CN111598297B - 基于剩余工序最大值优选的柔性作业车间调度机器选择方法 - Google Patents

基于剩余工序最大值优选的柔性作业车间调度机器选择方法 Download PDF

Info

Publication number
CN111598297B
CN111598297B CN202010294986.3A CN202010294986A CN111598297B CN 111598297 B CN111598297 B CN 111598297B CN 202010294986 A CN202010294986 A CN 202010294986A CN 111598297 B CN111598297 B CN 111598297B
Authority
CN
China
Prior art keywords
machine
array
current
machload
candidate
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010294986.3A
Other languages
English (en)
Other versions
CN111598297A (zh
Inventor
金寿松
刘星琪
王亚良
邢瑞花
钱前程
黄雨薪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN202010294986.3A priority Critical patent/CN111598297B/zh
Publication of CN111598297A publication Critical patent/CN111598297A/zh
Application granted granted Critical
Publication of CN111598297B publication Critical patent/CN111598297B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Factory Administration (AREA)

Abstract

一种基于剩余工序最大值优选的柔性作业车间调度机器选择方法，涉及柔性作业车间调度技术领域，对设置机器负荷和加工时间数组，对当前已选工序的加工时间及机器负荷数组进行赋值处理，将两数组元素值的和作为挑选候选机器的依据。若两数组元素之和有相同的最小值，将最小值所对应的机器作为候选机器，然后将候选机器的剩余工序按照加工时间从小到大排序，依次比较，选择剩余工序先出现较大值的机器作为当前工序的加工机器。否则，选择两数组元素之和最小值对应的机器作为当前工序的加工机器。本发明可以提高算法的收敛速度，加快算法的运算效率。

