RUS  ENG
Полная версия
ЖУРНАЛЫ // Автоматика и телемеханика // Архив

Автомат. и телемех., 2019, выпуск 2, страницы 125–151 (Mi at15235)

Эта публикация цитируется в 1 статье

Интеллектуальные системы управления, aнализ данных

Эвристические алгоритмы для максимизации дохода и количества требований, обслуживаемых на параллельных приборах

О. Голамиa, Ю. Н. Сотсковb, Ф. Вернерc, О. С. Затюпоd

a Технологический институт Блекинге, Карлскрона, Швеция
b Объединенный институт проблем информатики НАН Беларуси, Минск
c Университет Отто фон Герике, Магдебург, Германия
d СЗАО “Серволюкс”, Могилев, Беларусь

Аннотация: Множество требований необходимо обслужить на параллельных приборах. Для каждого требования известно время готовности к обслуживанию и установлен срок, не позднее которого требование должно быть обслужено. Если обслуживание требования завершается к установленному сроку, то начисляется определенная прибыль. В противном случае требование считается не обслуженным в срок, и прибыль за это требование не начисляется. Рассматривается критерий максимизации взвешенной суммы начисленной прибыли и количества требований, обслуженных в срок. Исследованы свойства целевой функции, которые позволяют строить оптимальные расписания обслуживания требований. Разработаны три эвристических алгоритма: алгоритм имитации отжига, поиск с запретами и генетический алгоритм. Разработанные программы протестированы на задачах средней размерности ($50$ требований и $5$ приборов) и на задачах большой размерности ($500$ требований и $50$ приборов). Даны рекомендации по использованию разработанных алгоритмов и полученных результатов в календарном планировании производства.

Ключевые слова: оптимальное расписание, параллельные приборы, максимизация прибыли, генетический алгоритм, алгоритм имитации отжига, поиск с запретами.

Статья представлена к публикации членом редколлегии: А. А. Лазарев

Поступила в редакцию: 20.03.2018
После доработки: 25.09.2018
Принята к публикации: 08.11.2018

DOI: 10.1134/S0005231019020089



Реферативные базы данных:


© МИАН, 2024