Öğrenme etkili çizelgeleme problemlerinin çözümlerinin daha gerçekçi sonuçlar verdiği bilinmektedir. Bu çalışmada, insan faktöründen kaynaklanan öğrenme etkisini göz önüne alan akış tipi çizelgeleme problemleri ele alınmıştır. Belirsiz işlem sürelerine çizelgeleme problemlerinde sıklıkla karşılaşılır. Bu nedenle işlem süreleri bulanıklaştırılmıştır. Bulanık mantık, literatürde bu problemlerin çözümü için sıkça kullanılan bir yöntemdir. Paralel Kanguru Algoritması çözüm metodu olarak kullanılmıştır. Bu araştırmada, literatürde yer alan kıyaslama problemleri, Bulanık Öğrenme Etkili Paralel Kanguru Algoritması ile çözülüp, elde edilen sonuçlar literatürle kıyaslanmış, sonuçların başarılı olduğu görülmüştür.
It is known that the solutions of scheduling problems with learning effects can give more realistic results. This paper deals with flow shop scheduling problem considering learning effects due to the human factor. Uncertain processing time is frequently encountered in scheduling problems. Therefore the processing times are fuzzyed. Fuzzy logic is a common method to handle this problem in the literature. Parallel Kangaroo Algorithm is used as a solution algorithm. Solutions which are reached by Parallel Kangaroo Algorithm with Fuzzy Learning Effect are compared with benchmark problems in literature and results showed that it is successful.
