数据驱动的Job Shop生产调度知识挖掘及优化

摘要：

在车间作业调度问题的求解过程中,从调度数据中挖掘调度知识,指导优化,对调度方案的精确求解至关重要.因此在分析调度领域海量数据和专业知识的基础上,建立基于本体的调度知识关系模型及知识表示;考虑数据挖掘与知识结合的关系,集成支持向量机和C A RT决策树学习算法,以实现数据驱动的调度规则获取,并分析调度知识挖掘框架下调度规则的挖掘过程;将调度知识和人工鱼群算法相结合用于生产调度的优化计算,改进人工鱼初始化过程.设计对比实验,实例验证表明算法效率获得较大提高,能够获得更接近实际情况的优化方案,有效减少作业总通过时间,提高了生产效率.

关键词：数据驱动、本体、知识挖掘、生产调度、决策树规则、人工鱼群算法

所属期刊栏目：54

分类号：TH166;TP39

在线出版日期：2018-01-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：264-270