‫توظيف الخوارزمية الجينية لتحسين أداء المنشآت‬

‫د‪ .‬سماء طليع عزيز‬

 ‫• توظيف الخوارزمية الجينية في المشاريع االنشائية‬
‫• ادارة شبكة اعمال المشاريع‬

‫• توظيف الخوارزمية الجينية في وسائل النقل‬

‫• مسأله البائع المتجول‬

‫• توظيف الخوارزمية الجينية في القطاع الصناعي‪/‬االنتاجي‬

‫• تقطيع االلواح الثنائية االبعاد‬
‫• جدولة طلبيات االنتاج‬

‫• توظيف الخوارزمية الجينية في امنية االتصاالت‬

‫• توليد ارقام عشوائية عالية الجوده‬
‫خوارزمية جينية اليجاد المسار الحرج االمثل لشبكة المشاريع‬
 ‫مشروع جسر الصرافية‬

‫ت‬ ‫رمز النشاط‬ ‫النشاط السابق‬ ‫وصف النشاط‬ ‫‪b‬‬ ‫‪m‬‬ ‫‪a‬‬ ‫‪Et‬‬
‫‪1‬‬ ‫‪A‬‬ ‫_‬ ‫أعمال التسوية والدفن بالتراب‬ ‫‪15‬‬ ‫‪10‬‬ ‫‪7‬‬ ‫‪10‬‬
‫‪2‬‬ ‫‪B‬‬ ‫_‬ ‫توفير وشراء المواد األولية‬ ‫‪60‬‬ ‫‪40‬‬ ‫‪30‬‬ ‫‪42‬‬
‫‪3‬‬ ‫‪C‬‬ ‫_‬ ‫تهيئة ونصب البانتونات‬ ‫‪25‬‬ ‫‪15‬‬ ‫‪10‬‬ ‫‪16‬‬
‫‪4‬‬ ‫‪D‬‬ ‫_‬ ‫نصب الجسر العائم‬ ‫‪40‬‬ ‫‪30‬‬ ‫‪20‬‬ ‫‪30‬‬
‫‪5‬‬ ‫‪E‬‬ ‫‪B‬‬ ‫‪ 120‬تصنيع الهيكل الحديدي‬ ‫‪80‬‬ ‫‪60‬‬ ‫‪83‬‬
‫‪6‬‬ ‫‪F‬‬ ‫‪C,A‬‬ ‫‪ 135‬تفكيك ورفع الغوارق‬ ‫‪90‬‬ ‫‪75‬‬ ‫‪95‬‬
‫‪7‬‬ ‫‪G‬‬ ‫‪A‬‬ ‫قلع المتبقي من التبليط السابق‬ ‫‪20‬‬ ‫‪12‬‬ ‫‪10‬‬ ‫‪13‬‬
‫‪8‬‬ ‫‪H‬‬ ‫‪F‬‬ ‫‪ 125‬معالجة الدعامات المتضررة‬ ‫‪60‬‬ ‫‪40‬‬ ‫‪68‬‬
‫‪9‬‬ ‫‪I‬‬ ‫‪F‬‬ ‫دق الركائز األنبوبية‬ ‫‪40‬‬ ‫‪25‬‬ ‫‪20‬‬ ‫‪27‬‬
‫‪10‬‬ ‫‪J‬‬ ‫‪F‬‬ ‫تثبيت وسادة حديدية بين الدعامات‬ ‫‪30‬‬ ‫‪15‬‬ ‫‪10‬‬ ‫‪17‬‬
‫‪11‬‬ ‫‪K‬‬ ‫‪H‬‬ ‫تجهيز وتثبيت مساند االرتكاز‬ ‫‪40‬‬ ‫‪20‬‬ ‫‪15‬‬ ‫‪23‬‬
‫‪12‬‬ ‫‪L‬‬ ‫‪E,I,J,K‬‬ ‫نصب الهيكل الحديدي‬ ‫‪90‬‬ ‫‪50‬‬ ‫‪40‬‬ ‫‪55‬‬
‫‪13‬‬ ‫‪M‬‬ ‫‪L‬‬ ‫تثبيت مفاصل التمدد‬ ‫‪20‬‬ ‫‪10‬‬ ‫‪7‬‬ ‫‪11‬‬
‫‪14‬‬ ‫‪N‬‬ ‫‪L‬‬ ‫قلع إو عادة تركيب أنابيب المياه‬ ‫‪40‬‬ ‫‪20‬‬ ‫‪10‬‬ ‫‪22‬‬
‫‪15‬‬ ‫‪O‬‬ ‫‪L‬‬ ‫رفع الركائز األنبوبية‬ ‫‪30‬‬ ‫‪15‬‬ ‫‪10‬‬ ‫‪17‬‬
‫‪16‬‬ ‫‪P‬‬ ‫‪G,M‬‬ ‫صب سطح الجسر الخرساني‬ ‫‪20‬‬ ‫‪10‬‬ ‫‪7‬‬ ‫‪11‬‬
‫‪17‬‬ ‫‪Q‬‬ ‫‪P‬‬ ‫إجراء عملية العصف والصبغ األولي‬ ‫‪25‬‬ ‫‪15‬‬ ‫‪10‬‬ ‫‪16‬‬
‫‪18‬‬ ‫‪R‬‬ ‫‪N‬‬ ‫صيانة األرصفة ومقتربات الجسر‬ ‫‪15‬‬ ‫‪10‬‬ ‫‪7‬‬ ‫‪10‬‬
QSB ‫حل المسأله باستخدام‬
Quality system Basics
 ‫العقدة التالية للعقدة ‪i‬‬ ‫عدد العقد المرتبطة بها‬ ‫العقدة‬
‫قيمة النشاط‬ ‫‪i‬‬
‫‪2 3 4 13‬‬ ‫‪4‬‬ ‫‪1‬‬
‫‪10 16 42 30‬‬
‫‪3 10‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪0 13‬‬
‫‪5‬‬ ‫‪1‬‬ ‫‪3‬‬
‫‪95‬‬
‫‪7‬‬ ‫‪1‬‬ ‫‪4‬‬
‫‪83‬‬
‫‪6‬‬ ‫‪7 8‬‬ ‫‪3‬‬ ‫‪5‬‬
‫‪68 17 27‬‬
‫‪8‬‬ ‫‪1‬‬ ‫‪6‬‬
‫‪23‬‬
‫‪8‬‬ ‫‪1‬‬ ‫‪7‬‬
‫‪0‬‬
‫‪9‬‬ ‫‪1‬‬ ‫‪8‬‬
‫‪55‬‬
‫‪10 11 12‬‬ ‫‪3‬‬ ‫‪9‬‬
‫‪11 22 17‬‬

