调整时间可分离的FlowShop调度问题F3|s|C_(max)

研究了三台机器调整时间可分离的FlowShop调度问题,目标函数为极小化最大完工时间·证明了最优调度可能不是排列调度,但是工件在前两台机器上具有相同加工顺序的调度中至少存在最优调度·在排列调度范围内,对于工件在第二台机器上的调整时间与加工时间之和的最大值不超过工件在第一台或第三台机器上的调整时间与加工时间之和的最小值的情况,给出了求解最优调度分派规则,并以分派规则为基础给出了多项式最优算法     

广义最大并行流算法的改进

研究了Karakostas G给出的求解最大并行流问题的一个近似算法,将其算法的参数进行了改进,给出了算法的时间复杂性不依赖于物资数k的广义最大并行流的全多项式时间近似算法,该算法只适用于广义的lossy网络.用改进后算法求出的目标函数值更接近于最优值,对该近似算法的近似性和算法的时间复杂性进行了证明.最后,用C语言编程,计算数值例子,通过对比充分验证了改进后算法的正确性和有效性.     

处理机具有不同开始加工时间的排序问题$Q,a_i‖C_{max}$

讨论任务的加工是不可中断、处理机是恒速机的排序问题$Q,a_i‖C_{max}$,证明了用ＬＰＴ算法求解该问题的误差界是２．     

加工时间依赖开工时间的FlOW ShoP调度问题

讨论了加工时间依赖开工时间的Flow shop 调度问题。在这类问题中,工件的加工时间是开工时间的简单线性函数,机器间满足某种优势关系。对于这类问题,当目标函数是极小化最大完工时间时,尽管比相应的经典问题复杂,但仍存在多项式算法。如果目标函数是极小化加权完工时间和或极小化最大延误,则经典问题中的结论未必成立。     

高校科研决策支持系统中关联规则挖掘的应用

随着高校规模的不断扩大 ,教师的科研数据量越来越多 ,如何从大量数据中找出数据间的关系以支持领导的决策成了当务之急 .本文讨论了如何利用数据挖掘方法中的Apriori算法对高校科研决策支持系统中的数据进行关联规则的挖掘 .     

排序问题Pm，ai|on-line|Cmax的LPT算法

讨论了任务实时到达的平行机在线排序问题。Chen和Vestjens证明了LPT算法的界为3／2。将这一结论推广到了处理机具有准备时间的情况。     

一个新的随机存贮模型

对需求是连续随机变量的存贮问题的原有模型存在的问题进行了说明，并加以改进，建立了一个新的模型，新模型在该类问题的各个阶段均适用，并给出所建模型的最优策略.     

链约束线性加工时间单机排序问题

讨论工件具有线性加工时间,工件间具有链约束的单机排序问题。目标函数为极小化加权完工时间和。在这类问题中,工件的加工时间是其开工时间的线性函数。对链不允许中断和链允许中断两种情况分别给出了最优算法。     

具有简单线性恶化加工时间的Flowshop调度问题

讨论工件具有简单线性恶化加工时间的FlowShop调度问题·对于两台机器目标函数为极小化最大完工时间的FlowShop调度问题,证明了利用Johnson规则可以求得最优调度·对于多台机器的一般FlowShop调度问题,如果工件在各机器上的加工时间均相等,目标函数为极小化最大完工时间或最大延误的问题可以转化为单机调度问题·如果目标函数为极小化完工时间和,则利用SPT规则可以求得最优调度·     

Newton法与DFP法的组合方法

本文提出了适合于求解目标函数Hessian矩阵不正定或病态等实际问题的Newton法与DFP方法的组合方法,并证明了该方法具有二次收敛性和全局收敛性