车间调度中的数据挖掘技术研究

doi:10.3778/j.issn.1002-8331.2010.22.063

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (22): 217-220.DOI: 10.3778/j.issn.1002-8331.2010.22.063

车间调度中的数据挖掘技术研究

王雯¹，栾飞^1，2，傅卫平¹

1.西安理工大学机械与精密仪器工程学院，西安 710048
2.陕西科技大学机电工程学院，西安 710021

收稿日期:2010-01-13 修回日期:2010-02-23 出版日期:2010-08-01 发布日期:2010-08-01
通讯作者: 王雯

Study on data mining technology in workshop scheduling

WANG Wen¹，LUAN Fei^1，2，FU Wei-ping¹

1.School of Mechanical and Instrumental Engineering，Xi’an University of Technology，Xi’an 710048，China
2.Mechanical & Electrical Engineering College，Shaanxi University of Science and Technology，Xi’an 710021，China

Received:2010-01-13 Revised:2010-02-23 Online:2010-08-01 Published:2010-08-01
Contact: WANG Wen

摘要/Abstract

摘要： 基于Multi-Agent System（MAS）的人机合作技术适合于解决复杂调度问题。为了使人与机能够更好地合作来完成高效、准确的车间调度，引入C4.5算法，建立并实现了基于机器学习和MAS的人机合作车间调度系统仿真模型。在Java环境下，以Weka、JADE为开发平台，以Eclipse为开发工具，Access为后台数据库，完成了系统的开发。通过实例仿真和结果分析，运用机器学习算法动态调度的结果稍优于最佳的静态调度结果，证明了系统的正确性和优越性。

关键词: 数据挖掘, 机器学习, 人机合作, 车间调度, 多Agent系统

Abstract: Abstract： Man-machine cooperation technology based on Multi-Agent System（MAS） is suitable to solve complex scheduling problems.In order to better complete high efficient and accurate shop scheduling by man-machine cooperation，using the algorithm C4.5，a simulation model of man-machine cooperation system of based on machine learning and MAS technology for job shop scheduling is set up and realized.Then using Weka，JADE as the development platform，in the Java environment applying Eclipse as the development tools and Access as the background database，the development of the system has been completed.Though simulation of instances and analysis of experimental result，the results of dynamic scheduling by machine learning algorithm is slightly better than the best results of the static scheduling，which proves the validity and superiority of the system.

Key words: data mining, machine learning, man-machine cooperation, shop scheduling Multi-Agent System（MAS）

中图分类号:

TP18

王雯¹，栾飞^1，2，傅卫平¹. 车间调度中的数据挖掘技术研究[J]. 计算机工程与应用, 2010, 46(22): 217-220.

WANG Wen¹，LUAN Fei^1，2，FU Wei-ping¹. Study on data mining technology in workshop scheduling[J]. Computer Engineering and Applications, 2010, 46(22): 217-220.

[1]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[2]	韦佶宏，郑荣锋，刘嘉勇. 基于混合神经网络的恶意TLS流量识别研究[J]. 计算机工程与应用, 2021, 57(7): 107-114.
[3]	谢锐强，张惠珍. 求解柔性作业车间调度问题的两段式狼群算法[J]. 计算机工程与应用, 2021, 57(7): 251-256.
[4]	张晓丽，张魁星，江梅，魏本征，丛金玉. 淋巴瘤图像分类技术研究综述[J]. 计算机工程与应用, 2021, 57(6): 1-9.
[5]	韩东方，吐尔地·托合提，艾斯卡尔·艾木都拉. 问答系统中问句分类方法研究综述[J]. 计算机工程与应用, 2021, 57(6): 10-21.
[6]	宗晓萍，陶泽泽. 基于掌握速度的知识追踪模型[J]. 计算机工程与应用, 2021, 57(6): 117-123.
[7]	万梦翔，姚寒冰. 面向恶意网页训练数据生成的GAN模型[J]. 计算机工程与应用, 2021, 57(6): 124-130.
[8]	杨晔民，张慧军，张小龙. 随机森林的可解释性可视分析方法研究[J]. 计算机工程与应用, 2021, 57(6): 168-175.
[9]	徐可文，许波，吴英，徐浩然. 机器学习在超声图像中的应用综述[J]. 计算机工程与应用, 2021, 57(4): 11-17.
[10]	王振东，张林，李大海. 基于机器学习的物联网入侵检测系统综述[J]. 计算机工程与应用, 2021, 57(4): 18-27.
[11]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.
[12]	王方，张雪英，胡风云，李凤莲. 集成分类器对脑卒中患者脑电的分类[J]. 计算机工程与应用, 2021, 57(24): 276-282.
[13]	吕品，武秦娟，许嘉. 上市公司文本信息披露智能分析研究综述[J]. 计算机工程与应用, 2021, 57(24): 1-13.
[14]	张隅希，段宗涛，朱依水，王路阳，周祎，郭宇. 机动车油耗模型研究综述[J]. 计算机工程与应用, 2021, 57(24): 14-26.
[15]	安卫超，阎婷，张楠，张杉，相洁，曹锐，王彬. 病理图像纹理分析在胃癌MSI预测中的应用研究[J]. 计算机工程与应用, 2021, 57(24): 205-211.

车间调度中的数据挖掘技术研究

Study on data mining technology in workshop scheduling

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics