排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
基于拟关键路径的二车间综合调度算法 总被引:1,自引:0,他引:1
针对如何将复杂产品工序有效地分配到具有相同设备资源的二车间加工的问题,提出了基于拟关键路径法的二车间综合调度算法。为了让二车间负载平衡并进行充分的并行处理, 尽早结束产品加工,该算法按拟关键路径法(ACPM)对工序排序,再采取二车间加工结束时间接近的预调度策略进行调度。为了减少二车间工序的迁移次数,该算法将入度不小于2的工序放入其紧前工序分配较多的车间;将入度小于2且其紧后工序的入度不小于2的工序分配到能让其尽早结束的车间;对于其他唯一紧前紧后工序与其叶子节点所形成的工序串按预调度策略进行整串调度。实例表明,该算法可以在二次复杂度内较优地实现具有相同设备资源的二车间分布式综合调度。 相似文献
2.
基于设备驱动和实质路径的动态并行综合柔性调度算法 总被引:4,自引:0,他引:4
针对静态重叠时间段在实际加工过程中并非一定重叠,导致工序并行处理效果不佳的问题,提出基于设备驱动和实质路径的复杂单产品动态并行综合柔性调度算法。该算法先按最短加工时间为工序选择计划加工设备,初步缩小工序加工设备的选择范围;再采用空闲设备驱动策略动态确定并行工序,对并行工序按提出的并行优化分配策略和最早加工结束策略确定并行加工设备。在采用并行优化分配策略时,运用实质短路径策略,避免了某空闲设备上存在多个只能串行加工的工序时,出现较长实质路径的情况。由于该算法在每一个设备驱动时刻,动态的分配可重叠加工的工序到不同的设备上同时加工,实现工序间实质性的并行处理。实例表明:该算法在不提高算法复杂度的前提下,不仅兼顾设备驱动策略和动态实质短路径策略的优点,而且提高了复杂单产品综合柔性调度设备利用率和并行处理率,缩短产品的完成时间。 相似文献
3.
4.
5.
利用数据挖掘技术分析网络学习行为数据可以挖掘出其隐含的行为规律特征,为学习者提供个性化的学习资源服务。针对现有的数据挖掘算法在对网络学习行为数据进行分析时普遍存在模型适用性不高的问题,提出了一种基于行为序列分析的学习资源推荐算法。首先,提出行为序列及其相关概念的定义,并提出行为序列相似度计算方法;然后提出基于行为序列相似度的协同过滤推荐算法,计算学习者相似度并为待推荐学习者生成学习资源推荐列表;接着给出基于学习风格的推荐方法,将学习者学习风格特征融入推荐过程;最后,给出基于行为序列分析的学习资源推荐算法的模型。提出的算法没有对行为序列的模式进行限制,具有较高的适用性,对深入研究网络学习行为序列数据为学习者提供个性化学习服务具有一定的借鉴作用。 相似文献
1