Description

基于剩余工序最大值优选的柔性作业车间调度机器选择方法
技术领域
本发明涉及柔性作业车间调度技术领域，具体为一种基于剩余工序最大值优选的柔性作业车间调度机器选择方法。
背景技术
柔性作业车间调度问题是传统作业车间调度问题的扩展，相比于作业车间调度打破了机器唯一的约束，工序可在多台机器上加工，系统具有灵活性，研究更贴近实际。柔性作业车间调度问题包括机器选择和工序排序两个子问题，机器选择是工序排序的前提与保障，对调度的结果有重要影响。目前，大部分文献采用的机器选择方法均为随机选择，算法的收敛速度较低。文献“改进遗传算法求解柔性作业车间调度问题,机械工程学报,2009,45(07):145-151”提出一种全局搜索、局部搜索和随机产生相结合的初始化方法，专门设置机器负荷累加数组，提高了种群初始解的质量，加快了算法的收敛速度。在此基础上文献“基于极限调度完工时间最小化的机器选择及FJSP求解，计算机集成制造系统，2014，20(04)：854-865”提出了一种基于极限调度完工时间最小化的机器选择初始化方法，先比较机器累加负荷，具有相同最小值时，在比较工序加工时间，进一步提高了机器选择的质量。但当机器累加负荷与工序时间都相同时，该方法用随机选取的方式选择加工机器，为保证机器负荷均衡可能会导致其余工序选择加工时间较长的机器，因此错过最优初始解，影响柔性作业车间调度的最终结果。
发明内容
本发明所要解决现有技术存在的上述问题，在保证机器负荷均衡和加工时间最短的条件下，最大可能的在候选机器中选择加工剩余工序时间较长的机器，提供一种基于剩余工序最大值优选的柔性作业车间调度机器选择方法。
本发明方法对设置机器负荷和加工时间数组，对当前已选工序的加工时间及机器负荷数组进行赋值处理，将两数组元素值的和作为挑选候选机器的依据。若两数组元素之和有相同的最小值，将最小值所对应的机器作为候选机器，然后将候选机器的剩余工序按照加工时间从小到大排序，依次比较，选择剩余工序先出现较大值的机器作为当前工序的加工机器。否则，选择两数组元素之和最小值对应的机器作为当前工序的加工机器。
一种基于剩余工序最大值优选的柔性作业车间调度机器选择方法，采用以下步骤，如图1所示：
步骤1：输入问题，读取问题数据，初始化机器数量MachNum、机器集合Machine{}、工序集合ALLOperation{}、工序总数ProcLength；
步骤2：设置当前机器负荷数组MachLoad(MachNum)、当前工序加工时间数组ProcTime(MachNum)；
步骤3：初始化机器负荷数组MachLoad()，所有元素置0；
步骤4：随机排列工序集合ALLOperation{}的元素，求得多种机器选择方案；
步骤5：设置已选择机器的工序数目为i，并设初始值为i＝0，表示当前无已选择机器的工序；
步骤6:比较i＝ProcLengh？当i＝ProcLengh时，表示机器选择完成，跳至步骤17，否则，执行步骤7；
步骤7：选取ALLOperation{}集合中第i+1个元素作为当前工序。
步骤8：获取当前机器负荷数组MachLoad()与当前工序加工时间数组ProcTime()；
步骤9：分别为当前机器负荷数组MachLoad()与当前工序加工时间数组ProcTime()赋值；
步骤10：将当前机器负荷数组MachLoad()与当前工序加工时间数组ProcTime()赋值结果相加，得到数组Score()；
步骤11：比较数组Score()中的元素，看最小值是否唯一。若唯一，选择Score()中最小元素对应的机器加工，跳至步骤15，否则，执行步骤12；
步骤12：最小值对应机器组成候选机器集CandMach{}；
步骤13：将候选机器除当前工序外其余可加工但未加工的工序按加工时间从小到大排序得到数组。数组从左到右大小依次递增；
步骤14：步骤13所得到的数组相同位置元素从左到右比较，选择先出现较大值元素的数组对应的候选机器进行加工；
步骤15：更新机器负荷数组MachLoad()；
步骤16：i＝i+1；跳至步骤6；
步骤17：输出机器选择结果，问题结束。
本发明的优点是：
本发明采用基于剩余工序最大值优选的柔性作业车间调度机器选择方法，在保证机器负荷的均衡性和为工序选择到加工时间尽可能短的机器的同时，最大可能的在候选机器中选择加工剩余工序时间较长的机器，保证所有总体机器选择的最优结果，为优化工序排序提供了基础，为算法提供了较优的初始解，可以提高算法的收敛速度，加快算法的运算效率。符合现代柔性车间生产的实际环境，为现在调度提供了良好的方案，可以提高车间生产效率，具有一定应用价值。
附图说明
图1是本发明实施的流程图；
图2是本发明实施例的详细过程示意图；
图3是本发明实施例的详细过程示意图。
具体实施方式
下面结合具体实施例描述本发明：
本发明基于剩余工序最大值优选的柔性作业车间调度机器选择方法流程图见附图1。本实施例以表1所示的3×5柔性作业车间度问题实例为例，其中包含3个工件和5台机器，工序总数目为8。
表1 3×5柔性作业车间度问题实例
Figure GDA0004052117260000041
Figure GDA0004052117260000051
本发明实施例的详细过程如图2、图3所示。基于剩余工序最大值优选的柔性作业车间调度机器选择方法，采用以下步骤：
步骤1：读取表13×5柔性作业车间度问题实例数据，初始化机器数量MachNum＝5、机器集合Machine{M1,M2,M3,M4,M5}、工序集合ALLOperation{O11,O12,O13,O21,O22,O23,O31,O32}、工序总数ProcLength＝8；
步骤2：设置当前机器负荷数组MachLoad(MachNum)、当前工序加工时间数组ProcTime(MachNum)；
步骤3：初始化机器负荷数组MachLoad()，所有元素置为0，得到数组MachLoad(0,0,0,0,0)；
