Video在线视频

现在请咱们各位评委

包括在座的各位同学

都可以提出相关的问题

应该说这个工作我那个

评论人是我

我学习了非常的

不错的一个工作

对五类的问题然后

针对那个果蝇算法

做了很多的这种改良的

这个是创新的一个设计

包括编码啊

特别是在这个协同机制

还有知识驱动这方面

做了比较好的这样的一个工作

论文发表的也非常的不错

这个好话就不说了

我有两个小的问题

第一个问题的话

就是说咱们做了个算法嘛

我看特别的好

设计完之后

然后参数

也用一些方法去优化它

得到好的参数

那在最后比较的时候

有的章节里面

你比如第二章你说你跟GA比了

确实比它好

从数据来结果讲也是比较好

但是我想了解一下

你这个GA的算法是什么样的

是最基本的一个GA的算法

还是说这个GA的算法

是很多人都是公认的

是解决你这类问题

最好的一个算法

跟它继续去比较

因为我觉得可能一个算法的话

最早提出来的一个算法

它可能性能

包括它这方面可能不是最优的

但有可能后面的人在改进它

虽然你的提的果蝇算法

肯定比最早提出果蝇算法的

这个性能肯定要好

这是一个小的问题

就是你的GA比较

它的一个真实水平什么样的

我在书里面没有看到

这是一个

第二个就是

比较感觉兴趣的就是知识

咱们里面就是好几类的

这个问题算法里面

都提到了这个知识

那么有没有思考过

这几类问题里面

就是针对你这个算法

有哪些知识

针对不同的问题

都是一个通用的

能不能总结提炼一下

这是一个

第二个就是说

这个知识你后面怎么管理

假如说以后你师弟师妹们

也想用你这个经验

好的经验怎么让他们去用

有没有一些好的一些好的建议

就这两个小的问题

谢谢

谢谢陶老师

针对第一个问题

由于我所研究的这个

几项工作当中

我所研究的问题

就是对于比如说第二项工作

因为我原先这个工作

目前来说就是

我是第一个研究这个问题的人

然后对于针对这个问题

没有已有的算法

因为它是

因为已有的这种研究问题

它没有考虑这么多的复杂性

所以我所提到的这种GA呢是

第一我是根据我所设计的

算法当中的这种搜索操作

直接与

直接在GA这种搜索机制下面

去实现这种GA

所以这个GA是我所实现的

一个算法的性能

它所采用的操作

跟我所设计的算法当中的

操作是一样的

就是你把你在算法改进的

那个策略还有一个操作

既用到了GA

也用在你改进的那个上面

相当于同等条件下面 是吧

对 对 对

它是在同等条件下面

这是为了比较的公平性

而不是我随随便便的

实现一个GA来进行比较

这样的比较是不公平的

所以它的

我的算法的优势

它主要体现在是一些

我所设计的一些

基于知识驱动的

这种操作设计一些

一些这些方面

来体现这种算法的优越性

针对那个陶老师

提出的第二个问题

是关于这种知识的这种管理

我们所针

所提出的这种知识

都是针对特定的问题

所提出的这种知识

当然另外一方面 它也有

也有这种基于经验知识的这种

所以我的算法设计当中

它包括两类知识

第一类是针对这种

某一个特定的问题

通过分析通过验证

通过证明得到的

这种数学上面的严格的性质

第二类知识是基于这种经验知识

比如说我们可以在

算法当中运用到一些

这种搜索当中所积累这种

这种精英个体他所提供的

这种问题的这种知识

所以有两类的知识

关于第二类的知识

我们是可以在后续的

后续的研究当中

就是作为一种经验

在算法上（03：53）

都可以相应的采用

类似的这种设计

但是关于第一类的知识

就是针对特定的问题

所提出的这种

严格数学证明的这种

问题的性质呢

它因为这种适用条件的限制

它可能需要针对特定的问题

它因为它条件发生了变化

所以它那个知识的性质

也会发生了变化

比如说我那个所提出这个

局部最优的这个判定条件

换一个问题

它的局部最优的判定条件

肯定会发生变化

所以在后续的算法设计当中

如果要采用类似的

类似的环节设计的话

就需要对问题进行深入地分析

获得我们所研究的

这个当个问题当中

它的特定的局部最优的判定条件

才能够采用类似的设计

好 谢谢
我的回答完毕

谢谢陶老师

行 要不然我来（说一些）

那个工作做的非常好

论文的发表各方面都还是不错

当然今天主要是

还是提问题

就是一个是呢就是

我先接了刚才这个谁

陶老师说这个问题

也是关于知识这个问题

就是你这个知识

你是不是有两个层面

一个层面是针对你算法

就是应该是不是能通用

