排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
Multi-objective Scheduling Using an Artificial Immune System 总被引:1,自引:0,他引:1
2.
三机床置换Flow-shop问题求解的一种新方法 总被引:3,自引:0,他引:3
对三机床置换How-shop问题(PFSP)进行了研究,得到一种下界算法,提出了一种评价函数用于求解时选择后续工件,求解时使用下界选择第1个加工工件可以大大减少计算量.改变第1个加工工件、评价函数中的参数后可能得到更好的解,实验结果表明:使用这种方法求得的解对应的总加工时间非常接近下界,求得的解基本是问题的最优解.与现有方法相比,这种方法得到的结果较好,计算量较少,求解n个工件的三机床PFSP的计算量相当于O(n^3)。 相似文献
3.
4.
针对Flow-shop排序问题的固有复杂性,设计了一种遗传强化学习算法.首先,引入状态变量和行动变量,把组合优化的排序问题转换成序贯决策问题加以解决;其次,设计了一个Q-学习算法和基于组合算子的遗传算法相集成,遗传算法利用染色体的优良模式及其适应值信息来指导智能体的学习过程,提高学习效率和效果,强化学习则对染色体进行局部优化进而改良遗传群体,二者有机结合共同解决Flow-shop排序问题;再次,提出了多种适应性策略,使算法关键参数能够周期性递变,以更好地在深度搜索和广度搜索之间均衡;最后,仿真优化实验结果验证了该算法的有效性. 相似文献
5.
6.
一种求3机Flow—shop调度问题的遗传算法 总被引:2,自引:0,他引:2
提出一种遗传分枝定界算法求解3机Flow-shop调度问题,该算法似于常用的遗传局部算法和遗传动态规划算法,用随杨方法生成测试例子,通过与著名的Taillard的禁忌搜索算法和Reeves的遗传算法进行比较,实验结果证实了遗传分枝定界算法的有效性。 相似文献
1