Biblioteca122.739 documentos en línea

Artículo

A Dynamic Opposite Learning Assisted Grasshopper Optimization Algorithm for the Flexible JobScheduling ProblemUn Algoritmo de Optimización de Saltamontes Asistido por Aprendizaje de Opuestos Dinámicos para el Problema de Programación Flexible de Trabajos

Resumen

El problema de programación de taller (JSP) es uno de los problemas de optimización más difíciles en la industria manufacturera, y el problema de programación de taller flexible (FJSP) es una extensión del JSP clásico, lo que desafía aún más el rendimiento del algoritmo. En FJSP, se debe seleccionar una máquina para cada proceso de un conjunto dado, lo que introduce otro elemento de decisión dentro del camino del trabajo, haciendo que FJSP sea más difícil que el JSP tradicional. En este artículo, se propone una variante del algoritmo de optimización de saltamontes (GOA) llamada GOA asistido por aprendizaje opuesto dinámico (DOLGOA) para resolver FJSP. La estrategia de aprendizaje opuesto dinámico (DOL) adopta el espacio de búsqueda asimétrico para mejorar la capacidad de explotación del algoritmo y aumentar la posibilidad de encontrar el óptimo global. Se utilizan diversos benchmarks populares de CEC 2014 y FJSP para evaluar el rendimiento de DOLGOA

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento