多部件生产计划与连续变量(平方距离惩罚方法)
这个提交可以用来评估的性能优化技术在整数和连续变量的问题。这个优化问题就出现了利润最大化的生产计划。然而这些文件可以作为黑盒的优化问题。
有八个在这个套件(case1最小化的优化问题。p,例2。p, case3。p, case4。p, case5。p, case6。p, case7。p和cas8.p)。
例1、例2、例5和例6尺寸有问题的1287连续变量而情况3、4,案件7和8例有问题2624连续变量的维度。
他们每个人遵循距离平方处罚方法,具有以下格式
[F] = case1 (X);
输入:人口(或解决方案,用X)及其
输出:目标函数值(F)的人口成员。
文件ProblemDetails。p可用于确定较低和上界函数处理的案件。
格式(磅,乌兰巴托,fobj) = ProblemDetails (n);
输入:n是一个从1到8的整数。
输出:(i)下界(磅),
(二)上界(乌兰巴托),和
(3)函数处理(fobj)。
文件的脚本。m展示了如何使用这些文件以及一个优化算法(SanitizedTLBO)。
注意:
(我)的平方距离惩罚在处理约束域洞,Xj的最小平方之间,(Xj-lj)。这里Xj是指解决方案和lj的j维度是指最小非零生产水平。
(2)案例1 - 4有相同的问题但使用不同的数据结构;例5 - 8同一组数据作为案例1 - 4相比,但是不使用某些功能(灵活)的问题。
(3)目标函数文件能够确定的目标函数值(即多个解决方案。万博 尤文图斯如果需要,整个人口可以被发送到目标函数文件)。
参考:Sandeep辛格Chauhan,普拉卡什Kotecha,一个高效的多部件生产计划策略基于连续变量,应用软计算,2018年,ISSN 1568 - 4946,https://doi.org/10.1016/j.asoc.2018.03.012。
引用作为
SKS实验室(2023)。多部件生产计划与连续变量(平方距离惩罚方法)GitHub (https://github.com/SKSLAB/Multi-unit-production-planning-with-continuous-variables-square-distance-penalty)。检索。
版本使用GitHub缺省分支不能下载
版本 | 发表 | 发布说明 | |
---|---|---|---|
1.0.0.0 |
|