خلاصه پایان نامه سیستم برنامه¬ریزی و کنترل تولید در صحن کارخانه با استفاده از همکاری عامل¬های هوشمند برای حصول به سفارشی¬سازی انبوه
پایان نامه کارشناسی ارشد
رشته مهندسی مکاترونیک
مقدمه
پیشرفتهای اخیر در تولید منعطف و تکنولوژی اطلاعات این امکان را فراهم کرده است که سیستمهای تولیدی بتوانند با هزینه پایینتر طیف وسیعتری از محصولات یا خدمات را ارائه نمایند. بهعلاوه افزایش رقابت در سطح جهانی منجر به رویارویی صنایع با رویکرد افزایش ارزش مشتری در ارائه محصول یا خدمات شده است. بنابراین لزوم درنظر گرفتن نیازهای خاص هر کدام از مشتریان، تولیدکنندگان را به سمت دخالت دادن مشتریان در فرآیند تولید رهنمون شده است. در این میان سفارشیسازی در تولید انبوه[1] یکی از روشهای نوین تولید است که هر روز مورد توجه تولیدکنندگان بیشتری قرار میگیرد. سفارشیسازی در تولید انبوه، توانایی تولید محصول یا خدمات مختص هر مشتری بر اساس سفارش یا نیازهای شناخته شده او از طریق یک فرآیند کاملاً انعطافپذیر و یکپارچه با حفظ مزایای تولید انبوه است. سفارشیسازی در تولید انبوه یکی از فرصت‌هایی است که از طریق رشد و هماهنگی تکنولوژی‌های تولید و تکنولوژی اطلاعات در اختیار تولیدکنندگان قرار گرفته است.
واضح است فعالیت‌هایی که در سیستمهای سفارشیسازی در تولید انبوه انجام میشوند نیازمند همکاری گسترده، تبادل اطلاعات و تعامل در محدوده سازمان و خارج از آن است. بخشی از این تعامل در جهت برنامهریزی تخصیص وظایف به منابع و زمانبندی اجرای وظایف بر روی منابع است. مسئله برنامهریزی تخصیص وظایف به منابع و زمانبندی اجرای وظایف یکی از پیچیدهترین مسائل بهینهسازی ترکیبیاتی بهشمار میآید که در این تحقیق سعی بر آن است که گسترشی در زمینه حل این دسته مسائل حاصل گردد.
در سیستمهای سفارشیسازی در تولید انبوه، از آنجایی که هر کالای تولید شده دارای شرایط خاص خود، براساس نیاز اعلام شده مشتری خواهد بود، مسئله هماهنگی و تعامل اجزا در صحن کارخانه شکل پیچیدهتری به‌خود میگیرد. برای حل مسئله برنامهریزی در چنین شرایطی اجزای سیستم برنامهریزی باید دارای ویژگی‌هایی همچون برقراری ارتباط با اجزای دیگر، واکنشی بودن و خودمختاری باشند. با توجه به این ویژگی‌ها بهره‌گیری از سیستمهای تکاملی چندعاملی بعنوان یکی از راه‌حل‌های مناسب مطرح میگردد. در این روش با بهره‌گیری از اجتماعی از عامل‌ها که هر کدام دارای مجموعه‌ای از خصوصیات و منابع می‌باشند میتوان راه‌حل‌هایی در محیط محاسباتی پویا بدست آورد.
