| DC Field | Value | Language |
|---|
| dc.contributor.author | Папкович, П. П. | - |
| dc.contributor.author | Шелоткач, П. В. | - |
| dc.coverage.spatial | Минск | en_US |
| dc.date.accessioned | 2025-07-22T07:51:37Z | - |
| dc.date.available | 2025-07-22T07:51:37Z | - |
| dc.date.issued | 2025 | - |
| dc.identifier.citation | Папкович, П. П. Гибридные алгоритмы оптимизации для задач распределенного поточного производства = Hybrid optimization algorithms for distributed flow production problems / П. П. Папкович, П. В. Шелоткач // Актуальные вопросы экономики и информационных технологий : сборник материалов докладов 61-й научной конференции аспирантов, магистрантов и студентов БГУИР, Минск, 20–25 апреля 2025 г. / Белорусский государственный университет информатики и радиоэлектроники. – Минск, 2025. – С. 128–130. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/60901 | - |
| dc.description.abstract | Распределенное поточное производство характеризуется высокой вычислительной сложностью и разнообразием ограничений, что требует эффективных методов оптимизации. Особую роль играют гибридные алгоритмы, сочетающие эвристические и метаэвристические подходы для быстрого получения качественных решений. В статье рассматриваются двухэтапный кооперативный коэволюционный алгоритм (TS-CCEA) и дискретный обучающийся алгоритм плодовой мушки (DKLFOA) Анализируются их применение для задач с различными ограничениями, а также преимущества и недостатки. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | БГУИР | en_US |
| dc.subject | материалы конференций | en_US |
| dc.subject | планирование | en_US |
| dc.subject | оптимизация | en_US |
| dc.subject | поточное производство | en_US |
| dc.subject | гибридные алгоритмы | en_US |
| dc.subject | энергоэффективность | en_US |
| dc.title | Гибридные алгоритмы оптимизации для задач распределенного поточного производства | en_US |
| dc.title.alternative | Hybrid optimization algorithms for distributed flow production problems | en_US |
| dc.type | Article | en_US |
| local.description.annotation | Distributed flow production is characterized by high computational complexity and a variety of limitations, which requires effective optimization methods. Hybrid algorithms that combine heuristic and metaheuristic approaches to quickly obtain high-quality solutions play a special role. The article discusses a two-stage cooperative coevolutionary algorithm (TS-CEA) and a discrete learning fruit fly algorithm (DKLFOA). Their application for tasks with various limitations, as well as advantages and disadvantages are analyzed. | en_US |
| Appears in Collections: | Актуальные вопросы экономики и информационных технологий : материалы 61-й научной конференции аспирантов, магистрантов и студентов (2025)
|
