دستاورد جدید محققان دانشگاه علم و فرهنگ: تحولی در زمانبندی سیستمهای مونتاژ با الگوریتمهای هوشمند
آخرین به روزرسانی 28 اردیبهشت 1404
مقاله دکتر علی سعداله عضو هیئتعلمی گروه مهندسی مکانیک دانشگاه علم و فرهنگ، با عنوان «مدلسازی و زمانبندی سیستمهای مونتاژ توزیعشده با استفاده از الگوریتمهای تکاملی مبتنی بر یادگیری تقویتی» در مجله بینالمللی Engineering Applications of Artificial Intelligence از انتشارات معتبر Elsevier منتشر شد.
در این پژوهش بینالمللی که با همکاری پژوهشگرانی از کشورهای مختلف انجام شده است، رویکردی نوآورانه برای حل یکی از چالشهای کلیدی در صنایع تولیدی، یعنی زمانبندی بهینه تولید ارائه شده است. محققان با تلفیق الگوریتمهای تکاملی و تکنیکهای یادگیری تقویتی نظیر Q-Learning و SARSA، سیستمی هوشمند برای کاهش زمان اجرای فرایندهای تولید طراحی کردهاند.
همچنین با استفاده از تکنیکهای جستجوی محلی و استراتژیهای تطبیقی، عملکرد این الگوریتمها در حل مسائل پیچیده به طرز قابلتوجهی بهبودیافته است.
بر اساس نتایج بهدستآمده از آزمایشها روی ۸۱ مسئله زمانبندی بزرگمقیاس، الگوریتم پیشنهادی در مقایسه با روشهای مرسوم، از دقت و کارایی بالاتری برخوردار است؛ موضوعی که میتواند در بهینهسازی فرایندهای تولید در صنایع گوناگون تأثیرگذار باشد.
این دستاورد علمی نشاندهنده جایگاه بالای پژوهشهای دانشگاه علم و فرهنگ در سطح بینالمللی و نقش فعال اعضای هیئتعلمی آن در مرزهای دانش است.
گفتنی است، مجله بینالمللی Engineering Applications of Artificial Intelligence با ضریب تأثیر ۷.۵ و رتبه Q۱، در پایگاهداده Web of Science (ISI) نمایه شده و از مجلات شاخص در حوزه هوش مصنوعی کاربردی است.