1-2- نوآوریهای تحقیق
در این تحقیق با توجه به پیشینه تحقیقاتی که در زمینه حل مسئله برنامهریزی و زمانبندی کار کارگاهی منعطف صورت گرفته است، الگویی جدید و مؤثر برای مدلسازی فضای جواب مسئله مطرح میگردد. الگوی ارائه شده، دارای خصوصیات ویژهای است که از جمله مهمترین آنها میتوان به حل همزمان زیر مسئلههای برنامهریزی تخصیص وظایف به منابع و زمانبندی ترتیب اجرای وظایف، اشاره کرد. در ادامه پژوهش به معرفی الگوریتم بهینهسازی حرکت جمعی ذرات پرداخته میشود و شکل جدیدی از این الگوریتم برای حل مسائل بهینهسازی چندهدفه، معرفی میگردد که در آن انتخاب ذرات راهنما براساس چگالی ذرات در فضای اهداف صورت میگیرد، سپس الگوریتم ارائه شده با یکی از الگوریتمهای مشابه مقایسه میشود. بعد از آن، دو ایده ارائه شده، در حل مسئله زمانبندی کار کارگاهی منعطف بهکار گرفته شده و نتایج آن مورد بررسی قرار خواهند گرفت.
1-3- ساختار پایاننامه
در ادامه مطالب پایاننامه، در فصل دوم مفاهیم سفارشیسازی انبوه و سطوح پیاده‌سازی آن ارائه خواهد شد و فاکتورهایی که منجر به پیاده‌سازی موفق آن میشوند از دیدگاه نویسندگان و محققین مختلف مورد بررسی قرار میگیرند و مسئله برنامهریزی و زمانبندی تولید برای حصول به سفارشیسازی در تولید انبوه به مسئله برنامهریزی و زمانبندی کارگاه تولید منعطف[2] با چند هدف، کاهش[3] مییابد. از اینجا به بعد رویکرد پژوهش به سوی حل مسئله زمانبندی چندهدفه در کار کارگاهی منعطف، خواهد بود. در فصل سوم، مفاهیم زمانبندی کارگاهی مطرح شده و با استفاده از آنها یک مدل ریاضی مناسب برای مسئله زمانبندی کار کارگاهی منعطف بدست میآید. در ادامه پایاننامه در فصل چهارم مروری کوتاه به مفهوم فرااکتشاف[4] و کاربرد آن در مسائل بهینهسازی انجام میگردد. در این فصل چند روش فرااکتشافی مهم که در بهینهسازی بهطور گستردهای مورد استفاده قرار میگیرند در قالب سه دسته معرفی میشوند. در فصل پنجم روشهای بهینهسازی چندهدفه با تکیه بر الگوریتم بهینهسازی حرکت جمعی ذرات[5] بعنوان یک روش تکاملی[6] چندعاملی[7] مورد مطالعه قرار میگیرد و الگوریتم جدیدی مبتنی بر چگالی هسته[8] ذرات در فضای اهداف، ارائه شده و با یکی از الگوریتمهای بهینهسازی چندهدفه مبتنی بر حرکت جمعی ذرات مقایسه میگردد. در فصل ششم، ابتدا نمایش جدیدی از فضای جستجوی مسئله زمانبندی کار کارگاهی منعطف معرفی میگردد که قابلیت حل زیرمسئلههای تخصیص عملیات به ماشینها و زمانبندی ترتیب اجرای عملیات را بطور همزمان بدست میدهد. سپس در ادامه این فصل، الگوریتم بهینهسازی که در فصل پنجم معرفی شده است برای حل مسئله زمانبندی کار کارگاهی منعطف مورد استفاده قرار گرفته و نتایج آن با روشهای دیگر مقایسه میشود. در نهایت در فصل هفتم به بحث و نتیجهگیری درباره نتایج تحقیق انجام شده در این پایاننامه پرداخته و پیشنهاداتی برای گسترش تحقیقات در این زمینه، ارائه میشود.
فصل 2
سفارشیسازی در تولید انبوه
Mass Customization
2-1- مقدمه
پیشرفتهای اخیر در تولید منعطف و تکنولوژی اطلاعات، که سیستمهای تولید را قادر به ارائه طیف وسیعتری از محصولات با هزینه پایینتر میکنند، کوتاه شدن چرخه عمر محصول، و رقابت صنعتی فزاینده‌ای که نیاز به استراتژی‌های تولیدی که به نیازهای یکایک مشتریان توجه میکنند منجر به ظهور سفارشیسازی در تولید انبوه گردید.
