Key points are not available for this paper at this time.
Die Bestimmung der Standorte von Abteilungen oder Maschinen auf einer Produktionsfläche wird als Anordnungsproblem von Einrichtungen klassifiziert. Dieser Artikel untersucht ungleichbereich stochastische Anordnungsprobleme von Einrichtungen, bei denen die Formen der Abteilungen während der Iteration eines Algorithmus festgelegt sind und die Produktanforderungen stochastisch mit einer bekannten Varianz und einem erwarteten Wert sind. Diese Probleme sind nicht-deterministisch polynomial zeitkritisch und sehr komplex, sodass meta-heuristische Algorithmen und Evolutionsstrategien erforderlich sind, um sie zu lösen. In diesem Papier wurde eine verbesserte Covarianzmatrix-Anpassungs-Evolutionsstrategie (CMA ES) entwickelt und ihre Ergebnisse wurden mit denen von zwei verbesserten meta-heuristischen Algorithmen (d.h. verbesserter Partikelschwarmoptimierung PSO und genetischem Algorithmus GA) verglichen. In den drei vorgeschlagenen Algorithmen wurden die Tauschmethode und zwei lokale Suchtechniken verwendet, um die Positionen der Abteilungen zu ändern, um lokale Optima zu vermeiden und die Qualität der Lösungen für die Probleme zu verbessern. Ein realer Fall und zwei Problemvarianten wurden vorgestellt, um die vorgeschlagenen Algorithmen zu testen. Die Ergebnisse zeigten, dass die vorgeschlagene CMA ES bessere Anordnungen gefunden hat im Vergleich zu dem vorgeschlagenen PSO und GA.
Asl et al. (Dienstag) haben diese Frage untersucht.