对吧 还有一个呢

可能是面向过程 问题

那么这个第二个问题呢

可能就是很

就是怎么能够引入怎么能够通用

所以我不知道您是不是

通过在规则里面

是把这个变成一个规则

引到你后面对你进行搜索

特别是基于知识搜索

是不是这样来做

就是怎么能把它标准化

你基于问题呢

过去也有很多有在做

但它就列在问题里面了

你这个能不能

因为你本身你这个智能算法

它就是一种标准化

这个里面如何来做

就是说也就是说

你这个混合果蝇算法

实际上是把知识

把这些东西混合进来了

这是第一个问题

第二个呢还有一个跟这也相关

就是说你这个混合算法

果蝇当时主要是以果蝇

因为这也是近几年比较新

那么是不是同样这些问题

是不是我换一个其他算法

是不是也可以有点

还是说你这个就是针对果蝇的

还是说我是针对其他的

可能智能算法

我也有这一些东西可以研究

这是

还有一个呢

就是你这里面是对绿色提出的

对吧

绿色就是

那么在我们流程工业里面

可能这个关键方程不多

过去可能这个

你看制造业都是机床

认为这个能加工

这都是一定的

那么实际上这个

消耗时间或者成本是一定的

那实际上像汽车

它就有一个经济时速

那90公里有可能就是

最好能平稳

能长期运行在里面

如果我就认为我能排好我就让它

这肯定是能耗能降低

是不是有一点类似像这种

那我们在我们流程工院里面呢

它是通过我是节能或成本最低

就放在目标函数里面

我最后也是把这个问题

肯定是要它最小化

或者多目标的优化

或者是单目标的

当然还包含其他

就是这里面

这个就是

你这个里面就是

像这种你怎么来做

也是牵扯一个问题

如何我能把它通用化

就这三个都牵扯一个

就是这些你引入了一些新的东西

都牵扯一个

它是与问题和与过程背景相关

还是说我能够把它通用化

当然这是一个

如何能做通用化

这就很有挑战性也很有意义

好 谢谢黄老师

针对您的第一个问题

就是关于这种知识的这种

我如何在我方法中得到的运用

首先我确实这两类的知识

我主要是可能运用

主要是针对这种问题

问题特性的这种

对 对 对

关于这个方面的知识

我在我的算法设计当中

它可能主要有如下几类的运用

第一是作为一种

这种搜索方向的

这种指导的这种知识

比如说那种局部最优判定条件的

这种类似的这种知识呢

它就可以用于

指导全局搜索和局部搜索

两种方向的这种运用

另外呢也包括这种

关于这种搜索

有效的这种搜索途径

就是如何我一定能够得到

一个有效的解

得到比我现在已有的解

更好的这种方式

比如说在我的第四项工程当中

就关于绿色调度方面

我们基于这种非观

基于这种关键路径的

这种低碳策略

它就是通过这种问题的性质

如何指导这种有效的搜索

我一定能够通过这个搜索

能够找到更好的解找到更多的解

所以在那个

我总体来说我的知识的运用

主要就体现在这两个层面

第一是关于引导这种搜索的方向

第二是关于这种在搜索的过程当中

如何找到更好的解

就一个是搜索方向的选择方面

一个是在一个方向

如何能够深入地搜索

第二个方面就关于我所提出的

这些知识和这种方法

能否运用到其他的这种算法说明

就换一个 不用果蝇算法

用其他的遗传算法是否可行

关于这个问题的回答是肯定的

就是我所设计的这些知识

就包括这种关于

这种搜索方向的选择

以及如何深入进行搜索的

这种知识分析

它都可以运用到其他的方法

也可以用遗传算法来实现

至于这个算法的性能

就需要进入进行进一步的研究

就是否我用这些

用这些我所提出的知识

运用到其他的方法上面

它也同样的能够采用

得到类似的这种算法性能

还需要进一步的研究

关于第三就关于这种

这种整个的

提出来那个绿色调度

这个方面的这种推广性

其实关于这种绿色调度

是一个完全新型的一个方向

就是在实际的生产当中

除了我们以往所考虑的

这种快速性指标

最快的生产出产品

引入了这种关于环境性的

关于这种低碳的

这种指标的情况下呢

这一些问题它的理念

它需要在基于实际的

这种生产过程当中的这种问题

来提出相应的这种问题的模型

就比如说我在这个低碳

低碳排放的过程当中

我所提出的这种在每一个加工

它有多个这种加工的

速度选择上面

可能加工速度越快

它的碳排放越高

这种概率模型

这种问题模型的提出

可能我主要的是基于

这种钢铁行业里面

它这个浇铸当中

它在钢铁制造的这个浇铸

预热的过程当中

比如说它可能用更快的速度

用更大功率去预热它

