...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Expert Systems with Application >Minimizing flowtime in a flowshop scheduling problem with a biased random-key genetic algorithm
【24h】

Minimizing flowtime in a flowshop scheduling problem with a biased random-key genetic algorithm

机译：使用偏向随机密钥遗传算法最小化Flowshop调度问题中的流程时间

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, we advance the state of the art for solving the Permutation Flowshop Scheduling Problem with total flowtime minimization. For this purpose, we propose a Biased Random-Key Genetic Algorithm (BRKGA) introducing on it a new feature called shaking. With the shaking, instead to full reset the population to escape from local optima, the shaking procedure perturbs all individuals from the elite set and resets the remaining population. We compare results for the standard and the shaking BRKGA with results from the Iterated Greedy Search, the Iterated Local Search, and a commercial mixed integer programming solver, in 120 traditional instances. For all algorithms, we use warm start solutions produced by the state-of-the-art Beam-Search procedure. Computational experiments show the efficiency of proposed BRKGA, in addition to identify lower and upper bounds, as well as some optimal values, among the solutions. (C) 2019 Elsevier Ltd. All rights reserved.
机译：在本文中，我们提出了在使总流程时间最小化的情况下解决置换Flowshop调度问题的最新技术。为此，我们提出了一种偏向随机密钥遗传算法（BRKGA），在其上引入了称为抖动的新功能。通过摇动，而不是完全重置种群以摆脱局部最优，摇动过程会扰动精英群体中的所有个体，并重置剩余种群。在120个传统实例中，我们将标准和抖动BRKGA的结果与“迭代贪婪搜索”，“迭代本地搜索”和商业混合整数编程求解器的结果进行比较。对于所有算法，我们使用由最新的Beam-Search程序产生的热启动解决方案。计算实验表明，在确定解决方案中的上下限以及一些最佳值的同时，提出的BRKGA的效率较高。 （C）2019 Elsevier Ltd.保留所有权利。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号