỚI SÀI GÒN Giới thiệu Công ty Cổ phần Dệt lưới Sài Gòn Sơ lược Qui trình sản xuất sản phẩm Khảo sát, phân tích vấn đề mặt Xác định mô hình toán học cho mục