项目名称: 两类复杂机器环境的现代排序研究

项目编号: No.11201105

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 数理科学和化学

项目作者: 张安

作者单位: 杭州电子科技大学

项目金额: 22万元

中文摘要: 现代排序的发展趋势是机器的环境趋于复杂化,其中机器有禁用区间和机器带加工权限是两类典型情形,本项目主要研究这两类复杂机器环境的现代排序,核心内容是近似算法、在线算法的设计与分析.对有禁用区间的排序问题,重点研究机器环境为平行机或者目标函数为极小化(赋权)总完工时间的情形,研究禁用区间周期性出现、禁用区间可移动和随机禁用区间等模型,并分析工件可恢复、工件可跨越对算法设计和算法性能的影响.对带加工权限的排序问题,研究问题的计算复杂性和可近似性,研究在线算法的设计和竞争比的分析,特别是预知部分信息的(半)在线模型和工件实时到达的在线模型,考虑设计问题的最优算法.我们还将开展带加工权限排序的应用研究.对这些问题的研究一方面有益于排序理论的发展,另一方面也为排序到实际应用中的转化和推广提供技术支撑.因此本项目的研究既有理论价值,又有实际意义,是一项有创造性和前瞻性的研究工作.

中文关键词: 排序;近似算法;计算复杂性;竞争比分析;

英文摘要: In modern scheduling, the machine environments are becoming more and more complicated, among which, the environment with machine non-availability periods and that with machine eligibility restrictions might be of most significance. This project mainly con

英文关键词: scheduling;approximation algorithm;computational complexity;competitive analysis;

成为VIP会员查看完整内容
0

相关内容

排序是计算机内经常进行的一种操作,其目的是将一组“无序”的记录序列调整为“有序”的记录序列。分内部排序和外部排序。若整个排序过程不需要访问外存便能完成,则称此类排序问题为内部排序。反之,若参加排序的记录数量很大,整个序列的排序过程不可能在内存中完成,则称此类排序问题为外部排序。内部排序的过程是一个逐步扩大记录的有序序列长度的过程。
信息物理融合系统 (CPS)研究综述
专知会员服务
43+阅读 · 2022年3月14日
牛津大学发布60页最新《强化学习金融应用进展》综述论文
专知会员服务
121+阅读 · 2021年8月25日
专知会员服务
39+阅读 · 2021年6月2日
深度强化学习在智能制造中的应用展望综述
专知会员服务
93+阅读 · 2021年1月28日
【NeurIPS 2020 Tutorial】离线强化学习:从算法到挑战,80页ppt
专知会员服务
70+阅读 · 2020年12月7日
【ICML2020】机器学习无参数在线优化,294页ppt
专知会员服务
54+阅读 · 2020年8月1日
深入理解强化学习,看这篇就够了
PaperWeekly
5+阅读 · 2021年11月28日
不断发展的强化学习算法
TensorFlow
2+阅读 · 2021年5月20日
已删除
将门创投
10+阅读 · 2018年5月2日
干货|深度强化学习在面向任务的对话管理中的应用
全球人工智能
13+阅读 · 2017年9月14日
【强化学习】强化学习入门以及代码实现
产业智能官
18+阅读 · 2017年9月4日
技术 | 强化学习入门以及代码实现
AI100
51+阅读 · 2017年8月26日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
64+阅读 · 2022年4月13日
Arxiv
11+阅读 · 2021年3月25日
Transfer Adaptation Learning: A Decade Survey
Arxiv
37+阅读 · 2019年3月12日
Deep Reinforcement Learning: An Overview
Arxiv
17+阅读 · 2018年11月26日
A Multi-Objective Deep Reinforcement Learning Framework
小贴士
相关资讯
深入理解强化学习,看这篇就够了
PaperWeekly
5+阅读 · 2021年11月28日
不断发展的强化学习算法
TensorFlow
2+阅读 · 2021年5月20日
已删除
将门创投
10+阅读 · 2018年5月2日
干货|深度强化学习在面向任务的对话管理中的应用
全球人工智能
13+阅读 · 2017年9月14日
【强化学习】强化学习入门以及代码实现
产业智能官
18+阅读 · 2017年9月4日
技术 | 强化学习入门以及代码实现
AI100
51+阅读 · 2017年8月26日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员