یکی از اولین افرادی که صحبت از سفارشیسازی در تولید انبوه را مطرح کرد آلوین تافلر بود. آلوین تافلر کار خود را به عنوان یک روزنامه نگار شروع کرد ولی با انتشار اولین کتاب خود به نام "ضربه آینده" [1] در سال 1970 به شهرت بین‌المللی رسید. "موج سوم" [2] ده سال بعد و "انتقال قدرت" [3] ده سال پس از آن منتشر شدند. منظور از موج سوم که در عنوان کتاب به آن اشاره شده، جامعه فوق صنعتی است که در اواخر قرن بیستم ظهور کرده و هنوز هم در حال شکل‌گیری است. این جامعه بعد از موج دوم، یعنی جامعه صنعتی به وجود آمد که خود ناشی از انقلاب صنعتی بود. جامعه صنعتی هم بعد از مرحله کشاورزی به وجود آمد که به عنوان موج اول شناخته شده است. هر موج جدید توسط توسعه فنآوری جدیدی ظاهر شد. بالاخره فنآوری الکترونیک موج سوم را به وجود آورد. توجه اصلی تافلر انتقال از موج دوم به موج سوم در جوامع پیشرفته است، گو اینکه البته حوزه احتمالی اصطکاک بین انسان‌هایی که در مراحل مختلف پیشرفت (شرایط امواج مختلف) قرار دارند و با هم همزیستی میکنند را نیز مورد بررسی قرار میدهد. به نظر تافلر، صفت مشخصه موج سوم به جای تولید انبوه، سفارشی سازی انبوه است.
وقتی به تاریخچه یا سوابق شرکتهای خودروساز مطرح نگاه میکنیم، میبینیم که آنها نیز همین راهبردها را به کار گرفتهاند. آنها در دوره‌ای، به تولید انبوه میپرداختند بعد از آن تولید ناب باب شد و اکنون در دوره‌ای هستیم که تولید انبوه براساس نیاز و سلیقه مردم یا سفارشیسازی در تولید انبوه اهمیت پیدا کرده است. انجام چنین کاری یعنی تولید براساس سفارش مشتری آن هم با همه مزایای تولید انبوه فقط زمانی ممکن است که ابزارهای آن فراهم باشد.
مفهوم سفارشیسازی در تولید انبوه بطور رسمی تقریباً از اواخر دهه 1980 معرفی گردید و ادامه منطقی توسعه و پیشرفت در زمینه‌های مختلف تولید مانند تولید منعطف و بهینهسازی شده براساس کیفیت و قیمت است. طبق تعریفی که دیویس[9] در 1989 ارائه نمود [4]، سفارشیسازی در تولید انبوه عبارت از فراهمسازی محصولات یا سرویس‌های اختصاصی برای یک مشتری از طریق چابکی بالا در فرآیند، انعطاف‌پذیری و یکپارچگی در سیستم تولید است.
بسیاری از نویسندگان این مفهوم را بصورت باریک‌تر و عملی‌تری مورد توجه قرار داده‌اند و تعریف دیگری را ارائه کرده‌اند. آنان معتقدند که سفارشیسازی در تولید انبوه، استفاده از تکنولوژی اطلاعات، فرآیندهای انعطافپذیر و معماری سازمانی ویژه برای ارائه کردن طیف وسیعی از محصولات و سرویس‌هایی که به نیازهای مخصوص هر کدام از مشتریان پاسخ میدهد (اغلب از طریق مجموعه‌ای از انتخاب‌ها) با هزینه‌ای نزدیک به تولید انبوه است [5].
در هر دو این دیدگاه‌ها سفارشیسازی در تولید انبوه بعنوان یک ایده سیستماتیک، همه جنبه‌های فروش محصول، توسعه، تولید و ارائه آن و بطور کلی زنجیره کاملی از انتخاب مشتری تا تحویل محصول را در بر میگیرد.
