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
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.
Artículo:
Entorno Institucional y Crecimiento Económico Verde en China
Artículo:
Prediciendo la transacción del consumidor en línea a partir de Big Data: Factores influyentes y planificación estratégica
Artículo:
Detección de Webshell basada en sesiones mediante aprendizaje automático en registros web
Artículo:
Funciones E-Invex Generalizadas Diferenciables y sus Aplicaciones en Optimización
Artículo:
¿Hasta qué punto son peligrosos sus smartphones? Recomendación de uso de aplicaciones con preservación de la privacidad
Artículo:
Creación de empresas y estrategia : reflexiones desde el enfoque de recursos
Libro:
Ergonomía en los sistemas de trabajo
Artículo:
La gestión de las relaciones con los clientes como característica de la alta rentabilidad empresarial
Artículo:
Los web services como herramienta generadora de valor en las organizaciones