Optimal job scheduling

http://dbpedia.org/resource/Optimal_job_scheduling

Die Klassifikation von Maschinenbelegungsmodellen ist ein in der Maschinenbelegungsplanung gebräuchliches Schema um die Vielzahl der vorhandenen Modelle zu klassifizieren. Gebräuchlich ist dabei folgende Darstellung: mit : Maschinencharakteristik : Auftragscharakteristik : Zielsetzung symbolisiert beispielsweise ein Modell mit identischen und parallelen Maschinen (IP) und hat als Zielsetzung die Minimierung der Durchlaufzeit (D). Jeder der Aufträge besteht dabei aus genau drei Arbeitsgängen. rdf:langString
Optimal job scheduling is a class of optimization problems related to scheduling. The inputs to such problems are a list of jobs (also called processes or tasks) and a list of machines (also called processors or workers). The required output is a schedule – an assignment of jobs to machines. The schedule should optimize a certain objective function. In the literature, problems of optimal job scheduling are often called machine scheduling, processor scheduling, multiprocessor scheduling, or just scheduling. rdf:langString
Problemi di schedulazione nel processo produttivo, ciclo di ottimizzazione della fabbrica. I problemi di schedulazione nella loro forma più semplice consistono in un certo numero di lotti da realizzarsi per mezzo di un dato numero di macchine, ogni lotto presenta una serie di operazioni che devono essere svolte dalle varie macchine in una specifica sequenza: il problema è determinare una schedulazione ammissibile che impieghi il minimo tempo totale. Per n lotti assegnati da lavorare per mezzo di m macchine si adottano le seguenti ipotesi: rdf:langString
Задача об оптимальном планировании работы (англ. Optimal job scheduling) — комбинаторной оптимизации, заключающаяся в составлении расписаний. Входными данными задачи является список из задач и их продолжительностей и количество машин , на которых эти задачи могут выполняться. В зависимости от вариации проблемы могут быть добавлены дополнительные ограничения на скорость выполнения машинами задач. В результате алгоритм должен найти такое распределение задач по машинам, что задачи будут выполнены за минимально возможное время. Задачи не предусматривают наличие дедлайнов, поэтому последовательность их обработки может быть любой. NP-полнота задачи доказывается через редукцию к задаче о сумме подмножеств, так как она является частным случаем задачи об оптимальном планировании работы для колич rdf:langString
rdf:langString Klassifikation von Maschinenbelegungsmodellen
rdf:langString Notazione per i problemi di schedulazione
rdf:langString Optimal job scheduling
rdf:langString Задача об оптимальном планировании работы
xsd:integer 5498479
xsd:integer 1075462361
rdf:langString Die Klassifikation von Maschinenbelegungsmodellen ist ein in der Maschinenbelegungsplanung gebräuchliches Schema um die Vielzahl der vorhandenen Modelle zu klassifizieren. Gebräuchlich ist dabei folgende Darstellung: mit : Maschinencharakteristik : Auftragscharakteristik : Zielsetzung symbolisiert beispielsweise ein Modell mit identischen und parallelen Maschinen (IP) und hat als Zielsetzung die Minimierung der Durchlaufzeit (D). Jeder der Aufträge besteht dabei aus genau drei Arbeitsgängen.
rdf:langString Optimal job scheduling is a class of optimization problems related to scheduling. The inputs to such problems are a list of jobs (also called processes or tasks) and a list of machines (also called processors or workers). The required output is a schedule – an assignment of jobs to machines. The schedule should optimize a certain objective function. In the literature, problems of optimal job scheduling are often called machine scheduling, processor scheduling, multiprocessor scheduling, or just scheduling. There are many different problems of optimal job scheduling, different in the nature of jobs, the nature of machines, the restrictions on the schedule, and the objective function. A convenient notation for optimal scheduling problems was introduced by Ronald Graham, Eugene Lawler, Jan Karel Lenstra and Alexander Rinnooy Kan. It consists of three fields: α, β and γ. Each field may be a comma separated list of words. The α field describes the machine environment, β the job characteristics and constraints, and γ the objective function. Since its introduction in the late 1970s the notation has been constantly extended, sometimes inconsistently. As a result, today there are some problems that appear with distinct notations in several papers.
rdf:langString Problemi di schedulazione nel processo produttivo, ciclo di ottimizzazione della fabbrica. I problemi di schedulazione nella loro forma più semplice consistono in un certo numero di lotti da realizzarsi per mezzo di un dato numero di macchine, ogni lotto presenta una serie di operazioni che devono essere svolte dalle varie macchine in una specifica sequenza: il problema è determinare una schedulazione ammissibile che impieghi il minimo tempo totale. Nel seguito si descrive lo schema di classificazione introdotto nella pubblicazione di Graham, Lawler, Lenstra, e Rinnooy Kan Optimization and Approximation in Deterministic Sequencing and Scheduling: a Survey del 1979 per identificare le tipologie dei problema di schedulazione. Lo schema di classificazione fa ricorso a tre campi che riflettono nell'ordine le caratteristiche delle macchine, delle operazioni ed infine specificano il criterio di prestazione (funzione obiettivo) adottato per valutare la schedula. Per n lotti assegnati da lavorare per mezzo di m macchine si adottano le seguenti ipotesi: * ogni macchina può lavorare un solo lotto alla volta * ogni lotto può essere lavorato da una ed una sola macchina alla volta Inoltre si ritiene che i tempi delle lavorazioni e tutti gli altri parametri siano noti e fissati: pertanto i problemi di schedulazione esaminati saranno implicitamente di tipo deterministico a differenza dei problemi stocastici in cui i tempi delle lavorazioni e gli altri parametri sono incerti ed aleatori.
rdf:langString Задача об оптимальном планировании работы (англ. Optimal job scheduling) — комбинаторной оптимизации, заключающаяся в составлении расписаний. Входными данными задачи является список из задач и их продолжительностей и количество машин , на которых эти задачи могут выполняться. В зависимости от вариации проблемы могут быть добавлены дополнительные ограничения на скорость выполнения машинами задач. В результате алгоритм должен найти такое распределение задач по машинам, что задачи будут выполнены за минимально возможное время. Задачи не предусматривают наличие дедлайнов, поэтому последовательность их обработки может быть любой. NP-полнота задачи доказывается через редукцию к задаче о сумме подмножеств, так как она является частным случаем задачи об оптимальном планировании работы для количества машин .
xsd:nonNegativeInteger 18432

data from the linked data cloud