社区
数据结构与算法
帖子详情
火车调度--最优策略算法求解
qq_32882553
2018-10-09 01:57:42
N条轨道,上各存放了不同数量的车辆,轨道上车辆信息,数量已知。轨道上的车辆只能允许单向进出,所有轨道都可相连。进出轨道策略为:火车头拉出车辆,将目标车辆推进目标轨道,然后将剩余火车头上车辆推入原轨道。推一次,或拉一次皆为一次操作。在辅助轨道已知为M条,M<N .求将任意多车辆移动到任一轨道位置(车辆可以插入到目标轨道所存车辆中任意位置)的操作次数最少的算法
...全文
481
2
打赏
收藏
火车调度--最优策略算法求解
N条轨道,上各存放了不同数量的车辆,轨道上车辆信息,数量已知。轨道上的车辆只能允许单向进出,所有轨道都可相连。进出轨道策略为:火车头拉出车辆,将目标车辆推进目标轨道,然后将剩余火车头上车辆推入原轨道。推一次,或拉一次皆为一次操作。在辅助轨道已知为M条,M<N .求将任意多车辆移动到任一轨道位置(车辆可以插入到目标轨道所存车辆中任意位置)的操作次数最少的算法
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
2 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
qq_32882553
2018-10-10
打赏
举报
回复
可能说的不太清楚,举个例子:轨道1--- [11,12,13,14,15,16].轨道2--[21,22,23,24,25,26].将轨道1的车辆13,14移动到轨道2的3号位需要的操作步骤为
:1.步骤一:轨道2拉车+4,火车头[23,24,25,26];2.步骤二:轨道1拉车+4,火车头[13,14,15,16,23,24,25,26];3.步骤三:轨道2推车-2,火车头[15,16,23,24,25,26],轨道2:[21,22,13,14];4.步骤四:轨道1推车-2,火车头[23,24,25,26],轨道1:[11,12,15,16];5.步骤五:轨道2推车-4,火车头[],轨道2:[21,22,13,14,23,24,25,26];完成车辆调度,耗费5步操作,火车头累计移动车辆 22辆次。
英雄@末路
2018-10-09
打赏
举报
回复
感觉问题描述不完整。
从一个位置到另外一个位置一次操作就行?或者说不同轨道间都是直接连接还是要中转?任意多车辆到任一位置,那只是要求数量,是否有车辆序号要求?
论文研究-聚合物驱
最优
控制问题
求解
算法
的设计与实现.pdf
在分析公共交通线网发车间隔优化理论的基础上,从公共交通线网间发车间隔对公交网络系统进行优化出发,提出了基于社会总体效益
最优
的思想,构建了公共交通线网发车间隔优化模型,从而解决了智能公交中的线网间智能
调度
的难题,一种新的生物进化
算法
遗传
算法
被引入到问题的
求解
过程中。模型和
算法
应用于长春市的典型线路,获得了较好的优化结果。
论文研究-
求解
作业车间
调度
问题的禁忌分布估计
算法
.pdf
为优化作业车间
调度
问题的解,提出一个禁忌和分布估计的混合
算法
。分布估计
算法
是一种新的进化模式,通过概率优化模型在连续空间进行
求解
;通过对已获得的群体进行选择操作生成优势群体,提出的分布估计
算法
使用单变量边缘分布
算法
构建概率模型,估计离散空间中的联合概率分布,从概率向量采样生成新群体;采用基于工件编号的编码和解码机制保证解的可行性。为提高局部搜索能力,
算法
基于禁忌搜索
算法
设计新的双重移动组合、块禁忌和选择
策略
,在搜索陷入局部
最优
时利用遗传
算法
的变异算子生成新解;
算法
通过混合分布估计
算法
和禁忌搜索
算法
的优点,兼具全局搜索与局部搜索能力,提高了搜索的效率和性能。通过与现有
算法
在典型实例上的实验结果比较,表明该
算法
在
求解
作业车间
调度
问题上具有可行性和有效性。
基于DolphinScheduler构建大数据
调度
平台
Apache DolphinScheduler是一个新一代分布式大数据工作流任务
调度
系统,致力于“解决大数据任务之间错综复杂的依赖关系,整个数据处理开箱即用”。它以 DAG(有向无环图) 的方式将任务连接起来,可实时监控任务的运行状态,同时支持重试、从指定节点恢复失败、暂停及 Kill任务等操作。目前已经有像IBM、腾讯、美团、360等400多家公司生产上使用。
调度
系统现在市面上的
调度
系统那么多,比如老牌的Airflow, Oozie,Kettle,xxl-job ,Spring Batch等等, 为什么要选DolphinScheduler ? DolphinScheduler 的定位是大数据工作流
调度
。通过把大数据和工作流做了重点标注. 从而可以知道DolphinScheduler的定位是针对于大数据体系。 DolphinScheduler是非常强大的大数据
调度
工具,有以下一些特点:1、通过拖拽以DAG 图的方式将 Task 按照任务的依赖关系关联起来,可实时可视化监控任务的运行状态;2、支持丰富的任务类型;3、支持工作流定时
调度
、依赖
调度
、手动
调度
、手动暂停/停止/恢复,同时支持失败重试/告警、从指定节点恢复失败、Kill 任务等操作;4、支持工作流全局参数及节点自定义参数设置;5、支持集群HA,通过 Zookeeper实现 Master 集群和 Worker 集群去中心化;6、支持工作流运行历史树形/甘特图展示、支持任务状态统计、流程状态统计;7、支持补数,并行或串行回填数据。课程会带大家构建DolphinScheduler大数据
调度
平台,实战讲解多种任务
调度
配置,会基于案例讲解DolphinScheduler使用,让大家在实战中掌握DolphinScheduler。 DolphinScheduler 发展很快 很多公司
调度
都切换到了DolphinScheduler,掌握DolphinScheduler
调度
使用势在必行,抓住新技术机遇,为跳巢涨薪做好准备。
论文研究-
最优
子种群遗传
算法
求解
柔性流水车间
调度
问题.pdf
为了验证
最优
子种群遗传
算法
在解决柔性流水车间
调度
问题时相比于传统遗传
算法
的优越性,分析了柔性流水车间
调度
问题的特点,并运用一种新的编码方法和新的遗传
算法
求解
了该问题。考虑到
最优
个体保护
策略
法对复杂问题容易使种群收敛陷入局部
最优
解,为了提高精度、加快较优个体的产生并避免陷入局部
最优
解,首先提出了一种合理、全面的编码方法,并运用
最优
子种群遗传
算法
来
求解
柔性流水车间
调度
问题。最后运用实例验证了
最优
子种群遗传
算法
的有效性、优越性和编码方式的合理性。
论文研究-
求解
多目标作业车间
调度
问题的混合变异杂草优化
算法
.pdf
针对多目标作业车间
调度
问题,提出一种混合变异杂草优化
算法
。该
算法
采用基于各子目标熵值权重的欧氏贴近度作为适应度值计算方法,引导种群向Pareto前端进化。在进化过程中,运用快速非支配排序
策略
构建Pareto档案,并利用进化种群中
最优
个体实时更新Pareto
最优
解集,提升
算法
的优化性能;同时通过引入变异算子增加种群多样性,避免
算法
陷入局部
最优
。最后,基于Benchmark算例的仿真实验,验证了该
算法
求解
多目标作业车间
调度
问题的有效性。
数据结构与算法
33,007
社区成员
35,326
社区内容
发帖
与我相关
我的任务
数据结构与算法
数据结构与算法相关内容讨论专区
复制链接
扫一扫
分享
社区描述
数据结构与算法相关内容讨论专区
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章