Key points are not available for this paper at this time.
고전적인 플로우샵 스케줄링 문제의 확장으로서, 하이브리드 플로우샵 스케줄링 문제(HFSP)는 대규모 산업 생산 시스템에 널리 존재하며 그 복잡성과 유연성 때문에 도전적인 문제로 여겨진다. 인코딩과 휴리스틱 디코딩 접근법에 기반한 진화 알고리즘은 HFSP 해결에 효과적인 것으로 나타났다. 그러나 자주 사용되는 인코딩 및 디코딩 전략은 해 공간의 제한된 영역만 탐색할 수 있어 후반부에 성능이 만족스럽지 못한 결과를 초래한다. 본 논문에서는 제작 기간 최소화를 위해 두 가지 해 표현을 사용하는 하이브리드 진화 알고리즘(HEA)을 제안한다. 먼저, 제안된 HEA는 순열 기반 인코딩 표현과 두 가지 휴리스틱 디코딩 방법을 사용하여 해 공간을 탐색하며 유망한 영역을 찾는다. 그 후, 상호배타 그래프 표현에 기반한 타부 탐색(TS) 절차가 도입되어 추가 최적화를 위해 탐색 공간을 확장한다. 중요 경로에 중점을 둔 두 가지 고전적인 이웃 구조가 문제 특화된 역방향 스케줄로 확장되어 TS를 위한 후보 해를 생성한다. 제안된 HEA는 기존 문헌의 3가지 공용 HFSP 벤치마크 세트, 총 567 인스턴스에서 평가되었으며 최신 알고리즘들과 비교되었다. 광범위한 실험 결과는 제안된 HEA가 다른 알고리즘보다 훨씬 우수함을 보여준다. 또한 제안된 방법은 285개의 어려운 인스턴스에서 새로운 최적 해를 발견하였다.
Building similarity graph...
Analyzing shared references across papers
Loading...
Jiaxin Fan
Yingli Li
Jin Xie
IEEE Transactions on Cybernetics
Huazhong University of Science and Technology
Building similarity graph...
Analyzing shared references across papers
Loading...
Fan 등(목요일,)이 이 문제를 연구하였다.
www.synapsesocial.com/papers/6a09fb0e16dfdfe7ed348680 — DOI: https://doi.org/10.1109/tcyb.2021.3120875
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: