Solving a Multi-Objective No-Wait Flow Shop Problem by a Hybrid Multi-Objective Immune Algorithm
Notice bibliographique
Résumé
Multiprocessor Scheduling: Theory and Applications 196The multi-objective flow shop scheduling problem has been addressed by some of papers.Murata et al. (1996) proposed a multi objective genetic algorithm to tackle flow shop scheduling problem.They considered the problem with two objectives of minimizing makespan and total tardiness and then they investigated the problem with respect to minimizing makespan, total tardiness and total flowtime as objectives.Ponnambalam et al. (2004)proposed a TSP-GA multi objective algorithm for flow shop scheduling where they use a weighted sum of multiple objectives (i.e.minimizing makespan, mean flow time and machine idle time).Toktas et al. (2004) considered the two machine flow shop scheduling problem by minimizing makespan and maximum earliness as objectives.Ravindran et al. (2005) proposed three heuristic algorithms to solve the flow shop scheduling problem which in makespan and total flow time have been considered as objectives.This chapter deals with a multi-objective no-wait flow shop scheduling problem.The weighted mean completion time and the weighted mean tardiness are to be optimized simultaneously.To tackle this problem, an effective multi-objective immune algorithm (MOIA) is designed for searching locally Pareto-optimal frontier.The rest of this chapter is organized as follows: Basic definitions of multi-objective optimization are presented in Section 2. Section 3 gives the problem definition.In Section 4, the background of immune algorithm is described and then the proposed algorithm is given.The experimental results are provided in Section 5. Finally, In Section 6 we conclude. How to referenceIn order to correctly reference this scholarly work, feel free to copy and paste the following:
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».