1) stochastic job-shop scheduling problem
随机车间作业调度问题
2) stochastic job shop scheduling probelm
随机作业调度问题
3) job-shop scheduling problem
车间作业调度问题
1.
The ASP was treated as a particular job-shop scheduling problem(JSP),and an ant colony algorithm(ACA) for the ASP was designed with the objective of minimizing the makespan of landing airplanes.
本文首先将ASP表示成一个特殊的车间作业调度问题(JSP),以减少着陆飞机队列完成时间为优化目标,设计了求解ASP的蚁群算法。
2.
Aiming at these limitations, an improved algorithm called Grafting-Symbiosis Genetic Algorithm (GSGA) is developed for job-shop scheduling problem.
针对现有遗传算法在解决复杂车间作业调度问题时存在早熟和进化速度缓慢的缺点,提出了一种改进的算法———嫁接共生遗传算法。
3.
In this paper,we propose the modified genetic algorithm with search area adaptation(mGSA) for solving the Job-shop scheduling problem(JSP).
文章阐述了一种改进的搜索空间适应性的遗传算法(mGSA)用于解决车间作业调度问题(JSP);这种方法不同于GSA不需要带特征继承率调节能力的交叉操作。
4) job shop scheduling problem
作业车间调度问题
1.
Hybrid QPSO algorithm for job shop scheduling problems
求解作业车间调度问题的混合QPSO算法
2.
The paper designed an enhanced simulated annealing algorithm(ESA) with back jump tracking in connection with the critical path theory of a job shop scheduling problem.
结合作业车间调度问题的关键路径理论,设计了一种具有多次退火过程的调度算法。
3.
A discrete Particle Swarm Optimization(PSO) algorithm was presented for Job Shop scheduling problem.
提出了用于解决作业车间调度问题的离散版粒子群算法。
5) Job Shop Scheduling Problem(JSP)
作业车间调度问题(JSP)
6) jobshop scheduling problem (JSP)
车间作业调度问题(JSP)
补充资料：随机过程论中的统计问题
随机过程论中的统计问题
statistical problems in the theory of stochastic processes
究对于探讨尸。与尸。可能的奇异性也是有用的. 例4假定观测或者为x(t)二w(t)，其中w(0为一Wi印er过程(Wiener process)(H。假设)，或者x(r)=州t)+w(t)，其中附为一非随机函数(H，假设).如果m’6L2(0，T)，则测度p(，，pl是相互绝对连续的，而如果。’必L:(0，T)，则它们是相互奇异的.其似然比等于 d尸了 豆可Lx)-一{一合)〔优，(!)」2己亡·!川，(!)J·(亡)}· 例5.设x(t)二6十心(t)，其中口为实参数而老(0为一零均值的平稳Gauss的Map珊过程(Markov妙cess)，且有已知的相关函数厂(t)二。一“，‘，，:>0.此时测度尸子是相互绝对连续的，且有似然函数 dP不 万可气“)-一。p呀冬。二(。)、冬。二(:)、冬。:i、(才)‘: 一r tZ一’一、一’2“’一‘一‘2一才一‘一’- 一冬。2一牛。2::). 2“4-一j 特别地，x(o)+x(T)+:丁Jx(:)‘。关于族p万是一充分统计最(sul五cie以statistic)， 随机过程统计中的线性问题.设观测了函数 血 x(。)二艺口，伞，(:)+七(:)，(*) l其中奴t)是零均值且有己知的相关函数;(t，:)的随机过程，职，是已知的非随机函数，口二(0、，…，口*)是未知参数(口，为回归系数)，而参数集0是R‘的一个子集.0，的线性估计是形如见c，二(t，)或其均方极限的估计量.找寻均方意义下的最优无偏线性估计的问题归结为解与r有关的线性代数或线性积分方程.事实上，最优估计目由对任何形如七=艺bj、(tj)且艺b，伞，(t，)=0的心组成的联立方程E。(吞，劲二0所确定.在若干情形下，当T~的时，用最小二乘方法渐近获得的O的估计，并不比最优线性估计坏，但前者在计算上更简单月.不依赖于:. 例6，在例5的条件下，k二1，中;(t)‘1.这时最优无偏线性估计最(血ea犷estin迫tor)为 、=.浩了「·(。)二(·)二)·(r)“亡{，而估计量T 。‘一喜f二(:)“。 T才-·一渐近地与之有相同的方差. G皿ss过程的统计问题.设{x(t):O蕊t簇T，p‘{}对所有口‘0为Gauss过程(Gaussian process).关于Gauss过程，有如下二者择一的结果:任何两个测度尸乙尸J或者相互绝对连续或者奇异.因为Gauss分布pJ是由其均值m。(:)二E。x(t)及其相关函数，。(s，t)=E，无(s)x(t)完全确定的，从而似然比d尸J/d尸J以一种复杂的方式由m。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条