改进的Firefly算法优化的数据驱动作业车间调度系统调度特征选择.pdf
摘要 : 本研究提出了改进的萤火虫算法（FA）用于数据驱动的车间调度系统中的调度特征选择优化。该改进版FA采用动态步进策略和萤火虫种群中优秀个体划分来提高FA的优化能力。选择关键的生产系统属性数据来构建数据驱动的车间调度系统是一个关键问题，因为作业车间生产系统中存在不相关和冗余属性，通过选择重要属性作为调度特征，可以期望在数据驱动的车间调度系统中获得强大的性能表现。本文提出了基于改进的FA变体和极限学习机（ELM）的可控制作车间调度系统的包装调度特征选择方法。通过实际车间调度案例验证了所提出的调度特征选择方法的可行性和有效性。
相关报告
-
4.41 MB 17页 智能制造混合人工蜂群算法解决灵活的作业车间调度问题.pdf
-
375.44 KB 11页 有效的启发式集合，用于安排新作业插入的灵活作业车间问题.pdf
-
1.12 MB 18页 基于Q学习的智能车间自适应调度方法
-
1.5 MB 34页 新一代工业互联网发展模式与成功实践：数据驱动的新价值网络-阿里云-202011.pdf
-
1.02 MB 18页 一种新兴的算法文化：中国线上粉圈的数据化.pdf
-
5.42 MB 56页 火星文化&卡思数据李浩：数据驱动的蓝V运营方法论.pdf
-
2.92 MB 60页 人工智能算法之金鹰优化算法.pdf
-
1.27 MB 11页 2月美国通胀数据点评：美国坚挺的通胀仍是货币政策核心关注点
-
370.49 KB 6页 基于学习的半导体制造系统动态调度.pdf