单队段多产品批处理过程的短期调度 2.模型的简化

来源 :信息与控制 | 被引量 : 0次 | 上传用户:zhangjun3812
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本文第一部分建立了具有并行处理设备多产品单阶段批处理过程短期调度的基本数学模型,根据该模型和多产品单阶段批处理过程的特点,本文这一部分引入一些启发性规则,并将这些启发性规则融入到模型中,合理地使用这些启发性规则不但能减小模型的整数变量,连续变量和约束的数量,使得模型表达更紧,求解速度加快,而且能得到最优解,大量计算表明该模型求解速度快,尤其对包含多个同种订单的调度问题更为显著。
其他文献
本文是基于一种网络传感器与视频监控系统集成的研究,结合神经网络技术和专家系统对摄像机图像信息和传感器信息进行信息融合,赋予监控系统一定的智能性,提高了系统信息的丰
数据流定性化处理,是在考虑噪声影响的情况下,对数据流进行处理,最终将数据流化分为单调变化的区段.这是定性仿真应用中的一个关键问题.本文在分析基于线性最小方差拟合的数
本文首先将信息融合技术引入智能建筑控制领域,并提出了相应的控制模式.该控制模式分析了各个组成部分的关联关系,并被划分为六级层次,而六级层次之中主要包含了四个子系统.
本文描述了列生成算法框架,特别用应用实例:广义分配问题(GAP)和带能力约束的批量问题(CLSP)说明了该算法的实现.最后得出结论:列生成算法是一种非常优秀而高效的算法.
本文分析了状态反馈预测控制系统的结构与控制性能,基于状态空间模型,使用实测状态变量反馈,状态反馈预测控制系统是状态变量动态反馈结构.对比动态矩阵控制(DMC)、广义预测
给出了基于高斯过程和支持向量机的软测量建模方法 ,在不牺牲性能的条件下 ,高斯过程与支持向量机相比 ,是一种有着概率意义的核学习机 ,同时它更容易实现 ,理论分析和仿真研究表明了高斯过程在软测量建模中的优越性
蚁群算法是通过模拟蚂蚁觅食而发展出的一种新的启发算法 .基于群体的协作与学习 ,该算法已经成功地解决诸如 TSP问题等多种组合优化问题 .本文提出了一种基于自适应调整信息
本文讨论了一种具有较好观测精度和鲁棒性的使用PI自适应的模型参考自适应的转子磁通、速度观测器的实现.构造一个直接转子磁场定向无速度传感器感应电机矢量控制系统,并给出
美丽向日葵(He lianus deca Petlusl)菊科向日葵属.原产北美洲,世界各地广为栽培,我国引种近10年时间,新疆种植尚不普遍.
本文对基于统计学习理论的支持向量机学习方法进行了综述,并着重讨论了支持向量机在目标识别中的应用前景.