ترجمه فارسی مقاله توسعه یک انتخابگر الگوریتم برای پیکربندی سبز در مسائل زمان بندی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Developing an Algorithm Selector for Green Configuration in Scheduling Problems
عنوان مقاله به فارسی توسعه یک انتخابگر الگوریتم برای پیکربندی سبز در مسائل زمان بندی
نویسندگان Carlos March, Christian Perez, Miguel A. Salido
فرمت مقاله انگلیسی PDF
تعداد صفحات 11
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Artificial Intelligence,هوش مصنوعی ,
توضیحات Submitted 13 September, 2024; originally announced September 2024. , MSC Class: 90C27
توضیحات به فارسی ارسال شده 13 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد. ، کلاس MSC: 90C27
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

The Job Shop Scheduling Problem (JSP) is central to operations research, primarily optimizing energy efficiency due to its profound environmental and economic implications. Efficient scheduling enhances production metrics and mitigates energy consumption, thus effectively balancing productivity and sustainability objectives. Given the intricate and diverse nature of JSP instances, along with the array of algorithms developed to tackle these challenges, an intelligent algorithm selection tool becomes paramount. This paper introduces a framework designed to identify key problem features that characterize its complexity and guide the selection of suitable algorithms. Leveraging machine learning techniques, particularly XGBoost, the framework recommends optimal solvers such as GUROBI, CPLEX, and GECODE for efficient JSP scheduling. GUROBI excels with smaller instances, while GECODE demonstrates robust scalability for complex scenarios. The proposed algorithm selector achieves an accuracy of 84.51\% in recommending the best algorithm for solving new JSP instances, highlighting its efficacy in algorithm selection. By refining feature extraction methodologies, the framework aims to broaden its applicability across diverse JSP scenarios, thereby advancing efficiency and sustainability in manufacturing logistics.

چکیده به فارسی (ترجمه ماشینی)

مشکل برنامه ریزی فروشگاه شغلی (JSP) برای تحقیقات عملیات مهم است ، که در درجه اول به دلیل پیامدهای عمیق محیطی و اقتصادی آن ، بهره وری انرژی را بهینه می کند.برنامه ریزی کارآمد معیارهای تولید را تقویت می کند و مصرف انرژی را کاهش می دهد ، بنابراین به طور مؤثر در بهره وری و اهداف پایداری متعادل می شود.با توجه به ماهیت پیچیده و متنوع نمونه های JSP ، همراه با آرایه الگوریتم های توسعه یافته برای مقابله با این چالش ها ، یک ابزار انتخاب الگوریتم هوشمند مهم می شود.در این مقاله چارچوبی طراحی شده است که برای شناسایی ویژگی های مشکل کلیدی که پیچیدگی آن را توصیف می کند و انتخاب الگوریتم های مناسب را راهنمایی می کند.تکنیک های یادگیری ماشین اعمال ، به ویژه XGBoost ، این چارچوب برای برنامه ریزی کارآمد JSP ، حلال های بهینه مانند Gurobi ، CPLEX و GECODE را توصیه می کند.گوروبی با نمونه های کوچکتر برتری دارد ، در حالی که Gecode مقیاس پذیری قوی برای سناریوهای پیچیده را نشان می دهد.انتخاب الگوریتم پیشنهادی در توصیه بهترین الگوریتم برای حل نمونه های جدید JSP ، به دقت 84.51 \ ٪ دست پیدا می کند ، و اثربخشی آن را در انتخاب الگوریتم برجسته می کند.با تصفیه روشهای استخراج ویژگی ، این چارچوب با هدف گسترش کاربرد آن در سناریوهای متنوع JSP ، از این طریق کارآیی و پایداری در ساخت تدارکات را پیش می برد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.