步骤4：随机排列所有工序集合ALLOperation{O11,O12,O13,O21,O22,O23,O31,O32}的元素,得到ALLOperation{O13,O12,O11,O31,O32,O21,O23,O22}；所以工序的加工顺序为O13-O12-O11-O31-O32-O21-O23-O22；
步骤5：设置已选择机器的工序数目为i，并设初始值为i＝0，表示当前无已选择机器的工序；
步骤6:比较i＝ProcLengh，实例中0≠8,执行步骤7；
步骤7：选取ALLOperation{O13,O12,O11,O31,O32,O21,O23,O22}集合中第1个元素O13作为当前工序。
步骤8：获取当前机器负荷数组MachLoad(0,0,0,0,0)与当前工序加工时间数组ProcTime(3,3,5,5,5,)；
步骤9：分别为当前机器负荷数组MachLoad(0,0,0,0,0)与当前工序加工时间数组ProcTime(3,3,5,5,5,)赋值；得到MachScore(1,1,1,1,1)与ProcScore(1,1,2,2,2)；
步骤10：将当前机器负荷数组MachLoad(1,1,1,1,1)与当前工序加工时间数组ProcTime(1,1,2,2,2)赋值结果相加，得到数组Score(2,2,3,3,3)；
步骤11：比较数组Score(2,2,3,3,3)中的元素，最小值2不唯一，执行步骤12；
步骤12：最小值对应机器组成候选机器集CandMach{M1,M2}；
步骤13：候选机器除当前工序外其余可加工但未加工的工序按加工时间从小到大排序，得到数组S1(2,2,3,4,4,4,5)与S2(2,2,2,3,4,5,6)；
步骤14：数组S1(2,2,3,4,4,4,5)与S2(2,2,2,3,4,5,6)相同位置元素从左到右比较，选择先出现较大值元素的数组对应的候选机器M1进行加工；
步骤15：更新机器负荷数组MachLoad(3,0,0,0,0)；
步骤16：i＝0+1；跳至步骤6,重复6～16；
当O12作为当前工序时，机器负荷数组MachLoad(3,0,0,0,0)赋值得到MachScore(2,1,1,1,1)，当前工序加工时间数组ProcTime(3,2,2,2,4,)赋值得到ProcScore(2,1,1,1,3)，赋值相加得到Score(4,2,2,2,4)。最小值不唯一，候选机器集CandMach{M2,M3,M4}剩余工序排序S1(2,2,3,4,5,6)，S2(2,2,4,4,4,5)和S3(3,3,3,3,5,5)，从左到右依次比较，选择先出现较大值元素的数组对应的候选机器M4进行加工。
当O11作为当前工序时，机器负荷数组MachLoad(3,0,0,2,0)赋值得到MachScore(3,1,1,2,1)，当前工序加工时间数组ProcTime(2,3,4,3,3)赋值得到ProcScore(1,2,3,2,2)，赋值相加得到Score(4,3,4,4,3)。最小值不唯一，候选机器集CandMach{M2,M5}剩余工序排序S1(2,2,4,5,6)和S2(3,3,3,4,6)，从左到右依次比较，选择先出现较大值元素的数组对应的候选机器M5进行加工。
当O31作为当前工序时，机器负荷数组MachLoad(3,0,0,2,3)赋值得到MachScore(3,1,1,2,3)，当前工序加工时间数组ProcTime(2,2,2,3,3)赋值得到ProcScore(1,1,1,2,2)，赋值相加得到Score(4,2,2,4,5)。最小值不唯一，候选机器集CandMach{M2,M3}剩余工序排序S1(2,4,5,6)和S2(2,4,4,5)，从左到右依次比较，选择先出现较大值元素的数组对应的候选机器M2进行加工。
当O32作为当前工序时，机器负荷数组MachLoad(3,2,0,2,3)赋值得到MachScore(3,2,1,2,3)，当前工序加工时间数组ProcTime(4,5,5,5,6)赋值得到ProcScore(1,2,2,2,3)，赋值相加得到Score(4,4,3,4,6)。选择赋值之和最小的元素对应机器M3进行加工。
当O21作为当前工序时，机器负荷数组MachLoad(3,2,5,2,3)赋值得到MachScore(2,1,3,1,2)，当前工序加工时间数组ProcTime(4,2,2,3,4)赋值得到ProcScore(3,1,1,2,3)，赋值相加得到Score(5,2,4,3,5)。选择赋值之和最小的元素对应机器M2进行加工。
当O23作为当前工序时，机器负荷数组MachLoad(3,4,5,2,3)赋值得到MachScore(2,3,4,1,2)，当前工序加工时间数组ProcTime(4,4,4,5,3)赋值得到ProcScore(2,2,2,3,1)，赋值相加得到Score(4,5,6,4,3)。选择赋值之和最小的元素对应机器M5进行加工。
当O22作为当前工序时，机器负荷数组MachLoad(3,4,5,2,6)赋值得到MachScore(2,3,4,1,5)，当前工序加工时间数组ProcTime(5,6,4,3,3)赋值得到ProcScore(3,4,2,1,1)，赋值相加得到Score(5,7,6,2,6)。选择赋值之和最小的元素对应机器M4进行加工。
此时，i＝8，工序集合AllOperation{O13,O12,O11,O31,O32,O21,O23,O22}的所有工序都选择完加工机器，机器选择结果如表2所示，对应时间带
Figure GDA0004052117260000081
的机器即为工序所选择的加工机器。
表2工序加工机器选择结果
Figure GDA0004052117260000091
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims (1)

