Enhancing Evolutionary Solver Efficiency for NP Hard Single Machine Scheduling Problems

这项研究探讨了优化进化求解器参数以最小化单机调度中总滞后时间的问题，这是一个包含零准备时间的NP难题。它研究了各种参数组合，包括种群大小、变异率和恒定收敛率，以及默认值以上和以下的值。其目的是增强求解器在解决这个复杂问题方面的有效性。研究结果有助于提高制造和运营管理背景下的调度效率。

优化进化求解器参数以最小化单机调度中的总滞后时间

通过研究不同的参数组合，包括种群大小、突变率和恒定的收敛速率，来提高求解器在解决这个复杂问题上的效率。

论文探讨了单机调度中的NP-hard问题，并且在没有准备时间的情况下进行了优化。实验结果表明，优化的进化求解器参数可以显著提高调度效率，这对制造业和运营管理等领域具有重要意义。

最近的相关研究包括：1. A hybrid memetic algorithm for the single machine total tardiness scheduling problem. 2. A scatter search algorithm for the single machine total tardiness scheduling problem.