BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Zawadzka Ludmiła (Politechnika Gdańska), Oliński Krzysztof E. (Politechnika Gdańska)
Tytuł
Algorytmy optymalizacji decyzji logistycznych w zagadnieniach harmonogramowania zadań w inteligentnych systemach produkcyjnych
Discrete Optimization Algorithms in IMS Task Scheduling Problems
Źródło
Gospodarka Materiałowa i Logistyka, 2010, nr 12, s. 77-80, rys.
Słowa kluczowe
Zarządzanie produkcją, Logistyczna koncepcja przedsiębiorstwa, Zarządzanie logistyczne, Algorytmy, Sieci neuronowe
Production management, Logistics concept of enterprise, Logistic management, Algorithms, Neural networks
Uwagi
summ.
Abstrakt
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)

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)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Szkoły Głównej Handlowej w Warszawie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Bibliografia
Pokaż
  1. E. Bonabeau, Swarm Intelligence: A Whole New Way to Think about Business, "Harvard Business Review" 2001, Vol. 79, No. 5, s. 106-117.
  2. 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.
  3. 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.
  4. 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.
  5. 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.
  6. 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.
  7. J. Kennedy, R.C. Eberhart, Particle Swarm Optimization, in: Proceedings of IEEE International Conference on Neural Networks, IEEE Service Center, 1995, s. 1942-1948.
  8. J. Korbicz, A. Obuchowicz, D. Uciński, Sztuczne sieci neuronowe. Podstawy i zastosowania, Placet, Warszawa 1994.
  9. Z. Michalewicz, Algorytmy genetyczne + struktury danych = programy ewolucyjne, WNT, Warszawa 1999.
  10. S. Osowski, Sieci neuronowe w ujęciu algorytmicznym, WNT, Warszawa 1996.
  11. D. Rutkowska, M. Piliński, L. Rutkowski, Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, PWN, Warszawa 1997.
  12. A.M.S. Zalzala, P.J. Fleming, Genetic Algorithms in Engineering Systems, The Institution of Electrical Engineers, London 1997.
Cytowane przez
Pokaż
ISSN
1231-2037
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu