In this study, the solution performance of genetic algorithms in flowshop scheduling problem area which is known as NP-hard class is tried to be improved. Because that the performance of the algorithm depends on the control parameters, such as number of initial population, reproduction operators, crossover operators, mutation operators, rate of crossover and mutation rate, the optimal set of control parameters is tried to be optimized to achieve the optimal or suboptimal solution. Firstly, the best two parameter values found by evaluating the parameters individually and they are used in design of experiments as bi-level and six factors for multi-machine problems. Five benchmark flow-shop scheduling problems from literature were solved with 1000 runs on the genetic algorithms program made by using Turbo Pascal programming language. As the result öf experiments, the parameters affecting the solution performance of GA for flow-shop scheduling problems and optimal parameter sets of GA are determined.
Bu makalede, optimum çözümü zor olan (NP-zor), çok makinalı akış tipi çizelgeleme problemlerinin genetik algoritma ile çözüm performansının artırılmasına yönelik bir çalışma yapılmıştır. Genetik algoritmanın optimum veya optimuma yakın çözüme ulaşma performansını etkileyen; başlangıç popülasyonu; üreme, çaprazlama ve mutasyon operatörleri ile çaprazlama ve mutasyon oranları gibi parametrelerin uygun değerlerinin belirlenmesine çalışılmıştır. Parametrelerin ayrı ayrı değerlendirilmesi ile bulunan en iyi iki parametre değeri, ve yukarıdaki parametreler kullanılarak Taguchi yöntemi ile iki seviyeli, altı faktörlü deney tasarımı yapılmıştır. Turbo paskal programlama dilinde hazırlanan genetik algoritma programı ile akış tipi çizelgeleme problemleri için bilinen (Carlier,1978) beş ayrı problem üzerinde toplam 1000 adet deney yapılmıştır. Bu deneyler sonucunda akış tipi çizelgeleme problemlerinin GA ile çözümünde etkili olan parametreler ile GA'nın çözüm performansını artıracak parametre setlerinin belirlenmesi amaçlanmıştır.