‫الحل باستخدام الخوارزمية الجينية‬

‫‪15‬‬ ‫‪1‬‬ ‫‪10‬‬
‫‪11‬‬
‫‪12 14‬‬ ‫‪2‬‬ ‫‪11‬‬
‫‪0 10‬‬
‫‪13‬‬ ‫‪1‬‬ ‫‪12‬‬
‫‪21‬‬
‫‪14‬‬ ‫‪1‬‬ ‫‪13‬‬
‫‪10‬‬
‫‪20‬‬ ‫‪1‬‬ ‫‪14‬‬
‫‪2‬‬
‫‪16 17‬‬ ‫‪2‬‬ ‫‪15‬‬
‫‪16 15‬‬
‫‪17‬‬ ‫‪1‬‬ ‫‪16‬‬
‫‪0‬‬
‫‪18‬‬ ‫‪1‬‬ ‫‪17‬‬
‫‪22‬‬
‫‪19‬‬ ‫‪1‬‬ ‫‪18‬‬
‫‪26‬‬
‫‪20‬‬ ‫‪1‬‬ ‫‪19‬‬
‫‪4‬‬
‫‪0‬‬ ‫‪20‬‬
 ‫البداية‬

‫قراءة ملف مجموعة الجدولة لشبكة االعمال ( ‪) grid.dat‬‬

‫انشاء الجيل االول عشوائيا والذي يمثل مجموعة القرار االولى‬

‫تحويل كروموسومات الجيل الحالي الى مسارات حرجة بدمج‬

‫مجموعة القرار ومجموعة الجدوله‬

‫حساب دالة الهدف لكل كروموسوم (مسار) والذي يمثل مجموع‬

‫قيم انشطة ذلك المسار وحساب طوله‬

‫اختيار األفراد ويتم ذلك بتكرار تحديد كروموسومين بشكل عشوائي‬

‫واختيار الكروموسوم الذي له افضل دالة هدف‬

‫التداخل االبدالي لألفراد المختارة حسب طريقة ‪ PMX‬لتوليد جيل جديد‬

‫توليد مجموعة قرار جديدة وذلك بتطبيق الطفرة على جميع كروموسومات الجيل‬
‫الناتج بتبديل محتويات جينين يتم ا ختيارهما عشوائيا من الكروموسوم‬

‫ال‬ ‫نعم‬
‫عدد األجيال‬
‫>‪10‬‬

‫عرض المسار الحرج االمثل الذي حقق‬

‫افضل داله هدف بين ‪10‬اجيال‬

‫النهاية‬
 ‫كروموسوم يمثل مجموعة القرار لمسار حقيقي في شبكة جسر الصرافية‬

‫رقم‬
‫‪20‬‬ ‫‪19‬‬ ‫‪18‬‬ ‫‪17‬‬ ‫‪16‬‬ ‫‪15‬‬ ‫‪14‬‬ ‫‪13‬‬ ‫‪12‬‬ ‫‪11‬‬ ‫‪10‬‬ ‫‪9‬‬ ‫‪8‬‬ ‫‪7‬‬ ‫‪6‬‬ ‫‪5‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪1‬‬
‫العقدة‬

‫‪14‬‬ ‫‪19‬‬ ‫‪17‬‬ ‫‪6‬‬ ‫‪16‬‬ ‫‪12‬‬ ‫‪9‬‬ ‫‪15‬‬ ‫‪13‬‬ ‫‪4‬‬ ‫‪20‬‬ ‫‪2‬‬ ‫‪11‬‬ ‫‪8‬‬ ‫‪18‬‬ ‫‪3‬‬ ‫‪10‬‬ ‫‪1‬‬ ‫‪7‬‬ ‫‪5‬‬ ‫الوزن‬

‫‪Path =1 → 13 → 14 → 20‬‬
 ‫• مقارنة ‪ GAOCPN‬مع البرمجة الديناميكية‬

‫• ‪ GAOCPN -1‬ليست مقيدة بنوع معين من شبكات األعمال كما هو الحال في طريقة البرمجة الخطية‬

‫• ‪ -2‬ان تطبيق ‪ GAOCPN‬التتطلب استشارة خبير بحوث العمليات كما هو الحال في التقنيات التقليدية التي‬
‫تتطلب استشارة الخبير في كل مرة يتم فيها تعديل الشبكة ( إضافة أو حذف نشاط ) من قبل مدير المشروع‬
‫حيث يتطلب ذلك جهد حسابي ووقت إضافي لالتصال بالخبير المختص إلعادة تصميم النموذج وإيجاد‬
‫امثل مسار حرج بعد تعديل الشبكة‬

‫• ‪ -3‬أن ‪ GAOCPN‬التتطلب تمثيل شبكة المشروع كنموذج برمجة خطية (دالة هدف وقيود) لحله بينما‬
‫البرامج الجاهزة مثل ‪ MATLAB‬و ‪ Win QSB‬و ‪ Lindo‬وغيرها تتطلب تمثيل الشبكة كقيود ودالة هدف‬
‫لحلها وعملية التحويل هذه تحتاج الى خبير يستوعب الشبكة بكفاءة ليمثلها بشكل دقيق وصحيح كمنوذج‬
‫برمجة خطية كل هذا يزداد طرديا مع درجة تعقيد الشبكة وكذلك يزداد طرديا ً مع المشاريع ذات التوسع‬
‫التقدمي‪,‬‬

‫• ‪ -4‬في ‪ GAOCPN‬أي تعديل على الشبكة سيتم إدخاله في ‪ grid.dat‬وتنفيذ ‪ GAOCPN.EXE‬إليجاد‬

‫المسار الحرج بينما في ‪ Win QSB‬وغيره يجب إعادة تصميم دالة الهدف والقيود ثم أيجاد المسار الحرج‪.‬‬
‫الخوارزمية الجينية لحل مسالة البائع المتجول‬
‫التقطيع االمثل لاللواح الثنائية االبعاد باستخدام الخوارزمية الجينية‬
‫يجب ترتيب القطع على اللوحة بشكل يحقق عدم تداخل القطع مع بعضها البعض‬