با وجود مشکلات زیاد پیاده‌سازی سیستمهای تولید مبتنی بر سفارشیسازی در تولید انبوه، مشکلات زیر بهنظر اساسی‌تر جلوه میکنند: الف) پایین نگه داشتن قیمت محصول سفارشیسازی شده متناسب با تولید انبوه محصول استاندارد. ب) دستیابی به کیفیت بالا برای طیف وسیعی از محصولات و پ) ارتقا و تولید کالاهای سفارشی بصورت دوره‌ای برای جلب رضایتمندی مشتری و تمایل او برای سفارش محصولات جدیدتر. بنابراین سازمان‌های تولیدی برای پیاده‌سازی سیستمهای مبتنی بر سفارشیسازی در تولید انبوه باید توانایی انجام تغییراتی همچون موارد زیر را داشته باشند: الف) پیمانه‌ای‌سازی محصولات و فرآیندها برای ایجاد قابلیت مدیریت تنوع محصولات ب) استفاده از سیستمهای نرم‌افزاری مبتنی بر دانش[10] و پ) استفاده از سیستمهای تولید و اتوماسیون منعطف.
بنابر موارد ذکر شده، تغییر سیستم تولیدی سازمان به سیستم مبتنی بر سفارشیسازی در تولید انبوه پیامدهای بسیاری را در توسعه محصول و چرخه تولید ایجاد خواهد نمود. این پیامدها را میتوان در قالب توانمندی در حوزه‌های محاسباتی[11]، ارتباطی[12] و اطلاعاتی[13] دسته‌بندی کرد که موجب بروز نوآوری‌هایی در اتوماسیون منعطف، شبکه‌های کامپیوتری صنعتی و طراحی محصول بصورت الکترونیکی میشوند.
2-2- سطوح سفارشیسازی
تعیین سطح سفارشیسازی یکی از نکات اساسی در بحث‌ها و نظرات مربوط به تشخیص درست محصولات سازمان است. ممکن است کسانی باشند که بطور افراطی بر این باور باشند که باید تمام نیازمندی‌ها و سلایق یکایک مشتریان را تأمین کرد. یعنی به هر مشتری کالایی را باید عرضه کرد که دقیقاً و تمام و کمال همان است که می‌خواهد. از طرفی هم کسانی هستند که سفارشیسازی را صرفاً در ارائه محصول با امکان انتخاب برخی خصوصیات آن در نظر میگیرند. برخی دیگر نیز سفارشیسازی موفق را در توانایی ترکیب سفارشیسازی به همراه تنوع در اجزا و فرآیندهای استاندارد تولید میدانند.
محققین بسیاری با دیدگاه‌های مختلف، چارچوب‌های متنوعی را برای سطوح سفارشیسازی پیشنهاد کرده‌اند که در ادامه به برخی از آنها اشاره میشود.
پاین[14] و گیلمور[15] چهار سطح برای سفارشیسازی محصول بر اساس مشاهدات و تجربیات عملی خود ارائه داده‌اند که عبارتند از [6]:
سطح تعاملی[16]: طراحان محصول با مشتریان گفتگو کرده و براساس نیاز و سلیقه مشتری محصول را طراحی میکنند
سطح وفق‌پذیری[17]: محصولات استاندارد بهگونه‌ای طراحی میشوند که توسط مشتری قابل تغییر کاربری باشند و مشتری بتواند مطابق نیاز و سلیقه خود محصول خریداری شده را تغییر دهد.
سطح Cosmetic: محصولات استاندارد تولید میشوند ولی برای مشتریان مختلف بهگونه‌های متفاوتی بسته‌بندی میشوند یا بهگونه‌های متفاوتی به مشتری عرضه میشوند
سطح شفاف[18]: محصولات براساس تنظیماتی که توسط مشتری روی آنها انجام میشود خود را با نیازمندی‌های مشتری وفق می‌دهند.
پاین در مقاله دیگری چهار سطح سفارشیسازی را بصورت زیر مطرح کرد [7]:
سرویس‌های سفارشیسازی شده: محصولات استاندارد توسط افرادی در سیستم فروش متناسب با نیاز مشتری درآمده و سپس عرضه میشوند.
