Real Coded Genetic Algorithms for Solving Flexible Job-Shop Scheduling Problem - Part I: Modelling

Abstract

This paper and its companion (Part 2) deal with modelling and optimization of the flexible job-shop problem (FJSP). The FJSP is a generalised form of the classical job-shop problem (JSP) which allows an operation to be processed on several alternatives machines. To solve this NP-hard combinatorial problem, this paper proposes a customised Genetic Algorithm (GA) which uses an array of real numbers as chromosome representation so the proposed GA is called a real-coded GA (RCGA). The novel chromosome representation is designed to produces only feasible solutions which can be used to effectively explore the feasible search space. This first part of the papers focuses on the modelling of the problems and discusses how the novel chromosome representation can be decoded into a feasible solution. The second part will discuss genetic operators and the effectiveness of the RCGA to solve various test bed problems from literature.

Pemodelan Regresi Non Linear Menggunakan Algoritma Genetika Untuk Prediksi Kebutuhan Air PDAM Kota Malang

“…Pada kasus ini metode crossover yang dipilih menggunakan metode one-point-crossover yaitu proses pemilihan dua induk secara acak dari populasi dan menghasilkan offspring (anak) dari kedua induk tersebut (Mahmudy et al, 2013b)., setelah itu menentukan titik sebagai cut point, gen yang berada di titik potong akan dipindah silang, dan hasilnya akan didapat anak (offspring) dari kombinasi kedua induk tersebut (Stonjavic et al, 2013). Pada penelitian ini populasi awal sebanyak 5 individu dengan crossover rate (cr) sebanyak 0,6 maka akan menghasilkan offspring 0,6 x 5 = 3.…”

“…Proses mutasi yang digunakan adalah random mutation yaitu sebuah proses acak dimana memilih salah satu gen didalam kromosom yang ditentukan untuk kemudian dirubah nilainya dari 0 menjadi 1 dan sebaliknya (Mahmudy et al, 2013b) (Stonjavic et al, 2013). Dengan mutation rate sebesar 0.4 maka banyaknya offspring yang dihasilkan adalah 0.4 x 5 = 2.…”

“…Metode elitism selection akan menjamin menghasilkan individu yang terbaik dan akan selalu lolos dalam seleksi (Mahmudy, 2013b).…”

“…Dari hasil uji coba populasi didapatkan jumlah populasi terbaik sebanyak 225 dengan rata-rata nilai fitness yaitu 111.808. Pada percobaan dengan ukuran populasi sebanyak 125 mengalami penurunan nilai rata-rata fitness meski tidak signifikan, tetapi percobaan selanjutnya menunjukan nilai rata-rata fitness mengalami kenaikan dikarenakan semakin banyak populasi yang dihasilkan maka peluang untuk menghasilkan generasi dengan solusi terbaik semakin besar (Mahmudy, 2013b).…”

Optimization of Frozen Food Distribution Using Genetic Algorithms

“…The genetic algorithm is a search technique in computer science to provide optimal solutions to the complex issues such as planning and production scheduling, scheduling lectures, multi-traveling salesman problem (M-TSP) and the visit of efficient travel (Dipesh Mittal et al 2015;Mahmudy, Marian & Luong 2013a;Widodo & Mahmudy 2010).…”