Hybridizing Ant Colony Optimization by Beam Search for the Assembly Line Balancing Problem
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The type-I Assembly Line Balancing Problem (ALBP) focuses on the task assignment process with the objective of minimizing the number of workstations for a given cycle time. With the development of complex products, the problem size and the complexity in the assembly process is increasing. In this study, we hybridize the ant colony optimization algorithm via beam search (ACO-BS) in order to solve the type-I ALBP, and we focus more on the large scale ALBP in order to suit to the industrial requirements. We test ACO-BS with benchmark instances with a time limit of 360 seconds for one run, and the results show that 95.54% of the problems can reach their optimal solutions. In addition, since we want to explore the large scale ALBP, we generate 27 instances with a total of 400 tasks (the largest number of tasks in the benchmark instances of type-I ALBP is 297) randomly basing on the complexity indicators of order strength and processing time variation. There are three levels of order strength, 0.2, 0.6 and 0.9, and the time variation is set to be at 5-15, 65-75 and 135-145 levels. Meanwhile, the processing times of the tasks usually follow a unimodal or bimodal distribution, and we generate task times to follow three kinds of distribution respectively, unimodal distribution peaking at the bottom, unimodal distribution peaking in the middle and bimodal distribution. The comparison results with solutions obtained by the priority rule demonstrate the superiority of ACO-BS in solving large scale ALBP.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle