Novel particle swarm optimization parallel algorithms for the buffer allocation problem

With the escalation of economic competition, efficiency and productivity become fundamental in order to emerge among other manufacturing firms. Solving the optimal allocation of buffers (BAP) effectively and optimally allows to obtain advantages both in terms of efficiency and productivity. The aim of this thesis is to define a new algorithm for the resolution of the BAP that integrates the flexibility of the simulation to the speed of the meta-heuristics, to obtain an optimization tool that is both robust and fast. The methodologies used up to now to resolve the BAP and their results are presented in the first chapters. Then, a parallel implementation architecture, the domain-decomposition (also known as cooperative-coevolution), is introduced. It follows an in-depth description of the algorithms, based on Particle Swarm Optimization (PSO), used during the experimental campaign. Then are presented their results on some test istances and benchmark cases compared to a well-established algorithm. Considerations about main results, limitations and future developments are taken in the last chapter.

Con l'inasprirsi della competizione economica l'efficienza e la produttività diventano fondamentali per poter emergere fra le altre realtà manifatturiere. Risolvere in maniera efficace ed ottimale il problema dell'allocazione ottimale dei buffer (BAP) permette di ottenere vantaggi sia in termini di efficienza e produttività. Lo scopo di questa tesi è quello di definire un nuovo algoritmo per la risoluzione del BAP che integri la flessibilità della simulazione alla rapidità delle metaeuristiche, per ottenere uno strumento di ottimizzazione che sia al contempo robusto e veloce. Le metodologie utilizzate fino ad ora per risolvere il BAP e i loro risultati sono presentate nei primi capitoli. Quindi viene introdotta una architettura parallela di implementazione, la decomposizione del dominio (conosciuta anche come evoluzione cooperativa). Segue una descrizione approfondita degli algoritmi, basati sulla Particle Swarm Optimization (PSO), utilizzati nel corso della campagna sperimentale. Sono dunque riassunti i risultati dei nuovi algoritmi sia su linee da noi inventate che su casi di benchmark rispetto ad un algoritmo ben rodato. Cosiderazioni circa i risultati, le limitazioni degli algoritmi e i loro possibili miglioramenti sono tratte nell'ultimo capitolo.