التعبئة ثلاثية الأبعاد في الحاوية باستخدام خوارزمية التحسين القائم على التعلم
محتوى المقالة الرئيسي
الملخص
تهدف الورقة إلى اقتراح خوارزمية التحسين القائم على التعلم (TLBO) لحل مشكلة التعبئة ثلاثية الأبعاد في الحاويات. الهدف الذي يمكن تقديمه في نموذج رياضي هو تحسين استخدام المساحة في الحاوية. ، تراقب هذه الخوارزمية أيضًا، إلى جانب تأثير التفاعل بين الطلاب والمدرس، عملية التعلم بين الطلاب في الفصل والتي لا تحتاج إلى أي معلمات تحكم. وبالتالي ، يوفر TLBO لمرحلة المعلمين ومرحلة الطلاب كعملية تحديث رئيسية لإيجاد أفضل حل. بتعبير أدق ، للتحقق من فعالية الخوارزمية ، فقد تم تنفيذها في ثلاث حالات نموذجية. كانت هناك بيانات صغيرة تحتوي على 5 أنواع من الأحجام مع 12 وحدة ، وبيانات متوسطة تحتوي على 10 أنواع من الأحجام مع 106 وحدة ، وبيانات كبيرة تحتوي على 20 نوعًا من أنواع الأحجام مع 110 وحدة. وتمت مقارنتها، علاوة على ذلك ، بخوارزمية أخرى تسمى خوارزمية البحث عن الجاذبية (GSA). وفقًا للنتائج الحسابية في تلك الحالات النموذجية ، يمكن استنتاج أن العدد الأكبر من السكان والتكرارات يمكن أن يجلب فرصًا أكبر للحصول على حل أفضل حل. ويُظهر TLBO أداءً أفضل في حل مشكلة التعبئة ثلاثية الأبعاد مقارنةً بـ GSA.
Received 23/9/2021
Accepted 19/4/2022
Published Online First 20/7/2022
تفاصيل المقالة
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
كيفية الاقتباس
المراجع
Sarder MD. Chapter 1 Overview of transportation logistics. Logistics Transportation Systems. Elsevier Inc, Netherlands; 2021; 1-35.
Sheng, NL, Arbaiy N, Wen CC, Lin PC. Delivery Route Management based on Dijkstra Algorithm. Baghdad Sci J. 2021:18(1) (Suppl.March); 728-736. Available from: http://dx.doi.org/10.21123/bsj.2021.18.1(Suppl.).0728.
Sheng L, Xiuqin S, Changjian C, Hongxia Z, Dayong S, Feiyue W. Heuristics algorithm for the container loading problem with multiple constraints. Comput Ind Eng. 2017; 108: 149-164. Available from : https://doi.org/10.1016/j.cie.2017.04.021.
Zheng JN, Chien CF, Gen M. Multi-Objective Multi-Population Biased Random-Key Genetic Algorithm for the 3-D Container Loading Problem. Comput Industrial Eng. 2015; 89: 80-87. Available from: https://doi.org/10.1016/j.cie.2014.07.012.
Alvarez-Valdes R, Carravilla MA, Oliveira JF. Cutting and packing. Handbook of Heuristics. Springer Cham, Switzerland; 2018; 1-46
Zhuo Q, Liu X. A swarm optimization algorithm for practical container loading problem. Proceedings IECON 2017 – 43rd Annual Conference of the IEEE Industrial Electronics Society. 2017; 133535. Available from: https://doi.org/10.1109/IECON.2017.8216987.
Rao RV, Savsani V, Balic J. Teaching-Learning-Based Optimization Algorithm for Unconstrained and Constrained Real-Parameter Optimization Problem. Eng Optim. 2012; 44(12): 1447-1462. Avaliable from: https://doi.org/10.1080/0305215X.2011.652103.
Joshi PM, Verma HK. An improved TLBO based economic dispatch of power generation through distributed energy resources considering enviromental constraints. Sustain Energy Grids Netw. 2019; 18: 100207. Available from: https://doi.org/10.1016/j.segan.2019.100207.
Farahani HF, Rashidi F. An improved teaching-learning-based optimization with differential evolustion algorithm for optimal power flow considering HVDC system. J Renew Sustain Energy. 2017; 9: 035505. Available from: https://doi.org/10.1063/1.4989828.
Rao RV, Savsani VJ, Vakharia DP. An Optimization Method for Continous Non-Linear Large Scale Problem. Inf Sci. 2012; 183(1): 1-15. Available from: https://doi.org/10.1016/j.ins.2011.08.006.
Yasear SA, Ku-Mahamud KR. Taxonomy of Memory Usage in Swarm Intelligence-Based Metaheuristics. Baghdad Sci J. 2019:16(Special Issue); 445-452. Available from: https://doi.org/10.21123/bsj.2019.16.2(SI).0445.
Rashedi E, Rashedi E, Nezamabadi-pour H. A comprehensive survey on gravitational search algorithm. Swarm Evol. Comput. 2018; 41: 141-158. Available from: https://doi.org/10.1016/j.swevo.2018.02.018.
Siddique N, Adeli, H. Chapter 2 Gravitational Search Algorithm. Nature-Inspired Computing Physics and Chemistry-Based Algorithms. Taylor and Francis Group, London; 2017; 51-110.
Parreno F, Alvarez-Valdes R, Oliveira JF, Tamarit JM. Neighborhood Structures for the Container Loading Problem: A VNS Implementation. J Heuristics. 2010; 16: 1-22. Available from: https://doi.org/10.1007/s10732-008-9081-3.
Dereli T, Sena Das G. A Hybrid Simulated-Annealing Algorithm for Two-Dimensional Strip Packing Problems. International Conference on Adaptive and Natural Computing Algorithms. 2007; 4431: 508-516. Available from: https://doi.org/10.1007/978-3-540-71618-1_56.
Rao RV. Chapter 2 Teaching-Learning-Based Optimization Algorithm. Teaching Learning Based Optimization Algorithm and Its Engineering Applications. Springer Cham. Switzerland. 2016; 9-39.
Mittal H, Tripathi A, Pandey AC, Pal R. Gravitational search algorithm: a comprehensive analysis of recent variants. Multimed Tools Appl. 2021; 80: 7581-7608. Available from: https://doi.org/10.1007/s11042-020-09831-4.
Beasley JE. Available from: OR-library: http://people.brunel.ac.uk/~mastjjb/jeb/orlib/files/wtpack2.txt. [12 January 2020]. OR-Library: distributing test problems by electronic mail. J Oper Res Soc. 1990; 41 (11): 1069-1072.
Beasley JE. Available from: OR-library: http://people.brunel.ac.uk/~mastjjb/jeb/orlib/files/wtpack4.txt. [12 January 2020]. OR-Library: distributing test problems by electronic mail. J Oper Res Soc. 1990; 41 (11): 1069-1072.
Beasley JE. Available from: OR-library: http://people.brunel.ac.uk/~mastjjb/jeb/orlib/files/wtpack7.txt. [12 January 2020]. OR-Library: distributing test problems by electronic mail. J Oper Res Soc. 1990; 41 (11): 1069-1072.
Sahu RK, Panda S, Padhan S. Optimal Gravitational Search Algorithm for Automatic Generation Control of Interconnected Power Systems. Electr Eng. 2014: 5(3); 721-733. Available from: https://doi.org/10.1016/j.asej.2014.02.004.