导读:本文包含了半在线论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:在线,算法,时间,最坏,机器,性能,竞争。
半在线论文文献综述
汪俐敏[1](2019)在《平行机上半在线排序模型的算法性能分析》一文中研究指出本篇论文主要是研究半在线模型下的算法设计以及算法性能比分析。论文主要分为四章内容,第一章为绪论部分,首先介绍了组合优化问题的定义以及其研究意义,然后就组合优化问题中典型的排序问题进行背景、分类、研究现状等多方面叙述,最后引入近似算法的概念和基本思想并介绍Pm和本文我们所构造的S形算法。第四章是对整篇文章做了一个总结,并提出了今后研究工作可能的方向。主体内容将分别在第二章和第叁章中展开详细证明。第二章:我们构造了S形算法,证明了当m=2时,对于任意的工件序列L={J1,J2,…,Jn},加工时间非递增(p1 ≥ p2≥…≥ pn),工件具有相似的加工时长pj ∈[1,r](1 ≤ r ≤ 2)时,其最坏性能比为:而在Wei-Ping Liu,Jeffrey B.Sidney,Andre van Vliet 1996年([20])给出的算法P(2)中,其最坏性能比为CmaxP2/CmaxOPT(L≤4/3,后证得即使加入工件具有相似的加工时长pj∈[1,r](r≥1)这一约束后该算法的最坏性能比仍不变,始终有supLCmaxP2/CmaxOPT(L)=4/3但是在S形算法中我们通过限定工件加工时长得到了更好的结果。第叁章:本章证明了对于任意的工件序列L={J1,J2,...,Jn},工件满足加工时长非递增,到达时间不都为零且非递减(即p1 ≥ p2 ≥...≥pn,r1≤r2≤...≤rn)时,Pm算法的最坏性能比为本章主要是对文献[11]做了相关的修正,并且优化了该算法的最坏性比能,从而得到了更加精确的结果。(本文来源于《湖南师范大学》期刊2019-05-01)
周燕[2](2019)在《带有机器故障的半在线排序问题》一文中研究指出排序理论是运筹学中一个非常活跃的分支.通常,我们将排序问题分为离线排序和在线排序.本文研究了带有机器故障的半在线排序问题,是指在排序之前,工件的到达时间,加工时间,运输时间等信息均已获知,但机器故障何时发生何时结束等信息是无法提前知道的,决策者只能根据到达工件的所有信息给出决策方案.本文我们研究了两类排序问题,一类是带有机器故障和运输时间的单机半在线排序问题,一类是带有机器故障的平行批单机半在线排序问题.其中,平行分批排序是多个工件可以放在同一批,在一台机器上加工,每批里面的工件同时开始加工同时完工,每批的加工时间是该批中所有工件的最大加工时间.批容量(7是指每批可以最多加工(7个工件,一般分为有界和无界两种情形.工件带有运输时间的在线排序,是指工件加工完成后需要用运输工具将其运输到目的地.一般,我们假设运输工具有无数多个,工件一旦被加工完就可以立刻被安排运输,因此送货(运输完工)时间就等于工件的完工时间与其运输时间之和.针对这两类排序问题,我们主要研究两个模型.我们研究的第一类模型是单机带有机器故障,带有运输时间的半在线排序问题,目标函数是最小化最大送货(运输完工)时间,用叁参数法表示为:(1)1,?1|?|_(max);(2)1,?1|_(5))|_(max).在本文的第二章节,我们首先找出了该问题的下界是3?2,对于问题1,?1|?|_(max)我们给出了一个在线算法并证明竞争比为(?).在(?)条件下,对于问题(?)给出了一个竞争比为(3?2+)的在线算法,当<1?2时,竞争比小于2.我们研究的第二类模型是单机带有机器故障的批容量有界的平行批半在线排序问题,目标函数是最小化最大完工时间,用叁参数法表示为:(?).在本文的第叁章节,我们找出了问题的下界是3?2,给出了一个最好可能的在线算法,并证明了该算法的竞争比是3?2.(本文来源于《中国矿业大学》期刊2019-05-01)
周孝锋,张迪,石定贤,李斌[3](2018)在《基于空调设备能耗模型的半在线辨识方法研究》一文中研究指出针对空调设备在使用过程中能耗模型变化的特点,提出了一种采用"在线监测+条件触发辨识"的半在线参数估计算法。通过构建风机性能老化测试数据,与传统的3种参数估计方法进行了应用性能的对比。对半在线参数估计算法中3个参数(截取的数据窗口长度L、相对误差阈值h和连续上限次数阈值M)的选取准则进行了研究。(本文来源于《节能》期刊2018年09期)
李晓萍[4](2018)在《基于深度学习的半在线领域自适应目标跟踪》一文中研究指出视觉跟踪是计算机视觉领域的主要分支之一,视觉跟踪在实际生活中有非常广泛的应用前景。传统跟踪算法大多采用手工设计的图像特征,此类浅层学习算法会受限于图像特征的表征能力,在实际应用场景中具有一定的局限性。与浅层跟踪器相比,基于深度学习的跟踪算法可以自主地从当前数据中学习到更适应于当前任务的特征表示,因此对于极端光照变化等复杂场景的鲁棒性更高。然而,由于神经网络反向传播过程中需要求解网络中各个参数的梯度值,因此基于深度学习的跟踪算法在速度上很难实现实时。为了缓解这一问题,大量的基于深度学习的跟踪算法提出通过去除卷积神经网络模型的在线跟踪过程来提高跟踪速度,然而在线更新的缺失会导致跟踪精度的显着下降。为了探索既可以保证跟踪精度同时可以实时的跟踪器,本文在前期视觉跟踪研究的基础上,结合深度学习方法与相关滤波器算法提出半在线的领域自适应跟踪算法,研究工作主要如下:1、本文采用轻量级的深度神经网络作为基础框架,轻量级网络框架在反传时梯度求解时间更短。同时在网络的叁个卷积层上分别添加一个跟踪分支作为域适应层,通过这种方式既可以保证特征的多尺度性同时可以有效的将图像分类域的特征信息迁移到视觉跟踪域,提高跟踪器的适应能力。2、本文将深度学习方法与相关滤波器算法相结合,利用深度特征来学习相关滤波器,通过搜索滤波器响应图的最大响应值实现对目标的快速定位。3、不同于以往的更新策略,本文提出半在线更新策略,取视频的前十帧视频图像来对网络域适应层进行调参,通过这种方式,既可以有效的提高网络对当前视频序列的适应性,保证跟踪精度,同时也不会增加网络的计算负担,保证网络的运行速度。为了验证本文研究方法的有效性,本文在视觉跟踪公开数据集(OTB)上进行实验。通过各类特定视频序列中的测试结果分析,表明本文所提出的跟踪算法在保证高精度的同时跟踪速度超越了其他很多跟踪算法,达到实时的效果。(本文来源于《江西师范大学》期刊2018-05-01)
代爱民[5](2018)在《基于混合免疫遗传算法的半在线叁维装箱问题研究》一文中研究指出叁维装箱问题是一种组合优化问题,其广泛运用于生产生活中各个领域,在物流运输行业中的应用尤为突出。在物流配送过程中,装箱是一个关键的步骤,合理的装箱方案可以大大提高空间利用率,提高工作效率,从而提高自动化水平。对企业而言,可大大降低成本,提高企业竞争力,而在应急物流当中,则可以优化应急物资的装载与分配,最大程度挽救生命,因此对叁维装箱问题的研究有着重大意义。前人已经对叁维装箱问题进行过大量研究,但基本上都是针对离线装箱问题,离线装箱并未将顺序约束考虑到问题中,而现实中许多的装箱问题都必须考虑按一定的顺序装箱。因此,本文在前人研究的基础上,提出了一种针对于半在线装箱问题的混合免疫遗传算法,以更好地解决生产生活中遇到的问题。论文首先介绍了叁维装箱问题的国内外研究现状,并对各种装箱问题进行分类介绍,同时给出了解决组合优化问题的一般求解方法;然后提出了针对半在线叁维装箱问题的启发式算法,并对其进行了模型的建立与仿真,仿真结果表明单一的启发式算法快速性十分优秀,但在适应性上有待提高,基于此,提出一种启发式算法和免疫遗传算法相结合的混合免疫遗传算法。算法首先由免疫遗传算法生成货物的空间分布,再利用启发式算法求得货物最终坐标。通过多组数据的仿真实验验证该算法的适应性,收敛性和快速性。免疫遗传算法中采用了有效的矩阵编码形式,并设计合理的遗传算子,保证了算法的快速收敛。在算法中,提出了接触率的概念来衡量算法的稳定性,同时目标函数兼顾空间利用率和稳定性,提高了算法的可行性。最后以多组随机数据再次对算法进行了仿真与实验,结果表明,算法快速性良好,且能适应尺寸在一定范围内的强异构类型货物,能够很好地解决流水线上遇到的半在线装箱问题。本文在半在线装箱这一领域进行了多次尝试和探索,最终提出的混合免疫遗传算法虽存在一定的不足,但为以后相关研究提供了一种新的思路,具有一定的指导意义。(本文来源于《重庆大学》期刊2018-05-01)
