Search citation statements

Order By: Relevance

Paper Sections

Select...

Citation Types

0
0
0
2

Year Published

2015
2015
2015
2015

Publication Types

Select...
1

Relationship

0
1

Authors

Journals

citations
Cited by 5 publications
(2 citation statements)
references
References 15 publications
(2 reference statements)
0
0
0
2
Order By: Relevance
“…上引入随机参数形成的扩展形式 [1] ,如用概率分布 形式表示的随机工时。将加工时间作为随机变量对 调度问题进行优化,更符合实际加工环境。鉴于 SJSSP 的 NP-hard 特性及广泛的应用背景, 对 SJSSP 及其求解方法的研究具有重要的学术及实际价值。 遗传算法、群体智能优化等智能启发算法可以 在合理的时间内得到最优解或近似最优解,受到调 度领域的普遍关注和广泛研究 [2] 。 HORNG 等 [3] 将序 优化算法和遗传算法结合,用于搜索 SJSSP 问题足 够好的解。LEI [1] 为同时优化 Makespan 和拖期率的 多目标 SJSSP,提出一种多目标遗传算法并取得了 较 好 的 试 验 结 果 。 HORNG 等 [4] 将 进 化 策 略 (Evolutionary strategy, ES)嵌入到序优化算法中,用 于 求 解 以 最 小 化 提 前 -拖 期 惩 罚 为 调 度 目 标 的 SJSSP。GU 等 [5][6] 为求解以期望 Makespan 为调度目 标的 SJSSP,提出并行量子遗传算法和竞争-协同量 子遗传算法,试验结果证明了算法的优良特性。牛 刚刚等 [7] 提出一种禁忌搜索模拟退火混合算法和一 种快速精英保留非支配排序遗传算法以求解加工时 间离散可控加工车间调度问题。 分 布 估 计 算 法 [8][9] (Estimation of distribution algorithms, EDAs)是一种基于统计学原理的进化计 算方法,通过建立精确概率统计模型及个体重采样 在搜索空间中进行寻优。分布估计算法已经在机械 结构优化设计 [10] 、癌症分类 [11] 、护理调度 [12] 、机器 学习 [13][14] 、车间调度 [15][16][17] 等领域得到成功应用。生 产调度优化方面,王圣尧等 [18] 提出了求解混合流水 车间及带有并行机的混合流水车间调度问题的分布 估计算法。何小娟等 [19] 为柔性加工车间调度问题提 出一种基于 Bayesian 统计推理的分布估计算法。分 布估计算法与其他优化算法的混合可以融合多种算 法的优势,提高算法性能。通过改进概率模型、补 偿种群多样性或混合其他方法等操作,可以有效弥 补 EDAs 局部搜索能力较弱和易早熟收敛的缺 点 [20] 。目前已有多种以分布估计算法为基础的混合 算法,如 PENA 将遗传算法与 EDA 相结合提出 GA-EDA 算法 [21] , LIU 等…”
unclassified
See 1 more Smart Citation
“…上引入随机参数形成的扩展形式 [1] ,如用概率分布 形式表示的随机工时。将加工时间作为随机变量对 调度问题进行优化,更符合实际加工环境。鉴于 SJSSP 的 NP-hard 特性及广泛的应用背景, 对 SJSSP 及其求解方法的研究具有重要的学术及实际价值。 遗传算法、群体智能优化等智能启发算法可以 在合理的时间内得到最优解或近似最优解,受到调 度领域的普遍关注和广泛研究 [2] 。 HORNG 等 [3] 将序 优化算法和遗传算法结合,用于搜索 SJSSP 问题足 够好的解。LEI [1] 为同时优化 Makespan 和拖期率的 多目标 SJSSP,提出一种多目标遗传算法并取得了 较 好 的 试 验 结 果 。 HORNG 等 [4] 将 进 化 策 略 (Evolutionary strategy, ES)嵌入到序优化算法中,用 于 求 解 以 最 小 化 提 前 -拖 期 惩 罚 为 调 度 目 标 的 SJSSP。GU 等 [5][6] 为求解以期望 Makespan 为调度目 标的 SJSSP,提出并行量子遗传算法和竞争-协同量 子遗传算法,试验结果证明了算法的优良特性。牛 刚刚等 [7] 提出一种禁忌搜索模拟退火混合算法和一 种快速精英保留非支配排序遗传算法以求解加工时 间离散可控加工车间调度问题。 分 布 估 计 算 法 [8][9] (Estimation of distribution algorithms, EDAs)是一种基于统计学原理的进化计 算方法,通过建立精确概率统计模型及个体重采样 在搜索空间中进行寻优。分布估计算法已经在机械 结构优化设计 [10] 、癌症分类 [11] 、护理调度 [12] 、机器 学习 [13][14] 、车间调度 [15][16][17] 等领域得到成功应用。生 产调度优化方面,王圣尧等 [18] 提出了求解混合流水 车间及带有并行机的混合流水车间调度问题的分布 估计算法。何小娟等 [19] 为柔性加工车间调度问题提 出一种基于 Bayesian 统计推理的分布估计算法。分 布估计算法与其他优化算法的混合可以融合多种算 法的优势,提高算法性能。通过改进概率模型、补 偿种群多样性或混合其他方法等操作,可以有效弥 补 EDAs 局部搜索能力较弱和易早熟收敛的缺 点 [20] 。目前已有多种以分布估计算法为基础的混合 算法,如 PENA 将遗传算法与 EDA 相结合提出 GA-EDA 算法 [21] , LIU 等…”
unclassified
“…, , , , , [4,1,7,2,5,8,3,6,9] [5][6] 分别提出并行量子遗传算法和协同量子遗 传算法求解 SJSSP。 HAO 等 [28] 提出一种有效的 EDA 用于求解以期望-Makespan 为调度目标的 SJSSP。 HORNG 等 [4] 、QGA [5] 、 CCQGA-com [6] 、EDA [28] 、ES [4] 5 种算法与 ES-EDA 的优化性能进行对比,所有参与比较的算法均未采 用邻域搜索、禁忌搜索等局部搜索方法。 表 2 中为算法的参数设置,变量的具体说明见 文献 [5][6]28] [27] 、 QGA [5] 、CCQGA-com [6] 、EDA [28] 、ES [4]…”
unclassified