就可能你提供更多的能耗

它去预热它

那肯定它那个熔化就更快

加工时间越短

但是相应的

它的那个能耗会更高

所以是基于类似的这种问题背景

提出的这种碳排放的模型

可能在不同的

这种实际的调度问题当中

它这个碳排放的模型

或者说这种其他这种经济指标

绿色指标的这种考虑可能有不同

所以这个问题的推广

也是因为问题的不同而不同

我的回答完毕

这个里面它不是说要求最快

它可能要求在满足调度目标

就是我要求这么长时间

把这个产品生产出来

我可能有多余的资源

我让它按斤去比

这可能又这多出了一个目标

就过去我可能只完成

两个目标 三个目标

对 对 对

我可以多了一个我有条件情况下

在有多优化条件

我让它能跨越进来

这跟开车嘛

我车队够了

我可能就跑160、170

那个能耗排很高

我可能跑到几十公里

黄老师您提出的这种

其实是就是

我们在研究这种问题当中

某一种处理方法

就是相当于是

我把一个目标作为一个约束

我在满足这个约束条件下

我尽量的优化另外一个目标

比如说

我在及时能够完工的这种情况下

我尽量让它更经济让它更环保

然而在我 我在开展的过程中

可能是采用的这种

同时考虑两个目标

它得到了一个Pareto的前沿

这样的话你在决策的过程当中

可以根据你的取

你的那个取向

去选择这个Pareto前沿里的

这种调度方案

假如说像黄老师您所提出的这种

您想在某一个

满足某一个约束情况下

您就画一条线

在它左边

您就都是满足您的这种决策方案的

那就在里面选一个

选一个调度方案就能够

实现它的那个决策

可能原来是一个单目标

现在变化一个双目标了

对 对 对

我问两个问题

确实晓龙 确实也做的很好

发了好多文章

也是我们调度里面的那个

非常好的一篇文章

我想问就是你这个

我大致看了你这个论文

你的这个目录里头

第二章 第三章 第四章 第五章

它都是并列的 是吧

您说的是它的

研究问题的

是独立的还是渐进的

您提完了吗还是

等您先提完最后提完

这是一个问题

第二个问题

我看你的创新点

你比如说在问题建模方面

针对这些问题

建立相应的速度模型

我觉得这样子太笼统了

是吧

另外我看你针对不同的问题

大部分都在理论上研究

理论上研究很多

有没有过通过一些

实际的一些数据来进行验证

比如说你

比如你对那个半导体那个测试

是不是也用了一些

真正用了一些

实际的一些数据来进行验证

好吧 就这几个问题

谢谢曹老师

针对您的第一个问题

就是我所研究的

五项工作当中问题

它之间的联系

应该说就是前三项工作

它是一个并列的关系

但是复杂度是足以审

是略微有所不同

然而关于第4项工作

它是第1项工作的一个推广

第5项工作是一个实际的

就是基于我已有的这种资源约束的

这种调度问题的一个应用的探讨

所以它们之间的关系呢

就跟我们那个 画的那个

画的那个研究规划当中的

那个图当中它是一样的

关于您的这个第二个问题

就是这个模利率数学模型的

这种创新点来说

就是确实我们

我们所研究的重点

主要是在求解这个实际的调度

求解这个相应的调度问题

在解决这个问题的层面上面

而它这个数学模型

只是一个数学化的表示

除了第二项工作当中我们确实

因为它这个问题相对而言

相对其他后面的几个问题

它比较简单

可以直接用CPLEX求解

所以它有那个直接的

模型有直接应用

后续几个

问题的模型它只是一个数学化的表示

而不是我们研究的重点

所以可能就是表述上面可能就

如您所说稍微笼统了一些

然后关于

关于这个第3点

您说的第三个问题是

第三个问题是

咱们针对不同的问题

针对不同问题的实际探讨

可能就是我们那个

研究到当中前4个问题

它可能就是

就是一个理论方面的研究

它的数据呢是

就是国际上可能大家都采用

这种通用的测试集

而关于那个

最后一项工作的这种

应用探讨的那个数据

确实是我们从那个

台湾半导体的那个

台湾那个那边的（简成富）教授

他们那个课题组

他们可能就是直接跟这个半导体制

实际的半导体公司进行一个合作

他们的数据

然后我们是在他们的数据的基础上

进行相应的研

应用探讨的研究

所以那个数据是

至少是基于实际的这种

生产车间中的数据而来的

好

谢谢曹老师

我问几个问题不一定对

我觉得你工作做的非常好

我也评选过你的这个论文

我问的问题比较简单

这第一个呢

就是说你这个资源约束

就是除了你刚才说的

搜索空间大以外

它和过去的调度问题