سفارشیسازی درونی[19]: محصولات استاندارد در هنگام استفاده توسط مشتری متناسب با نیاز تغییر میکنند.
سفارشیسازی در نقطه تحویل[20]: عملیات اضافی مخصوصی متناسب با نیاز مشتری در هنگام تحویل بر روی محصول انجام میشود.
تولید پیمانه‌ای[21]: اجزاء استاندارد برای شکل دادن به نیاز مشتری با طیف وسیعی از پیکربندی‌ها و ترکیب‌ها می‌توانند محصولات متنوعی را بوجود آورند.
اسپیرا[22] محقق دیگری است که مدل مشابهی را با چهار نوع سفارشیسازی مطرح کرده است [8]:
بسته‌بندی سفارشیسازی شده[23]
سرویس‌های سفارشی شده[24]
کار اضافی براساس سفارش مشتری[25]
مونتاژ پیمانه‌ای[26]
ترکیب چارچوب‌هایی که در بالا به آنها اشاره شده است ما را به سمت هشت سطح عام از سفارشیسازی هدایت می کند که در جدول 2-1 مشخص شده‌اند [5]:
فهرست پایان نامه سیستم برنامه¬ریزی و کنترل تولید در صحن کارخانه با استفاده از همکاری عامل¬های هوشمند برای حصول به سفارشی¬سازی انبوه
فهرست:
فصل 1: مقدمه. 5
1-1- مقدمه. 6
1-2- نوآوریهای تحقیق.. 7
1-3- ساختار پایاننامه. 7
فصل 2: سفارشیسازی در تولید انبوه. 9
2-1- مقدمه. 10
2-2- سطوح سفارشیسازی.. 12
2-3- توانمندی‌های مورد نیاز برای اجرای سفارشیسازی در تولید انبوه 16
2-5- جمعبندی و نتیجهگیری.. 18
فصل 3: برنامهریزی و زمانبندی.. 19
3-1- مقدمه. 20
3-2- مدلسازی سیستم تولید در برنامهریزی و زمانبندی.. 21
3-3- کارها، ماشینها و کارگاهها 24
3-4- معیارهای کارایی در زمانبندی تولید. 28
3-5- مدلسازی ریاضی مسأله زمانبندی کارگاه منعطف.. 32
3-6- پیشینه تحقیق در زمینه زمانبندی کارگاه منعطف.. 35
3-7- جمعبندی و نتیجهگیری.. 37
فصل 4: فرااکتشافات در بهینهسازی.. Error! Bookmark not defined.
4-1- مقدمه. 80
4-2- تعاریف اولیه. 80
4-3- روشهای مبتنی بر مسیر. 85
4-4- روشهای جستجوی محلی کاوشگرانه. 92
4-5- روشهای مبتنی بر جمعیت.. 97
4-6- جمعبندی و نتیجهگیری.. 107
فصل 5: بهینهسازی چندهدفه با حرکت جمعی ذرات.. 40
5-1- مقدمه. 41
5-5- جمعبندی و نتیجهگیری.. 61
فصل 6: کاربرد DbMOPSO در برنامهریزی و زمانبندی کارگاه منعطف.. 63
6-1- مقدمه. 64
6-2- فضای جستجو. 65
6-3- مسائل مورد بررسی.. 66
6-4- نتایج شبیه سازی.. 71
6-6- جمعبندی و نتیجهگیری.. 75
فصل 7: جمعبندی و نتیجهگیری.. 76
7-1- مقدمه. 77
7-2- دستاوردهای تحقیق.. 77
7-3- محورهای مطالعه و گسترش بیشتر. 78
مراجع. 109
فهرست جداول
جدول 2-1: سطوح سفارشی سازی عام
15
جدول 6-1: زمانهای اجرای عملیات مربوط به نمونه مسئله 1
95
جدول 6-2: زمانهای اجرای عملیات مربوط به نمونه مسئله 2
96
جدول 6-3: زمانهای اجرای عملیات مربوط به نمونه مسئله 3
97
جدول 6-4: زمانهای اجرای عملیات مربوط به نمونه مسئله 4
98
جدول 6-5: مقادیر توابع هدف راه حلهای بدست آمده برای مسئله نمونه 1 توسط کاسم و همکاران
100
جدول 6-6: مقادیر توابع هدف راه حلهای بدست آمده برای مسئله نمونه 1 با استفاده از الگوریتم DbMOPSO
100
جدول 6-7: مقادیر توابع هدف راه حلهای بدست آمده برای مسئله نمونه 2 توسط کاسم و همکاران
101
