《表2 算法对比情况:面向云制造资源调度预测的学习模型》
从表1和表2中可以看出,ONBA对于不同任务数和不同工序数的云制造批量生产所产生的时间开销绝大多数情况下均小于MPSO和DE,NBA算法.在本文的模型中,还加入了物流因素,所以ONBA算法所要求解的问题的复杂度更高.从表1和表2可以看出,除了ONBA算法之外其他的三种算法中当模型迭代完成后它们的最优解相差不大,这是由于这些单一的算法虽然有着各自的优点但在问题复杂度较高时,很难发挥出各自的优点,不能完全展示出其在大规模劣质解包围下搜索最优解的能力.ONBA算法则是结合上面的算法的优点使得搜索能力强于上述的三种算法的搜索能力.
图表编号 | XD0060248200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.01 |
作者 | 简琤峰、姜晨、张美玉 |
绘制单位 | 浙江工业大学计算机学院数字媒体技术研究所、浙江工业大学计算机学院数字媒体技术研究所、浙江工业大学计算机学院数字媒体技术研究所 |
更多格式 | 高清、无水印(增值服务) |