邵晶晶[6](2017)在《两个带机器准备时间的半在线排序》一文中研究指出研究两个带机器准备时间的半在线排序算法,一个是当总加工时间已知时,工件在有准备时间的同类机上加工的半在线排序,证明了其竞争比的上下界分别为2ν和ν+1/2ν+1,都与机器加工速度有关;另一个是当最大加工时间已知时,工件在有准备时间的同型机上加工的半在线排序,证明了其竞争比为2/3.(本文来源于《广西科技师范学院学报》期刊2017年06期)
唐峰,聂劲[7](2016)在《平行机上订单半在线排序的LS算法的性能比分析》一文中研究指出对于在m台平行机上工件有单调非减的到达时间和单调非增的加工时间的半在线排序问题进行了研究,其目标函数是要令所有机器中最大完工时间达到最小。对任意半在线工件序列和任意m台机器,证明了3/2-1/2 m为LS算法的最坏性能比的上界。(本文来源于《系统工程》期刊2016年06期)
姬赛[8](2016)在《两类半在线排序模型的算法性能分析》一文中研究指出本文主要分为两部分内容,分别对两类半在线模型的算法性能比进行了分析。第一部分:He and Zhang在1999([12])年提出了一个半在线的排序模型:对任意的工件序列L={J1,J2,….Jn),工件具有相似的加工时长pj∈[1,r](r≥1).将这些工件安排在两台平行机上。得到对任意满足该模型的实例L在LS算法下的最坏性能比为本文在其工件具有相似的加工时长pj∈[1,r](r≥1)的基础上,加入了到达时间非递减且r1≤r2≤…≤rn这一约束,与([12])的到达时间为零这一模型相比,本章的模型更为复杂,分析过程要考虑的因素也更多,从而得到该模型在LS算法下其最坏性能比为这是一个紧界,并且LS算法是解决此模型的最好的近似算法。这一部分内容将在第二章展开详细证明。第二部分:Wei-Ping Liu,Jeffrey B.Sidney,Andre van Vliet在1996([24])年给出了一个模型:工件到达时间都为零,且加工时长非递增。并给出了解决这一模型的算法Pm。算法(在本文中暂称为Pm算法,与([24])中的称呼保持一致)且证明了对任意满足该模型的实例L在Pm算法下的性能比为本文在其模型的基础上,增加了一个约束条件,即当工件的到达时间不都为零且满足非递减(即r1≤r:≤…≤rn)。并证明了对于任意满足条件的工件序列L,在Pm算法的最坏性能比为虽然单看性能比数值比之前要大,但是本章的模型是([24])的一个推广,模型更为复杂,应用的范围也更加广泛。这一部分内容将在第叁章展开详细证明。第一章介绍了组合优化问题、近似算法以及排序问题的研究进展。第四章对整篇文章做了一个总结,并指出了未来的研究方向。(本文来源于《湖南师范大学》期刊2016-06-01)
荣建华,彭丽,张玲玲,侯丽英[9](2016)在《一个可中断叁台可拒绝平行机半在线排序问题》一文中研究指出研究了工件带有拒绝费用的3台平行机半在线算法。工件逐个到达,当工件到达时可以被接收加工,消耗一定的加工时间,也可以被拒绝,但此时要付出一定的拒绝费用。进一步假定工件的加工时间与拒绝费用事先成固定比例α(α≥0)。目标为被接收工件的最大完工时间与被拒绝工件的总罚值之和最小。针对工件加工可中断情形,设计出半在线算法ARH,并证明算法ARH的竞争比为关于参数α的分段函数,且为紧界。(本文来源于《重庆师范大学学报(自然科学版)》期刊2016年03期)
