高级搜索
保存指向您喜爱文章的链接。
要访问本文,请选择购买选项:
IET会员可享受所有IET出版物的折扣以及免费访问E&T杂志的优惠。如果您是IET会员,请登录您的帐户,折扣将自动生效。
了解有关IET成员身份的更多信息
您必须填写标有以下内容的字段:*
你的推荐信已经寄给你的图书管理员了。
本文研究一种调度问题的自适应方法。其主要思想是为一类类似的问题生成一个特殊的启发式规则,该规则对于此类问题是成功的。它是通过“调整”算法的参数来实现的,同时“学习”考虑一类问题的特性。一旦对样本问题进行了训练(在我们的实验中,考虑了一个具有10个作业和10台机器的著名测试问题),自适应算法比有时间限制的分支定界算法更好地解决“封闭”问题(无论是在运行时间上还是在构建的时间表的准确性上)并且优于学习阶段使用的25种启发式(在准确性方面)。然而,对于这样的调度问题,自适应算法无法比有时间限制的分支定界算法表现得更好,因为它与样本问题的距离不够近。
Inspec关键字: 日程安排;图论;计算复杂性
其他关键字: 调谐;自适应算法;分枝定界算法;自适应调度算法;混合图模型
学科: 系统理论应用;组合数学;组合数学;生产管理;系统理论在工业中的应用;计算复杂性