2020
DOI: 10.1016/j.eswa.2019.112920
|View full text |Cite
|
Sign up to set email alerts
|

A new history-guided multi-objective evolutionary algorithm based on decomposition for batching scheduling

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
1
1
1
1

Citation Types

0
3
0
1

Year Published

2021
2021
2023
2023

Publication Types

Select...
8
1

Relationship

0
9

Authors

Journals

citations
Cited by 14 publications
(4 citation statements)
references
References 40 publications
0
3
0
1
Order By: Relevance
“…Este trabalho investiga AGMOs na soluc ¸ão de um POMR aplicado a SB de produtos farmacêuticos com demandas estocásticas de produtos. Um AGMO baseado no algoritmo NSGA3 a um escalonamento com três objetivos é proposto integrado à uma busca local competitiva que ajusta as posic ¸ões das tarefas para acelerar a convergência [Jia et al 2020]. O método incorpora uma estratégia de reinserc ¸ão baseada no elitismo, retendo metade da populac ¸ão e gerando as soluc ¸ões restantes com base em informac ¸ões históricas e características extraídas das melhores soluc ¸ões.…”
Section: Revisão Bibliográficaunclassified
“…Este trabalho investiga AGMOs na soluc ¸ão de um POMR aplicado a SB de produtos farmacêuticos com demandas estocásticas de produtos. Um AGMO baseado no algoritmo NSGA3 a um escalonamento com três objetivos é proposto integrado à uma busca local competitiva que ajusta as posic ¸ões das tarefas para acelerar a convergência [Jia et al 2020]. O método incorpora uma estratégia de reinserc ¸ão baseada no elitismo, retendo metade da populac ¸ão e gerando as soluc ¸ões restantes com base em informac ¸ões históricas e características extraídas das melhores soluc ¸ões.…”
Section: Revisão Bibliográficaunclassified
“…The high flexibility and complexity of IPPS need a broad archive size for pheromone trail, which needs lots of computation time to test them. The author had proposed an approach that increases the pheromone by a constant incremental amount without allowing evaporation, as in equation (22). Author suggested that this updating feature saves a lot of computational energy because it only updates a few edges that belong to one solution path rather than the entire pheromone trail.…”
Section: Ant Systemmentioning
confidence: 99%
“…The elite replacement strategy (Wang and Liu, 2019;Jia et al, 2020) is implemented to preserve the elite solution with the highest fitness value and replace the worst solution in the next generation. This strategy can prevent the elite solution from being lost and accelerate the convergence of the EABC algorithm.…”
Section: ) Elite Replacement Strategymentioning
confidence: 99%