論文の概要: Discrete Differential Evolution Particle Swarm Optimization Algorithm for Energy Saving Flexible Job Shop Scheduling Problem Considering Machine Multi States

• arxiv url: http://arxiv.org/abs/2503.02180v1
• Date: Tue, 04 Mar 2025 01:40:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:26:18.295659
• Title: Discrete Differential Evolution Particle Swarm Optimization Algorithm for Energy Saving Flexible Job Shop Scheduling Problem Considering Machine Multi States
• Title（参考訳）: 機械多状態を考慮したフレキシブルジョブショップスケジューリング問題に対する離散微分進化粒子群最適化アルゴリズム
• Authors: Da Wang, Yu Zhang, Kai Zhang, Junqing Li, Dengwang Li,
• Abstract要約: 省エネスケジューリングにおいて、機械状態スイッチングは期待される目標を達成するための重要なポイントである。 本研究は、新しい多状態省エネフレキシブルジョブスケジューリング問題(EFJSP-M)を提案する。 EFJSP-M に対処するため,離散微分進化粒子群最適化アルゴリズム (D-DEPSO) を設計した。
• 参考スコア（独自算出の注目度）: 12.002754789369053
• License:
• Abstract: As the continuous deepening of low-carbon emission reduction policies, the manufacturing industries urgently need sensible energy-saving scheduling schemes to achieve the balance between improving production efficiency and reducing energy consumption. In energy-saving scheduling, reasonable machine states-switching is a key point to achieve expected goals, i.e., whether the machines need to switch speed between different operations, and whether the machines need to add extra setup time between different jobs. Regarding this matter, this work proposes a novel machine multi states-based energy saving flexible job scheduling problem (EFJSP-M), which simultaneously takes into account machine multi speeds and setup time. To address the proposed EFJSP-M, a kind of discrete differential evolution particle swarm optimization algorithm (D-DEPSO) is designed. In specific, D-DEPSO includes a hybrid initialization strategy to improve the initial population performance, an updating mechanism embedded with differential evolution operators to enhance population diversity, and a critical path variable neighborhood search strategy to expand the solution space. At last, based on datasets DPs and MKs, the experiment results compared with five state-of-the-art algorithms demonstrate the feasible of EFJSP-M and the superior of D-DEPSO.
• Abstract（参考訳）: 低炭素排出削減政策の継続的な深化に伴い、生産効率の向上とエネルギー消費の削減のバランスをとるために、産業は迅速かつ適切な省エネ計画を必要としている。 省エネスケジューリングにおいて、機械状態スイッチングは期待される目標を達成するための重要なポイントであり、すなわち、マシンが異なる操作間で速度を切り替える必要があるか、異なるジョブ間で追加のセットアップ時間を加える必要があるかである。 本研究は, 機械のマルチスピードとセットアップ時間を考慮した, 新規な多状態省エネフレキシブルジョブスケジューリング問題 (EFJSP-M) を提案する。 EFJSP-M に対処するため,離散微分進化粒子群最適化アルゴリズム (D-DEPSO) を設計した。 具体的には、D-DEPSOは、初期個体群性能を改善するためのハイブリッド初期化戦略と、個体群多様性を高めるための差分進化演算子に埋め込まれた更新機構と、解空間を拡張するための臨界経路可変近傍探索戦略を含む。 最終的に、データセットDPとMKに基づいて、5つの最先端アルゴリズムと比較して、EFJSP-Mが実現可能であり、D-DEPSOよりも優れていることを示す実験結果が得られた。

