导读:本文包含了带准备时间论文开题报告文献综述及选题提纲参考文献，主要关键词:平行机调度,MapReduce,准备时间,正弦余弦算法(SCA)
带准备时间论文文献综述
黄基诞,郑斐峰,徐寅峰,刘明[1]（2019）在《基于MapReduce模型带准备时间的平行机调度优化》一文中研究指出研究了一类基于MapReduce模型的平行机调度问题.每个工件包含Map和Reduce两道加工工序,Map工序可以分割为若干个子任务,并且在多台平行机上同时并行加工,Reduce工序只有在该工件的所有Map工序的子任务加工完成后才能进行,而且Reduce只能在一台机器上加工且不可中断.结合工件具有释放时间和加工准备时间等约束,以最小化最大完工时间为目标,构建了混合整数规划模型,并设计了采用差分变异策略和逐维Levy扰动机制的改进正弦余弦算法来求解该模型.最后,利用数值仿真实验与标准正弦余弦算法及遗传算法进行对比,实验结果表明,运用改进正弦余弦算法求解的结果与下界值的平均相对偏差GAP为3.02%,较标准正弦余弦算法以及遗传算法的效果提升显着,显示了该改进算法的有效性.(本文来源于《系统工程理论与实践》期刊2019年01期）
闫萍,王吉波,赵礼强[2]（2017）在《带准备时间的单机指数时间学习效应排序问题》一文中研究指出研究带有准备时间的单机学习效应模型,其中工件加工时间具有指数时间学习效应,即工件的实际加工时间是已经排好的工件加工时间的指数函数。学习效应模型考虑工件的实际加工时间同时依赖于工件本身的加工时间和已加工工件的累计加工时间,目标函数为最小化总完工时间。这个问题是NP-难的,提出了一个数学规划模型来求解该问题的最优解。通过分析几个优势性质和下界,提出分支定界算法来求解此问题,并设计启发式算法改进分支定界算法的上界值。通过仿真实验验证了分支定界算法在求解质量和时间方面的有效性。(本文来源于《运筹与管理》期刊2017年11期）
孟付[3]（2017）在《带准备时间的柔性流水车间多序列有限缓冲区排产优化问题研究》一文中研究指出带准备时间的柔性流水车间多序列有限缓冲区排产优化问题是经典柔性流水车间问题的一种扩展,考虑了工位准备时间和多序列有限缓冲区对生产加工过程的影响。柔性流水车间由于具有多工位多工序的特点,其广泛存在于钢铁生产、车辆制造、半导体封装等行业的生产企业中,柔性流水车间排产优化问题是一类NP-Hard问题,理论研究中经常假设工位无准备时间和缓冲区容量无限大,但实际制造企业由于受到车间资源和生产产品种类多样性的限制,在生产过程中存在多序列有限缓冲区和工位准备时间。工位准备时间受到被加工对象的类型、颜色、形态等多种属性信息的影响。多序列有限缓冲区是由多个加工的序列构成,不仅要考虑缓冲区中每个序列的容量问题,还要考虑工件进出多个序列缓存区的分配选择问题,且工件出缓冲区受到工位准备时间的限制。这类生产车间具有工艺复杂,各生产环节受限制等特点,对生产管控提出了更高要求。目前在解决这类问题时,难以找到更有效的解决方法,导致排产结果不能很好地指导这类车间的生产运作过程,所以研究带准备时间的柔性流水车间多序列有限缓冲区排产优化问题具有重要的理论意义和实际应用价值。本文针对带准备时间的柔性流水车间多序列有限缓冲区的排产优化问题,建立数学规划模型,将改进的鲸鱼优化算法和基于优化目标的初始种群建立方法相结合的算法作为全局优化方法,并将全局优化算法与局部指派规则相结合解决带准备时间的柔性流水车间多序列有限缓冲区排产优化问题,并通过实验验证了有效性。本文主要研究内容如下:(1)建立具有带准备时间的柔性流水车间多序列有限缓冲区的排产优化问题数学规划模型。在经典的柔性流水车间数学规划模型基础上加入工位准备时间和序列有限缓冲区的模型元素,建立具有多序列有限缓冲区和工位准备时间的数学关系模型。(2)基于鲸鱼优化算法(WOA)的全局优化方法研究。作为一种新颖的基于群体类的元启发式算法,WOA算法简单参数少,且易于使用,是一种寻优时间短,并且能够迅速地在搜索空间里收敛到最优解的优化算法。针对本文求解与实际工程密切相关的复杂的有限缓冲区柔性流水车间排产优化问题,WOA算法能够充分发挥其优势,可以快速求解该类复杂问题。