文献

J-GLOBAL ID：202202228149919233   整理番号：22A1117652

納入窓のある分散型無待ちフローショップスケジューリングのための知識に基づく離散学習フルーツフライアルゴリズム【JST・京大機械翻訳】

A discrete learning fruit fly algorithm based on knowledge for the distributed no-wait flow shop scheduling with due windows

著者 (6件)： Zhu Ningning (School of Computer and Communication Technology, Lanzhou University of Technology, Lanzhou 730050, China) ,  Zhao Fuqing (School of Computer and Communication Technology, Lanzhou University of Technology, Lanzhou 730050, China) ,  Wang Ling (Department of Automation, Tsinghua University, Beijing 10084, China) ,  Ding Ruiqing (School of Computer and Communication Technology, Lanzhou University of Technology, Lanzhou 730050, China) ,  Xu Tianpeng (School of Computer and Communication Technology, Lanzhou University of Technology, Lanzhou 730050, China) ,  Jonrinaldi (Department of Industrial Engineering, Universitas Andalas, Padang 25163, Indonesia)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 198  ページ： Null  発行年： 2022年 
JST資料番号： W0178A  ISSN： 0957-4174  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 窓(DNWFSPDW)による分散型非待ち時間フローショップスケジューリング問題は,現代生産チェーンと大規模製造業のための新規でかなりのモデルである。全加重耳と遅延(TWETdw)の対象は,応用における一般的コスト指標である。本研究では,離散知識誘導学習果実フライ最適化アルゴリズム(DKLFOA)を提案し,DNWFSPDWにおけるTWETを最小化する。有効な初期解を構築するために,知識ベース構造初期化法(KNEHdw)を提案した。KNEHdwでは,ジョブが待たないフローショップスケジューリング問題における処理マシン間の待ち時間を持たないという特性を,可能な位置に置かれたジョブをインストラクションする知識として抽象化した。スウォーム中心は,視覚探索段階で単一個体からエリートスウォームまで拡張する。確率知識モデルを,エリート母集団におけるジョブの配列関係に基づいて確立した。確率的知識モデルを用いた反復プロセスにおけるフィードバック情報は,高い成功率で方向を探索するための母集団を導く。下位個体は,嗅覚探索段階における局所探索のために対応するエリート個体に割り当てられる。窓による重みの知識を利用して,反復過程中の無効な探索を避けた。可変近傍降下(VND)戦略を局所探索で採用し,提案したアルゴリズムの精度を高め,局所最適からジャンプした。実験方法(DOE)の設計を導入して,アルゴリズムにおけるパラメータを較正した。シミュレーション結果は,DKLFOAが最先端のアルゴリズムと比較してDNWFSPDW問題を解決する利点を有することを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  最適化 ,  シミュレーション ,  *学習 ,  嗅覚 ,  最適化手法 ,  製造業 ,  待ち時間 ,  *フローショップスケジューリング ,  *分散【variance】 ,  母集団 ,  大規模 ,  スウォーム ,  知識ベース ,  近傍探索法

著者キーワード (5件)： 分散無待機フローショップ ,  納入窓 ,  ミバエの最適化 ,  確率知識モデル ,  可変近傍デスクエンド

分類 (1件)： 工程管理  (KB03030P)

タイトルに関連する用語 (5件)： 納入 ,  窓 ,  フローショップスケジューリング ,  知識 ,  学習