関連論文リスト

• Task Delay and Energy Consumption Minimization for Low-altitude MEC via Evolutionary Multi-objective Deep Reinforcement Learning [52.64813150003228]
  無人航空機や他の航空機による低高度経済(LAE)は、輸送、農業、環境監視といった分野に革命をもたらした。 今後の6世代(6G)時代において、UAV支援移動エッジコンピューティング(MEC)は特に山岳や災害に遭った地域のような困難な環境において重要である。 タスクオフロード問題は、主にタスク遅延の最小化とUAVのエネルギー消費のトレードオフに対処するUAV支援MECの重要な問題の一つである。
  論文  参考訳（メタデータ） (2025-01-11T02:32:42Z)
• SMDP-Based Dynamic Batching for Improving Responsiveness and Energy Efficiency of Batch Services [12.600853777230185]
  並列コンピューティングリソースは、より大きなバッチサイズで動作する場合の計算効率とエネルギー効率が向上する。 オンラインサービスの世界では、より大きなバッチサイズを採用することで、レスポンス時間が長くなる可能性がある。 本稿では,レイテンシと効率を微妙にバランスさせる動的スキームを提案する。
  論文  参考訳（メタデータ） (2025-01-04T04:14:09Z)
• A Flexible Job Shop Scheduling Problem Involving Reconfigurable Machine Tools Under Industry 5.0 [5.7522869823664005]
  フレキシブルなジョブショップスケジューリング問題(FJSSP)は、現代の製造環境の複雑さを正確に反映している。 本稿では、設定依存のセットアップ時間を持つ再構成可能なマシンツールを含むFJSSPについて検討する。 混合整数プログラミング(MIP)モデルは、これらの目的を同時に最適化するために開発された。
  論文  参考訳（メタデータ） (2024-10-16T11:40:06Z)
• Machine Learning Infused Distributed Optimization for Coordinating Virtual Power Plant Assets [0.0]
  本稿では,VPPアセットを調整するために,機械学習を利用した分散最適化を提案する。 提案手法はLOOP-MACと呼ばれ,各VPPエージェントが複数のDERを管理するマルチエージェントコーディネート・パースペクティブを採用している。 その結果, LOOP-MACの利点, 反復時間当たりの解の高速化, 収束時間を大幅に短縮した。
  論文  参考訳（メタデータ） (2023-10-27T04:11:13Z)
• Multiagent Reinforcement Learning with an Attention Mechanism for Improving Energy Efficiency in LoRa Networks [52.96907334080273]
  ネットワーク規模が大きくなるにつれて、パケット衝突によるLoRaネットワークのエネルギー効率は急激に低下する。 マルチエージェント強化学習(MALoRa)に基づく伝送パラメータ割り当てアルゴリズムを提案する。 シミュレーションの結果,MALoRaはベースラインアルゴリズムと比較してシステムEEを著しく改善することがわかった。
  論文  参考訳（メタデータ） (2023-09-16T11:37:23Z)
• Efficient Real-time Path Planning with Self-evolving Particle Swarm Optimization in Dynamic Scenarios [6.951981832970596]
  操作形式(TOF)は、粒子の操作をテンソル操作に変換する。 自己進化型粒子群最適化(SEPSO)を開発した。 SEPSOはより優れたパスを生成でき、リアルタイムのパフォーマンスがかなり向上する。
  論文  参考訳（メタデータ） (2023-08-20T05:31:48Z)
• Multi-Objective Optimization for UAV Swarm-Assisted IoT with Virtual Antenna Arrays [55.736718475856726]
  無人航空機(UAV)ネットワークはIoT(Internet-of-Things)を支援するための有望な技術である 既存のUAV支援データ収集および普及スキームでは、UAVはIoTとアクセスポイントの間を頻繁に飛行する必要がある。 協調ビームフォーミングをIoTとUAVに同時に導入し、エネルギーと時間効率のデータ収集と普及を実現した。
  論文  参考訳（メタデータ） (2023-08-03T02:49:50Z)
• Federated Learning for Energy-limited Wireless Networks: A Partial Model Aggregation Approach [79.59560136273917]
  デバイス間の限られた通信資源、帯域幅とエネルギー、およびデータ不均一性は、連邦学習(FL)の主要なボトルネックである まず、部分モデルアグリゲーション(PMA)を用いた新しいFLフレームワークを考案する。 提案されたPMA-FLは、2つの典型的な異種データセットにおいて2.72%と11.6%の精度を改善する。
  論文  参考訳（メタデータ） (2022-04-20T19:09:52Z)
• Collaborative Intelligent Reflecting Surface Networks with Multi-Agent Reinforcement Learning [63.83425382922157]
  インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。 本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
  論文  参考訳（メタデータ） (2022-03-26T20:37:14Z)
• Proximal Policy Optimization-based Transmit Beamforming and Phase-shift Design in an IRS-aided ISAC System for the THz Band [90.45915557253385]
  テラヘルツ(THz)帯で動作するIRS支援統合センシング・通信(ISAC)システムを提案し,システム容量を最大化する。 透過ビームフォーミングと位相シフト設計はエルゴード制約を伴う普遍最適化問題に変換される。
  論文  参考訳（メタデータ） (2022-03-21T09:15:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。