因此本文采用WOA算法求解带准备时间的柔性流水车间多序列有限缓冲区排产优化问题,并验证其有效性和优异性。(3)WOA算法的改进方法研究。由于WOA算法收敛速度较快、易陷入局部极值和进化后期种群多样性降低等缺点。本文通过采用叁种方式对算法进行改进,提出一种改进后的鲸鱼优化算法(SLOWOA),并通过仿真实例和对比分析验证其有效性。改进点如下:①在搜索过程中,利用Levy飞行搜索策略思想,扩大了鲸鱼优化算法的搜索范围的同时使其在局部的搜索能力更强。②在个体更新过程中,采用模拟退火的思想,以一定的概率接受新个体,来保持种群在更新中的多样性。③在群体进化后期,群体多样性降低,为了提高群体多样性采用反向学习策略来增强种群多样性。(4)基于优化目标的初始种群建立方法研究。为了进一步提高SLOWOA算法的搜索最优解效率,将基于优化目标初始种群建立方法与改进的鲸鱼优化算法(SLOWOA)结合,提出一种基于优化目标初始种群建立方法的I-SLOWOA算法,以提高初始种群中初始解的质量,加快算法的寻优速度。并通过仿真实例和对比分析验证其有效性。(5)局部指派规则方法研究。工件进缓冲区时,以最大序列缓冲区剩余容量优先规则为最优先规则来控制工件在多个缓冲区的等待队列分配过程,出缓冲区时,按照先进先出的规则来控制工件出缓冲区的顺序。工位选择加工工件时以最小准备时间优先规则为最优先规则来尽量降低准备时间对排产过程的影响。同时将全局优化算法与局部指派规则结合作为解决带准备时间的柔性流水车间多序列有限缓冲区的排产优化问题的方法。(本文来源于《沈阳建筑大学》期刊2017-11-01）
沈虹,李小平[4]（2015）在《带准备时间和截止期约束的云服务工作流调度算法》一文中研究指出带准备时间和截止期约束的云服务工作流费用优化是一个新的云计算资源优化分配问题。分析该NP-hard问题特征,建立相应的整数规划数学模型。构建有效的变量取值概率模型和更新机制,提出高质量初始群体的启发式生成方法;提出混合的分布估计算法(HEDA),引入个体向全局最优解学习的策略,提高算法的全局搜索和局部优化能力。模拟实验结果表明此提出的方法在合理的CPU时间内可有效减少工作流费用。(本文来源于《通信学报》期刊2015年06期）
白静,刘璐,王吉波[5]（2014）在《具有截断学习效应和工件带准备时间的单机排序问题》一文中研究指出研究工件加工时间具有截断学习效应且带有准备时间的单机排序问题。截断学习效应指的是工件的加工时间是它所排位置和一个控制参数的函数,其中,"截断"是一个控制参数。由于在现实生活中,与工件的排列位置有关的"学习"不可能无止境的进行下去,所以给定了一个参数来进行控制,使得工件的学习效应随着排列位置的靠后而逐渐趋于稳定。目标函数为最小化总完工时间,这个问题是NP-难的,进而结合几个优势性质和下界给出了分支定界算法来求此问题的最优解。(本文来源于《运筹与管理》期刊2014年06期）
王吉波,刘璐[6]（2013）在《带准备时间的任务单机学习效应排序问题》一文中研究指出具有学习效应的任务的加工时间和带有准备时间的任务问题是排序论中的重要研究内容,它们对任务的完工时间有重要影响.研究了具有学习效应且带有准备时间的任务单机排序问题,其中学习效应指的是任务的实际加工时间是该已经排好的任务对数加工时间的递减函数,目标函数为最小化总完工时间.这个问题是NP-难问题.用分支定界法给出了此问题的最优解,为了提高分支定界法的运行效率,同时给出了一个启发式算法、几个优势性质和两个下界.计算结果表明分支定界法和启发式算法求解此问题非常有效.(本文来源于《大连理工大学学报》期刊2013年06期）
钟涛,萧卫,徐宏云,刘广,崔珊珊[7]（2013）在《带准备时间的单机调度问题的混合进化算法研究》一文中研究指出提出了一种混合进化算法(HEA)用于求解具有序列相关依赖且带准备时间的单机调度问题,其优化目标为最小化总延迟。该混合进化算法由局部搜索和进化算法框架混合而成。HEA具有一些新的特点,例如在局部搜索中采用了一种新提出的基于块移动的邻域结构,这种邻域结构合理地限制了搜索空间,提高了算法的搜索效率;在HEA中采用了一种新的组合算子———块顺序交叉算符(BOX)来产生新的子代工作序列。用本算法对当前国际文献中公开的两组共64个算例进行了测试,HEA改进了9个算例在当前文献中的最优解,表明了所提出的HEA算法的优越性。与之前的国际文献中最好的四个启发式算法进行了详细比较,表明了HEA算法的优势。(本文来源于《计算机应用研究》期刊2013年11期）