孙立娟[10](2015)在《工件加工时间有界的两台同类机半在线排序问题研究》一文中研究指出本文从下界和算法的角度对带服务等级的两台同类机半在线排序问题进行了研究,目标函数为最小化时间表长。问题中的机器和工件都被赋予了不同的服务等级,只有当一个工件的服务等级不低于一台机器的服务等级时,这个工件才被允许在该台机器上加工。在半在线排序问题中,工件按照一个给定列表中的顺序依次到达,在工件到达之前,排序者已知工件的部分信息。我们考虑的是已知工件加工时间上下界的情形。第二章研究了工件加工时间有界的两台同类机半在线排序问题,其中第二台机器速度是第一台的s(0<s≤1)倍,而且只能加工部分等级的工件。设所有工件的加工时间上下界之比为t(t≥1),即1≤p≤t。目前关于该问题下界及算法的研究,仍然有面积约为0.2的(s,t)区域没有得到解决。我们对没有解决的(s,t)区域作出了进一步的研究,分析了部分(s,t)区域的下界,并设计了一个算法A,该算法A在这些(s,t)区域上达到了最优。本文研究结果将未解决的(s,t)区域面积缩小到了0.007。(本文来源于《华东理工大学》期刊2015-08-29)
半在线论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
排序理论是运筹学中一个非常活跃的分支.通常,我们将排序问题分为离线排序和在线排序.本文研究了带有机器故障的半在线排序问题,是指在排序之前,工件的到达时间,加工时间,运输时间等信息均已获知,但机器故障何时发生何时结束等信息是无法提前知道的,决策者只能根据到达工件的所有信息给出决策方案.本文我们研究了两类排序问题,一类是带有机器故障和运输时间的单机半在线排序问题,一类是带有机器故障的平行批单机半在线排序问题.其中,平行分批排序是多个工件可以放在同一批,在一台机器上加工,每批里面的工件同时开始加工同时完工,每批的加工时间是该批中所有工件的最大加工时间.批容量(7是指每批可以最多加工(7个工件,一般分为有界和无界两种情形.工件带有运输时间的在线排序,是指工件加工完成后需要用运输工具将其运输到目的地.一般,我们假设运输工具有无数多个,工件一旦被加工完就可以立刻被安排运输,因此送货(运输完工)时间就等于工件的完工时间与其运输时间之和.针对这两类排序问题,我们主要研究两个模型.我们研究的第一类模型是单机带有机器故障,带有运输时间的半在线排序问题,目标函数是最小化最大送货(运输完工)时间,用叁参数法表示为:(1)1,?1|?|_(max);(2)1,?1|_(5))|_(max).在本文的第二章节,我们首先找出了该问题的下界是3?2,对于问题1,?1|?|_(max)我们给出了一个在线算法并证明竞争比为(?).在(?)条件下,对于问题(?)给出了一个竞争比为(3?2+)的在线算法,当<1?2时,竞争比小于2.我们研究的第二类模型是单机带有机器故障的批容量有界的平行批半在线排序问题,目标函数是最小化最大完工时间,用叁参数法表示为:(?).在本文的第叁章节,我们找出了问题的下界是3?2,给出了一个最好可能的在线算法,并证明了该算法的竞争比是3?2.
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
半在线论文参考文献
[1].汪俐敏.平行机上半在线排序模型的算法性能分析[D].湖南师范大学.2019
[2].周燕.带有机器故障的半在线排序问题[D].中国矿业大学.2019
[3].周孝锋,张迪,石定贤,李斌.基于空调设备能耗模型的半在线辨识方法研究[J].节能.2018
[4].李晓萍.基于深度学习的半在线领域自适应目标跟踪[D].江西师范大学.2018
[5].代爱民.基于混合免疫遗传算法的半在线叁维装箱问题研究[D].重庆大学.2018
[6].邵晶晶.两个带机器准备时间的半在线排序[J].广西科技师范学院学报.2017
[7].唐峰,聂劲.平行机上订单半在线排序的LS算法的性能比分析[J].系统工程.2016
[8].姬赛.两类半在线排序模型的算法性能分析[D].湖南师范大学.2016
[9].荣建华,彭丽,张玲玲,侯丽英.一个可中断叁台可拒绝平行机半在线排序问题[J].重庆师范大学学报(自然科学版).2016
[10].孙立娟.工件加工时间有界的两台同类机半在线排序问题研究[D].华东理工大学.2015