Programación con tecnología de grupos, asignación de recursos y efecto de aprendizaje simultáneamente
Autores: Li, Ming-Hui; Lv, Dan-Yang; Lu, Yuan-Yuan; Wang, Ji-Bo
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Programación con tecnología de grupos, asignación de recursos y efecto de aprendizaje simultáneamente
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Programación
Asignación de recursos convexa
Efecto de aprendizaje
Fechas de vencimiento
Función objetivo
Algoritmos
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 21
Citaciones: Sin citaciones
Este documento estudia el problema de programación de grupos de una sola máquina con asignación de recursos convexa y efecto de aprendizaje. El número de trabajos en cada grupo es diferente, al igual que las fechas de vencimiento comunes correspondientes, donde el tiempo de procesamiento de los trabajos sigue una función convexa de asignación de recursos. Bajo la asignación de fechas de vencimiento comunes, el objetivo es minimizar la suma ponderada de anticipación, tardanza, fecha de vencimiento común, consumo de recursos y tiempo de ejecución. Para resolver el problema, presentamos los algoritmos heurístico, de recocido simulado y de ramificación y acotamiento. Los experimentos computacionales indican que los algoritmos propuestos son efectivos.
Descripción
Este documento estudia el problema de programación de grupos de una sola máquina con asignación de recursos convexa y efecto de aprendizaje. El número de trabajos en cada grupo es diferente, al igual que las fechas de vencimiento comunes correspondientes, donde el tiempo de procesamiento de los trabajos sigue una función convexa de asignación de recursos. Bajo la asignación de fechas de vencimiento comunes, el objetivo es minimizar la suma ponderada de anticipación, tardanza, fecha de vencimiento común, consumo de recursos y tiempo de ejecución. Para resolver el problema, presentamos los algoritmos heurístico, de recocido simulado y de ramificación y acotamiento. Los experimentos computacionales indican que los algoritmos propuestos son efectivos.