马丁,陈庆新,毛宁,王宗忠,黎展滔[8]（2012）在《具有交货期约束带准备时间的平行机分批调度》一文中研究指出研究一类集成批量计划和平行机调度的问题,该问题具有订单交货期、到达时间和加工准备时间等约束。建立单个数学模型描述集成问题,以降低单元加工费用和订单拖期惩罚费用为目标,提出了一种带启发式规则的遗传模拟退火两阶段算法。算法引入启发式规则生成的基础批,可以有效缩短染色体长度,加快搜索速度。用遗传算法对基础批进行全局搜索,在批量确定的情况下,用模拟退火算法进行局部搜索,得到当前分批情况下的优值。最后选取五种不同规模的生产实例进行数值仿真,分别采用该算法和一种经典算法在相同的计算时间内进行求解。计算结果对比分析表明,随着任务规模的增大,该算法的优势更加明显,从而说明了该模型和算法针对这一类特殊问题的有效性和可行性。(本文来源于《计算机集成制造系统》期刊2012年01期）
李蒙,孙秋媚,封汉颖[9]（2011）在《预知两种信息带准备时间的两台同型机半在线排序》一文中研究指出研究了P2,r_j/decr,opt/Cmax问题,即预知工件大小非增排列decr和最优目标值opt的两台同型机的带准备时间的半在线问题,并给出了竞争比为7/6的半在线算法.(本文来源于《数学的实践与认识》期刊2011年20期）
李海霞,朱路宁,赵晟珂[10]（2011）在《机器带准备时间的同类机分批排序算法》一文中研究指出讨论了两类机器带准备时间的同类机分批排序问题.对工件无到达时间及有常数个到达时间,目标函数为极小化加权总完工时间这两类问题进行研究,给出了两个最优算法,并对算法及其计算复杂性给予了分析与证明.(本文来源于《大学数学》期刊2011年04期）
带准备时间论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
研究带有准备时间的单机学习效应模型,其中工件加工时间具有指数时间学习效应,即工件的实际加工时间是已经排好的工件加工时间的指数函数。学习效应模型考虑工件的实际加工时间同时依赖于工件本身的加工时间和已加工工件的累计加工时间,目标函数为最小化总完工时间。这个问题是NP-难的,提出了一个数学规划模型来求解该问题的最优解。通过分析几个优势性质和下界,提出分支定界算法来求解此问题,并设计启发式算法改进分支定界算法的上界值。通过仿真实验验证了分支定界算法在求解质量和时间方面的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
带准备时间论文参考文献
[1].黄基诞,郑斐峰,徐寅峰,刘明.基于MapReduce模型带准备时间的平行机调度优化[J].系统工程理论与实践.2019
[2].闫萍,王吉波,赵礼强.带准备时间的单机指数时间学习效应排序问题[J].运筹与管理.2017
[3].孟付.带准备时间的柔性流水车间多序列有限缓冲区排产优化问题研究[D].沈阳建筑大学.2017
[4].沈虹,李小平.带准备时间和截止期约束的云服务工作流调度算法[J].通信学报.2015
[5].白静,刘璐,王吉波.具有截断学习效应和工件带准备时间的单机排序问题[J].运筹与管理.2014
[6].王吉波,刘璐.带准备时间的任务单机学习效应排序问题[J].大连理工大学学报.2013
[7].钟涛,萧卫,徐宏云,刘广,崔珊珊.带准备时间的单机调度问题的混合进化算法研究[J].计算机应用研究.2013
[8].马丁,陈庆新,毛宁,王宗忠,黎展滔.具有交货期约束带准备时间的平行机分批调度[J].计算机集成制造系统.2012
[9].李蒙,孙秋媚,封汉颖.预知两种信息带准备时间的两台同型机半在线排序[J].数学的实践与认识.2011
[10].李海霞,朱路宁,赵晟珂.机器带准备时间的同类机分批排序算法[J].大学数学.2011
标签：平行机调度; MapReduce; 准备时间; 正弦余弦算法(SCA);