.png){kind=icon}
返回
Factory layout planning using quantum annealing
.png){kind=icon}
OA
AI
DOI：10.1016/j.cirp.2025.03.013.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
工厂布局规划是制造系统设计的核心任务，影响运输路线、吞吐时间和资源利用率。尽管手动方法和传统近似方法因时间和质量限制往往无法满足工业需求，量子退火提供了一种有前景的替代方案。本文介绍了一种用于自动化工厂布局规划的约束二次模型，整合了多准则目标和可扩展性。利用工业场景的数据，该方法与适用于绿地和棕地规划的 nondominated sorting genetic algorithm II 进行了基准对比。结果表明，通过降低运输强度和空间优化，量子退火在解的质量上表现更优。
Keyword:
Factory
Planning
Quantum computing
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
C
IF:
0
论文数:
200
被引数:
1
机构
暂无机构信息
引用论文
.png){kind=icon}
分享收藏Multiobjective evolutionary algorithms: A comparative case study and the Strength Pareto approach多目标进化算法: 比较案例研究和强度帕累托方法
PREAI
分享收藏
分享收藏Multi-objective Quantum Annealing approach for solving flexible job shop scheduling in manufacturingOAAI
OAAI分享收藏分享收藏分享收藏
查看更多内容