‫يجب ان تكون جميع القطع ‪ i‬ضمن اطار اللوحة (داخل حدود اللوحة)‬

‫‪Part 1‬‬ ‫‪Part3‬‬ ‫‪Part2‬‬

‫‪Part 1‬‬
 ‫الهيكل العام للكروم†وسوم‬

‫رمز‬
‫‪27‬‬ ‫‪26‬‬ ‫‪25‬‬ ‫‪24‬‬ ‫‪23‬‬ ‫‪22‬‬ ‫‪21‬‬ ‫‪20‬‬ ‫‪19‬‬ ‫‪18‬‬ ‫‪17‬‬ ‫‪16‬‬ ‫‪15‬‬ ‫‪14‬‬ ‫‪13‬‬ ‫‪12‬‬ ‫‪11‬‬ ‫‪10‬‬ ‫‪9‬‬ ‫‪8‬‬ ‫‪7‬‬ ‫‪6‬‬ ‫‪5‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪1‬‬
‫القطعة‬

‫طول‬
‫‪40‬‬ ‫‪40‬‬ ‫‪40‬‬ ‫‪40‬‬ ‫‪40‬‬ ‫‪40‬‬ ‫‪40‬‬ ‫‪40‬‬ ‫‪40‬‬ ‫‪40‬‬ ‫‪47‬‬ ‫‪47‬‬ ‫‪47‬‬ ‫‪47‬‬ ‫‪47‬‬ ‫‪47‬‬ ‫‪47‬‬ ‫‪47‬‬ ‫‪47‬‬ ‫‪47‬‬ ‫‪56‬‬ ‫‪72‬‬ ‫‪72‬‬ ‫‪72‬‬ ‫‪72‬‬ ‫‪80‬‬ ‫‪150‬‬
‫القطعة‬

‫عرض‬
‫‪6‬‬ ‫‪14‬‬ ‫‪14‬‬ ‫‪14‬‬ ‫‪15‬‬ ‫‪15‬‬ ‫‪15‬‬ ‫‪4‬‬ ‫‪4‬‬ ‫‪10‬‬ ‫‪13‬‬ ‫‪13‬‬ ‫‪13‬‬ ‫‪13‬‬ ‫‪13‬‬ ‫‪13‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪40‬‬ ‫‪40‬‬ ‫‪60‬‬ ‫‪60‬‬ ‫‪60‬‬ ‫‪57‬‬ ‫‪80‬‬
‫القطعة‬

‫‪1‬‬
‫محجو‬
‫زة‬
‫‪0‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪ 0‬غير‬
‫محجو‬
‫زة‬
 ‫هيكل ابعاد اللوحة ذو القياسات (‪)244*122‬‬

‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪9‬‬ ‫‪10‬‬ ‫‪11‬‬ ‫‪12‬‬ ‫‪13‬‬ ‫‪14‬‬ ‫…… ‪15‬‬ ‫‪……… 244 245‬‬

‫‪1-‬‬ ‫‪-1‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪-1‬‬ ‫‪-1‬‬ ‫‪-1‬‬ ‫‪-1‬‬ ‫‪-1‬‬ ‫‪-1‬‬ ‫‪-1‬‬ ‫‪-1‬‬ ‫‪-1‬‬ ‫‪-1‬‬ ‫‪-1‬‬ ‫‪-1‬‬ ‫‪-1‬‬ ‫‪-1‬‬ ‫‪-1‬‬ ‫‪-1‬‬ ‫‪0‬‬

‫‪-1‬‬ ‫‪0‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪1-‬‬ ‫‪1‬‬

‫‪-1‬‬ ‫‪0‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪1-‬‬ ‫‪2‬‬

‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬

‫‪-1‬‬ ‫‪0‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪1-‬‬ ‫‪122‬‬

‫‪-1‬‬ ‫‪-1‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪-1‬‬ ‫‪-1‬‬ ‫‪-1‬‬ ‫‪-1‬‬ ‫‪-1‬‬ ‫‪-1‬‬ ‫‪-1‬‬ ‫‪-1‬‬ ‫‪-1‬‬ ‫‪-1‬‬ ‫‪-1‬‬ ‫‪-1‬‬ ‫‪-1‬‬ ‫‪-1‬‬ ‫‪-1‬‬ ‫‪-1‬‬ ‫‪123‬‬
 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 …… … 244 245