1.一种基于剩余工序最大值优选的柔性作业车间调度机器选择方法，采用以下步骤：
步骤1：输入问题，读取问题数据，初始化机器数量MachNum、机器集合Machine{}、工序集合ALLOperation{}、工序总数ProcLength；
步骤2：设置当前机器负荷数组MachLoad(MachNum)、当前工序加工时间数组ProcTime(MachNum)；
步骤3：初始化机器负荷数组MachLoad()，所有元素置0；
步骤4：随机排列工序集合ALLOperation{}的元素，求得多种机器选择方案；
步骤5：设置已选择机器的工序数目为i，并设初始值为i＝0，表示当前无已选择机器的工序；
步骤6:比较i是否等于ProcLengh，当i＝ProcLengh时，表示机器选择完成，跳至步骤17，否则，执行步骤7；
步骤7：选取ALLOperation{}集合中第i+1个元素作为当前工序；
步骤8：获取当前机器负荷数组MachLoad()与当前工序加工时间数组ProcTime()；
步骤9：分别为当前机器负荷数组MachLoad()与当前工序加工时间数组ProcTime()赋值；
步骤10：将当前机器负荷数组MachLoad()与当前工序加工时间数组ProcTime()赋值结果相加，得到数组Score()；
步骤11：比较数组Score()中的元素，看最小值是否唯一；若唯一，选择Score()中最小元素对应的机器加工，跳至步骤15，否则，执行步骤12；
步骤12：最小值对应机器组成候选机器集CandMach{}；
步骤13：将候选机器集中多个候选机器除当前工序外其余可加工但未加工的工序按加工时间从小到大排序得到多个候选机器对应的数组；数组从左到右大小依次递增；
步骤14：步骤13所得到的多个数组相同位置元素从左到右比较，选择先出现较大值元素的数组对应的候选机器进行加工；
步骤15：更新机器负荷数组MachLoad()；
步骤16：i＝i+1；跳至步骤6；
步骤17：输出机器选择结果，问题结束。
CN202010294986.3A 2020-04-15 2020-04-15 基于剩余工序最大值优选的柔性作业车间调度机器选择方法 Active CN111598297B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010294986.3A CN111598297B (zh) 2020-04-15 2020-04-15 基于剩余工序最大值优选的柔性作业车间调度机器选择方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010294986.3A CN111598297B (zh) 2020-04-15 2020-04-15 基于剩余工序最大值优选的柔性作业车间调度机器选择方法