本质上的差别是什么

也就是说过去机床调度了

现在加了个人工

由于这个人只能干几台机床

所以呢把我们搜索空间

这个结构就变了

所以这个问题

是不是只用规模大就代替了呢

这是第一个问题

这个问题我觉得很重要

第二个问题呢

就是你在最后的创新点总结上呢

你说了一个用到了这个多种群

我也听了你介绍的有双列表

对吧

双这个搜索的这个

然后有多操作多策略的协同

你讲的这个东西

是你算法内部的

还是讲问题的

就是多种群多操作多策略的协同

是指你的算法内部的协同

还是指你要讲调度问题的协同

而如果你是算法内部的协同的话

这样的一个三个多超级复杂

工作量不低啊

你就回答一下这两个问题

谢谢范老师

针对您的这个第一个问题

就是资源约束它所带来的不同点

到底跟传统的

不考虑资源约束的调度问题

它有什么不同

它这个就是确实这个

解空间增大是一个最直观的

最直观的一个不同

但是实际上它带来的复杂性

远超于解空间增大

因为有资源约束以后

它对就是没有不考虑资源约束

它工件之间

它的排序是没有影响的

就是你可以

就是你可以随时都可以执行

但是你一旦考虑了资源约束以后

就是你这个工件

虽然你排在后面一个工件之前

但是你不一定能够

能够马上就能够执行

就执行加工

你得要有相应的资源分配以后

你才能够执行

所以它这个

多个问题之间的耦合性

它比不考虑资源约束要强很多

所以

所以它各个问题之间

必须要耦合处理

不能够单独地进行

不能够单独地进行处理

所以它的

它的求解难度是要大很多很多的

我觉得这个问题是求解空间大

还是说约束复杂了

实际求解空间减少了

它的占地小了

看它怎么想了

如果他们当成约束的话

实际上就可行空间小了

如果他把约束转化成

放到那个方程里面去解

求解空间大了

对 对 对 是这样子的

另外就是第二个问题就是协同

我所提出的这种协同

主要是算法内部的协同

对

我所提出的这多种协同它有时候

并不是我所有的方法都用了

都用了

就是都用了这三种协同

而只针对不同的问题

你如果问题的难度特别复杂

确实有时候需要

需要采用这种多种协同的方式

另外我们在采用这种

这种协同方式的时候

会根据这种问题的特性

有时候它

有时候它可能需要

多种操作的协同

有时候

它可能需要多种策略的协同

比如说它如果只有

我的多策略协同主要是

针对这种多目标处理的时候

有时候如果你只有单个目标

你就不需要这种多策略的协同

而关于这个多种

这种搜索机制的这种协同方面呢

它主要是针对这种多个子问题

多个子问题的时候设计的

所以它在采用做

各种协同方式的时候

是要根据问题的复杂度

它也要根据特定的问题特定的分析

并不是笼统的统一

所有的问题都采用这种协作方式

所以这个

这个协同的这种设计呢

还是需要建立在

对于这个问题的特性

或者是说解空间的

这种分布特性的

有一定的了解的基础上

才能采取相应的合适的设计

谢谢 范老师

各位同学有什么问题

没有了

好 那就谢谢郑晓龙

我们的提问就到这里了

经过答辩委员会认真讨论

我们已经通过了你的答辩

现在呢 我代表答辩委员会

宣读一下答辩决议

论文研究了几类典型的

资源约束调度问题

选题具有重要的

理论意义和应用价值

论文创新性成果如下

第一

针对资源约束不相关并行期调度问题

设计了最大剩余总负荷优先的

资源分配规则和搜索模式的

自适应选择机制

提出了一种

两阶段自适应果蝇算法

进而设计了

基于关键路径的低碳策略

提出了绿色调度问题的

一种协同多目标果蝇算法

二 针对资源约束

柔性作业车间调度问题

设计了基于资源组合队的

编码机制和知识引导的

协作搜索环节

提出了一种知识引导的果蝇算法

三 针对多技能

能力资源（约束）项目调度问题

设计了基于任务例表

和资源分配列表的

双列表编码机制

和资源分配概率向量

提出了一种多目标果蝇算法

四 将半导体最终测试调度问题

设计了基于操作序列

和机器分配的双向量编码方式

提出了一种离散果蝇算法

论文工作表明

郑晓龙同学掌握了本学科

坚实宽广的基础理论

和系统深入的专门知识

独立从事学术研究的能力强

论文写作规范

条理分明阐述清楚

答辩过程中表述清楚

回答问题正确

答辩委员会经无记名投票

五人一致同意通过博士论文答辩

并一致建议授予郑晓龙同学

工学博士学位

经无记名投票

答辩委员会一致同意推荐参评

清华大学校级优秀博士论文

谢谢各位老师

好 祝贺

谢谢各位老师

谢谢各位老师