工件可拒绝的机器排序问题的开题报告.docx

工件可拒绝的机器排序问题的开题报告
题目：工件可拒绝的机器排序问题
一、研究背景
在生产制造领域中，常常需要将一批工件分配到多台机器上进行加工。但是，有时由于某些原因，机器可能会出现故障或需要维修，因此不能保证每台机器都能够接受所有的工件。如果将不能被某台机器接受的工件分配到该机器上，就会导致生产中断或者质量下降。
为了解决这个问题，需要进行机器排序，即将每台机器按照其可以接受的工件集合的大小排序，从而在分配工件时选择可以接受该工件的机器。这个问题被称为工件可拒绝的机器排序问题（Jobshopschedulingproblemwithmachineeligibilityconstraints，JSPMEC）。
二、研究目的
本文旨在研究工件可拒绝的机器排序问题，探讨如何通过有效的算法求解该问题，从而提高生产效率和质量。
三、研究内容
1.研究工件可拒绝的机器排序问题的定义、特点和实际应用情况。
2.对已有的解决方案进行分析和总结，包括精确算法、启发式算法和元启发式算法等，并比较它们的优缺点。
3.提出一种基于元启发式算法的解决方案，该方法将多种启发式算法和优化方法结合起来，达到更好的性能和效果。
4.对所提出的算法进行实验和评估，评估其在不同数据集和环境下的性能和可行性。
四、研究方法
本文将采用实证研究方法，重点研究工件可拒绝的机器排序问题的算法求解方法。具体步骤如下：
1.收集相关文献，了解该问题的研究现状和解决方案。
2.确定元启发式算法的设计和实现方法，包括问题表示、初始化、邻域搜索、选择、评估和终止条件等。
3.选择适当的基准数据集，并将所提出的算法与已有的算法进行比较和评估。
4.对算法的性能和可行性进行分析和总结，提出改进和优化方案。
五、预期成果
通过本研究，预期达到以下目标：
1.对工件可拒绝的机器排序问题进行深入研究，掌握该问题的定义、特点和实际应用情况。
2.对已有的解决方案进行分析和总结，了解它们的优缺点和适用范围。
3.提出一种基于元启发式算法的解决方案，通过实验和评估证明其性能和可行性。
4.对所提出的算法进行改进和优化，提高其求解效率和质量。
五、进度安排
本研究计划于2021年9月开始，至2022年5月结束。具体进度如下：
1.第一阶段（9月-11月）：文献调研和分析，了解工件可拒绝的机器排序问题的研究现状和解决方案。
2.第二阶段（12月-2月）：提出一种基于元启发式算法的解决方案，并完成算法的设计和实现。
3.第三阶段（3月-4月）：对所提出的算法进行实验和评估，评估其在不同数据集上的性能和可行性。
4.第四阶段（5月）：对算法的性能和可行性进行总结和分析，提出改进和优化方案，并撰写论文。
六、参考文献
[1]RuizR,MarotoC,AlcarazJ.SolvingJSPwithmachineeligibilityandsetuptimesusingapermutationcodinggeneticalgorithm[C]//DistributedComputingandArtificialIntelligence.Springer,Berlin,Heidelberg,2011:61-68.
[2]MarotoC,RuizR,AlcarazJ.AnewevolutionaryapproachtosolvetheJSPwithmachineeligibilityconstraints[C]//ComputationalIntelligenceinScheduling.Springer,Berlin,Heidelberg,2009:203-220.
[3]GaoF,ChowdhuryS,LuY.Aheterogeneouslearningparticleswarmoptimizationalgorithmforjobshopschedulingproblemwithmachineeligibilityconstraints[J].Computers&IndustrialEngineering,2015,88:60-71.
[4]RuizR,MarotoC,AlcarazJ.Asurveyofmetaheuristicsforjobshopschedulingwithmachineeligibilityconstraints[J].JournalofScheduling,2013,16(5):503-529.
[5]HouW,YangSJH,LiuJ,etal.Amulti-objectivemachinelearningapproachforjobshopschedulingproblemconsideringmachineeligibilityconstraints[J].Engineer