جدول 6-8: مقادیر توابع هدف راه حلهای بدست آمده برای مسئله نمونه 2 با استفاده از الگوریتم DbMOPSO
101
جدول 6-9: مقادیر توابع هدف راه حلهای بدست آمده برای مسئله نمونه 3 توسط کاسم و همکاران
102
جدول 6-10: مقادیر توابع هدف راه حلهای بدست آمده برای مسئله نمونه 3 با استفاده از الگوریتم DbMOPSO
102
جدول 6-11: مقادیر توابع هدف راه حلهای بدست آمده برای مسئله نمونه 4 توسط کاسم و همکاران
103
جدول 6-12: مقادیر توابع هدف راه حلهای بدست آمده برای مسئله نمونه 4 با استفاده از الگوریتم DbMOPSO
103
فهرست اشکال
شکل 3-1: نمودار جریان اطلاعات در یک سیستم تولیدی
23
شکل 4-1: الگوریتم بهبود تکراری
46
شکل 4-2: الگوریتم گداخت شبیهسازی شده
46
شکل 4-3: ایده جستجوی محلی هدایت شده
54
شکل 4-4: یک مرحله دلخواه از ILS
56
شکل 4-5: قالب کلی الگوریتمهای محاسبات تکاملی
58
شکل 4-6: قالب کلی الگوریتم حرکت جمعی ذرات
65
شکل 5-1: مفهوم راهحل بهینه پارتو
70
شکل 5-2: نمایش مفهوم غلبه در فضای اهداف
71
شکل 5-3: نمایش Pareto Optimal Front در فضای اهداف
72
شکل 5-4: الگوریتم DbMOPSO
76
شکل 5-5: نتیجه حاصل از الگوریتم NSGA II در حل مسئله نمونه 1
78
شکل 5-6: نتیجه حاصل از الگوریتم PAES در حل مسئله نمونه 1
78
شکل 5-7: نتیجه حاصل از الگوریتم MOPSO در حل مسئله نمونه 1
79
شکل 5-8: نتیجه حاصل از الگوریتم DbMOPSO در حل مسئله نمونه 1
79
شکل 5-9: نتیجه حاصل از الگوریتم NSGA II در حل مسئله نمونه 2
81
شکل 5-10: نتیجه حاصل از الگوریتم PAES در حل مسئله نمونه 2
81
شکل 5-11: نتیجه حاصل از الگوریتم MOPSO در حل مسئله نمونه 2
82
شکل 5-12: نتیجه حاصل از الگوریتم DbMOPSO در حل مسئله نمونه 2
82
شکل 5-13: نتیجه حاصل از الگوریتم NSGA II در حل مسئله نمونه 3
84
شکل 5-14: نتیجه حاصل از الگوریتم PAES در حل مسئله نمونه 3
84
شکل 5-15: نتیجه حاصل از الگوریتم MOPSO در حل مسئله نمونه 3
85
شکل 5-16: نتیجه حاصل از الگوریتم DbMOPSO در حل مسئله نمونه 3
85
شکل 5-17: نتیجه حاصل از الگوریتم NSGA II در حل مسئله نمونه 4
87
شکل 5-18: نتیجه حاصل از الگوریتم PAES در حل مسئله نمونه 4
87
شکل 5-19: نتیجه حاصل از الگوریتم MOPSO در حل مسئله نمونه 4
88
شکل 5-20: نتیجه حاصل از الگوریتم DbMOPSO در حل مسئله نمونه 4
88
منبع:
مراجع
A. Toffler, "Future shock," Bantam Books, 1970
A. Toffler, "The third wave," Bantam Books, 1980
A. Toffler, "Powershift: knowledge, wealth and violence at the edge of the 21st century," Bantam Books, 1990
S. Davis, "From future perfect: Mass customizing," Planning Review, vol. 17, no. 2, pp. 16-21, 1989
G. Da Silveira et al., "Mass customization: Literature review and research directions," Int. J. Production Economics, vol. 72, pp. 1-13, 2001
J. Gilmore, and J. Pine, "The four faces of mass customization," Harvard Business Review, vol. 75, no. 1, pp. 91-101, 1997
J. Pine, "Mass customizing products and services," Planning Review, vol. 21, no. 4, pp. 6-13, 1993