Publications (2)

Publication Number Publication Date
CN111598297A CN111598297A (zh) 2020-08-28
CN111598297B true CN111598297B (zh) 2023-04-07

Family

ID=72189001

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010294986.3A Active CN111598297B (zh) 2020-04-15 2020-04-15 基于剩余工序最大值优选的柔性作业车间调度机器选择方法

Country Status (1)

Country Link
CN (1) CN111598297B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105700495A (zh) * 2016-01-13 2016-06-22 济南大学 基于加工时间等级的柔性作业车间调度机器选择方法
CN109784603A (zh) * 2018-11-15 2019-05-21 长安大学 一种基于混合鲸鱼群算法求解柔性作业车间调度的方法
WO2019153429A1 (zh) * 2018-02-07 2019-08-15 江南大学 一种基于有限制稳定配对策略的柔性作业车间调度方法
CN110796355A (zh) * 2019-10-22 2020-02-14 江苏金陵智造研究院有限公司 一种基于动态解码机制的柔性作业车间调度方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105700495A (zh) * 2016-01-13 2016-06-22 济南大学 基于加工时间等级的柔性作业车间调度机器选择方法
WO2019153429A1 (zh) * 2018-02-07 2019-08-15 江南大学 一种基于有限制稳定配对策略的柔性作业车间调度方法
CN109784603A (zh) * 2018-11-15 2019-05-21 长安大学 一种基于混合鲸鱼群算法求解柔性作业车间调度的方法
CN110796355A (zh) * 2019-10-22 2020-02-14 江苏金陵智造研究院有限公司 一种基于动态解码机制的柔性作业车间调度方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Effective hierarchical optimization by a hierarchical multi-space competitive genetic algorithm for the flexible job-shop scheduling problem;Shudai Ishikawa, Ryosuke Kubota,Keiichi Horio;《Expert Systems with Applications》;20151230;第42卷(第24期);第9434-9440页 *
Hybrid Metaheuristics within a Holonic Multiagent Model for the Flexible Job Shop Problem;Houssem EddineNouri，Olfa Belkahla Driss,Khaled Ghedira;《Procedia Computer Science》;20150831;第60卷;第83-92页 *
基于Dijkstra算法柔性作业车间调度的研究;刘坤华等;《机床与液压》;20171215(第23期);第112-116、164页 *
基于关键工序的全局随机机器选择和改进GA求解FJSP;徐文星等;《化工学报》;20170331;第68卷(第03期);第281页-288页 *
柔性车间生产排产调度优化方法;张贵军等;《计算机科学》;20180215(第02期);第276-282页 *

Also Published As

Publication number Publication date
CN111598297A (zh) 2020-08-28

Similar Documents

Publication Publication Date Title
CN110796355B (zh) 一种基于动态解码机制的柔性作业车间调度方法
CN111325443A (zh) 一种基于灾变机制的改进遗传算法求解柔性作业车间调度的方法
US9037279B2 (en) Clustering for prediction models in process control and for optimal dispatching
CN107908714B (zh) 一种数据归并排序方法及装置
CN112926837B (zh) 基于数据驱动改进遗传算法求解作业车间调度问题的方法
CN110378583B (zh) 一种拟关键路径同设备相邻工序互换方法
CN111007823B (zh) 柔性作业车间动态调度方法及装置
CN109255484B (zh) 数据驱动的离散制造资源协同优化方法及系统
CN111598297B (zh) 基于剩余工序最大值优选的柔性作业车间调度机器选择方法
JP2005533307A (ja) 高速直接局所探索のための確率的方法を用いたビデオ処理システム設計を最適化する方法及び装置
CN110704959A (zh) 基于迁移行为的moead优化夹具布局的方法及装置
Abu Qudeiri et al. Genetic algorithm for buffer size and work station capacity in serial-parallel production lines
CN109214695B (zh) 基于改进eda的高端装备研发制造协同调度方法及系统
CN117455222B (zh) 基于分布式异构流水车间组调度问题的求解方法
CN112364526B (zh) 一种基于果蝇算法的模糊批调度方法及系统
Chou A joint GA+ DP approach for single burn-in oven scheduling problems with makespan criterion
JP2007233554A (ja) 高速パターンマッチング装置の探索方法
CN112711470A (zh) 一种集群并行处理多任务的方法
US6941183B1 (en) Method and apparatus for selecting tools in manufacturing scheduling
US6594536B1 (en) Method and computer program for using tool performance data for dynamic dispatch of wafer processing to increase quantity of output
He et al. Improvements to genetic algorithm for flexible job shop scheduling with overlapping in operations
CN114819558A (zh) 一种解决分布式混合流水车间的双目标调度优化方法
CN113741369B (zh) 一种混合流水车间调度优化方法
CN108763170A (zh) 常数工作空间并行构造后缀数组的方法及系统
CN109358992B (zh) 一种基于部分可重配技术和排列算法的fpga测试方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant