基于启发式算法的投标值优化解决方案

2023-06-20 理论教育版权反馈

【摘要】：由于半导体制造系统属于典型的Np-hard 问题，传统的运筹学方法会带来繁杂的数据运算从而很难进行优化，在实际应用中通常是寻求计算效率高、优化效果较好的启发式算法，本书给出求解该目标函数的一种启发式优化算法，具体启发式算法流程图如图4-5 所示，其步骤如下：Step 1： CCij信息初始化，t ＝0；Step 2： Dik需求招标值下达，wi 权重系数给定( i ＝1， 2， …

由于半导体制造系统(semiconductor manufacturing system，SMS)属于典型的Np-hard 问题，传统的运筹学方法会带来繁杂的数据运算从而很难进行优化，在实际应用中通常是寻求计算效率高、优化效果较好的启发式算法，本书给出求解该目标函数的一种启发式优化算法，具体启发式算法流程图如图4-5 所示，其步骤如下：

Step 1： CCij信息初始化，t ＝0；

Step 2： Dik需求招标值下达，wi 权重系数给定( i ＝1， 2， …，n； j ＝1， 2， …， m； k ＝1， 2， …， K)；

Step 3：查询权重最大的Maxwi，赋予wi ＝Max(wi)；

Step 4：将权重值最高的产品Prodi 的需求Dik 寻求产能Capijk匹配，将产能进行最小化排序，查找MinCapijk， if MinCapijk 满足Prodi 需求， goto Step 5； Otherwise，继续寻找产能完成under supported 的需求Gapik，将最终确定产能，转Step 5；

Step 5：根据确定的产能Capijk 经过同一化处理作为产品Prodi的承诺值，之后，分析晶元Die 是否满足。 If Dieik -Capijk ≥0， goto Step6；Otherwise，继续寻找Die under-supported，并最终确定Dieik，goto Step 7；

Step 6：Rijk ＝Min{Capijk， Dieik}， goto Step 7；

Step 7：搜索if i ＝n， if not，i ＝i + 1， go to Step 1； Otherwise goto Step 8；

Step 8：输出投标值矩阵[Rijk] 给管理Agent，投标结束。

基于启发式算法的投标值优化解决方案

相关推荐