J. Spira, "Mass customization through training at Lutron Electronics," Computers in Industry, vol. 30, no. 3, pp. 171-174, 1996
M. Pinedo, "Planning and scheduling in manufacturing services," Springer, 2005
P. Bruker, and R. Schlie, "Job shop scheduling with multi-purpose machines," Computing, vol. 45, pp. 369–375, 1990
E. Hurink, B. Jurisch, and M. Thole, "Tabu search for the job shop scheduling problem with multi-purpose machines," Operations Research Spektrum, vol. 15, pp. 205–215, 1994
M. Mastrololli, and L.M. Gambardella, "Effective neighborhood functions for the flexible job shop problem," Journal of Scheduling, vol. 3, no. 1, pp. 3–20, 2002
I. Kacem, S. Hammadi, and P. Borne, "Pareto-optimality approach for flexible job-shop scheduling problems: Hybridization of evolutionary algorithms and fuzzy logic," Mathematics and Computers in Simulation, vol. 60, pp. 245–276, 2002
W. Xia, and Z. Wu, "An effective hybrid optimization approach for multi-objective flexible job-shop scheduling problems," Computers & Industrial Engineering, vol. 48, pp. 409–425, 2005
C. Blum, "Metaheuristics in Combinatorial Optimization: Overview and Conceptual Comparison," ACM Computing Surveys, vol. 35, no. 3, pp. 268–308, 2003
I.H. OSMAN, and G. LAPORTE, "Metaheuristics: A bibliography," Ann. Operations Research, vol. 63, pp. 513–623, 1996
S. VOß, et. al., "Meta-Heuristics—Advances and Trends in Local Search Paradigms for Optimization," Kluwer Academic Publishers, 1999
METAHEURISTICS NETWORK WEBSITE, http://www.metaheuristics.net/, Visited in 2009
C. Coello, G. Pulido, and M. Lechuga, "Handling multiple objectives with particle swarm optimization," IEEE Trans. Evolutionary Computation, vol. 8, pp. 256-279, 2004
E. Zitzler, "Evolutionary Algorithms for Multiobjective Optimization: Methods and Applications," Ph.D. thesis, Swiss Federal Institute of Technology Zurich, 1999
K. Deb, "Multi-objective genetic algorithms: problem difficulties and construction of test problem," Evolutionary Computation, vol. 7, no. 3, pp.205-230, 1999
J. D. Schaffer, "Multiple objective optimization with vector evaluated genetic algorithm," Ph.D. thesis, Vanderbilt University, 1984
P. Fattahi, M. Saidi Mehrabad, and F. Jolai, "Mathematical modeling and heuristic approaches to flexible job shop scheduling problems," Journal of Intelligent Manufacturing, vol. 18, pp. 331-342, 2007.
I. Kacem, S. Hammadi, and P. Borne, "Pareto-optimality approach for flexible job-shop scheduling problems: hybridization of evolutionary algorithms and fuzzy logic," Mathematics and computers in simulation, vol. 60, pp. 245-276, 2002.