数据驱动的Job Shop生产调度知识挖掘及优化

• 作者: 王家海 陈煜
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 数据驱动 本体 知识挖掘 生产调度 决策树规则 人工鱼群算法
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 工程与应用
• 页码范围: 264-270
• 页数: 7页
• 分类号: TH166|TP39
• 字数: 5847字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1705-0139

摘要

在车间作业调度问题的求解过程中,从调度数据中挖掘调度知识,指导优化,对调度方案的精确求解至关重要.因此在分析调度领域海量数据和专业知识的基础上,建立基于本体的调度知识关系模型及知识表示;考虑数据挖掘与知识结合的关系,集成支持向量机和C A RT决策树学习算法,以实现数据驱动的调度规则获取,并分析调度知识挖掘框架下调度规则的挖掘过程;将调度知识和人工鱼群算法相结合用于生产调度的优化计算,改进人工鱼初始化过程.设计对比实验,实例验证表明算法效率获得较大提高,能够获得更接近实际情况的优化方案,有效减少作业总通过时间,提高了生产效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王家海	同济大学机械与能源工程学院	68	498	11.0	20.0
2	陈煜	同济大学机械与能源工程学院	2	6	2.0	2.0