1- -1 . . -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 0
-1 0 0 0 x 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1- 1
-1 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1- 2
-1 0 0 0 0 x 3 3 3 3 3 -1 3
0 0 0 3 3 3 3 3
-1 0 0 0 0 0 0 0 0 3 3 3 3 3 3 3 3 3 3 -1 4
. 0 x -1 5
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 …
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
-1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1- 122
-1 -1 . . -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 123
 11
1 1

a 3

3
‫خوارزمية جينية لجدولة طلبيات االنتاج‬
‫(طبق على شركة اثاث نينوى)‬
 Design Agent
Warkaa Melamen Desk and its Appendix
 Routing for Warkaa Melamen Desk 150*80 Cm. (3-214)

Machine
sequence
(Levels)

Machine
name

Operation
name
Setup Process
Time Time
(m) (m)
Machine Oper.
Mach_code
code . Oper_code
code

Routing for Warkaa Melamen Desk Appendix 120*40 Cm. (3-213)

 THE OPTIMAL JOB SEQUENCE ACCORDING TO
Average Completion Time (ACT)
Job Lateness DueDate FlowTime Process Time Job Sequence
)Days( )Days(
0 2 1 1 Ashor_Ellipse_Melamen_Desk_240*120_Cm

1 1 2 1 Warkaa_Melamen_Desk_Appendix_120*40_Cm

1 3 4 2 Warkaa_Melamen_Desk_150*80_Cm

6 2 8 4 Drawer_Teak_Desk_150*80_Cm_3

11 2 13 5 Ashor_Teak_Desk_Appendix_120*40Cm

16 2 18 5 Ashor_Ellipse_Teak_Desk_240*120_Cm

22 3 25 7 Drawer_Teak_Desk_150*80_Cm_4

57 71 25 Total

0 1 2 3 4 5 6 :Chromosome 1
.Average Completion Time: 71 / 7 = 10.143 Days
.% Utilization: 25 / 71 = 35.211
.Average No. of Jobs in the System: 71 / 25 = 2.840 Days 
.Average Job Lateness: 57 / 7 = 8.143 Days 
%

%
‫توظيف الخوارزمية الجينية لتوليد ارقام عشوائية عالية الجوده‬
‫االختبارات االحصائية للعشوائية‬
‫‪X 2 = ( n0 + n1 ) 2 / N‬‬ ‫اختبار التردد‪:‬‬

‫‪1‬‬
‫اختبار التسلسل‬

‫اختبار بوكر‬

‫اختبار الجريان‬
‫=‪T0‬‬

‫=‪T1‬‬
 ‫مفاتيح بطول ‪ Bits 8‬التي اجتازت االختبارات الخمسة‬
‫بنجاح‬

‫)‪A=chi2inv(0.95,mx0), B=chi2inv(0.95,mx1‬‬ ‫‪:mx0‬طولا‪J‬طولف‪JJ J J J‬جو‪J‬ة (‪)0‬و‪:mx1‬طولا‪J‬طولك ‪JJ‬تلة (‪ )1‬ف‪JJ J J J‬يا‪JJ J J‬لسلسلة‬

 ‫االستنتاجات والتوصيات‬
‫‪ -1‬الخوار†زمية الجينية أعطت فرصة أكبر ألستخدام مسائل األمثلية‬
‫كاداة عصرية لدعم وأتخاذ القرارات الصائبة من قبل المدراء ‪ ‬‬
‫‪ -2‬نؤكد ونوصي بأستخدام التقنيات الذكائية كالخوارزمية الجينية‬
‫(‪ )GA‬والمنطق المضبب (‪ )Fuzzy Logic‬والشبكات العصبية‬
‫(‪ )Nural Networks‬كأساليب حديثة تضاف لمجال بحوث‬
‫العمليات ومقارنة نتائجها مع نتائج الطرق التقليدية لحل مسائل‬
‫بحوث العمليات ودر†استها وتحليلها علميا واستنباط األكفأ منها‬
‫ألعتمادها عمليا على جميع االصعدة‪.‬‬
‫تم بعون اهلل‬