为调度问题开发绿色配置的算法选择器
发表于: 。本研究针对作业车间调度问题(JSP)中的能源效率优化,提出了一种智能算法选择工具框架,以识别影响问题复杂性的关键特征并指导合适算法的选择。通过机器学习方法(特别是XGBoost),该框架能够推荐高效的调度求解器,并在新JSP实例中实现84.51%的推荐准确率,从而推动制造物流的效率与可持续性发展。
本研究针对作业车间调度问题(JSP)中的能源效率优化,提出了一种智能算法选择工具框架,以识别影响问题复杂性的关键特征并指导合适算法的选择。通过机器学习方法(特别是XGBoost),该框架能够推荐高效的调度求解器,并在新JSP实例中实现84.51%的推荐准确率,从而推动制造物流的效率与可持续性发展。