文献

J-GLOBAL ID：202202211213288864   整理番号：22A0777794

AHOA:柔軟なジョブショップスケジューリング問題のための適応的ハイブリッド最適化アルゴリズム【JST・京大機械翻訳】

AHOA: Adaptively Hybrid Optimization Algorithm for Flexible Job-shop Scheduling Problem

著者 (10件)： Ye Jiaxin (School of Informatics, Xiamen University, Xiamen, Fujian, China) ,  Ye Jiaxin (Key Laboratory of Digital Protection and Intelligent Processing of Intangible Cultural Heritage of Fujian and Taiwan, Ministry of Culture and Tourism, Fujian, China) ,  Xu Dejun (School of Informatics, Xiamen University, Xiamen, Fujian, China) ,  Xu Dejun (Key Laboratory of Digital Protection and Intelligent Processing of Intangible Cultural Heritage of Fujian and Taiwan, Ministry of Culture and Tourism, Fujian, China) ,  Hong Haokai (School of Informatics, Xiamen University, Xiamen, Fujian, China) ,  Hong Haokai (Key Laboratory of Digital Protection and Intelligent Processing of Intangible Cultural Heritage of Fujian and Taiwan, Ministry of Culture and Tourism, Fujian, China) ,  Lai Yongxuan (School of Informatics, Xiamen University, Xiamen, Fujian, China) ,  Lai Yongxuan (Key Laboratory of Digital Protection and Intelligent Processing of Intangible Cultural Heritage of Fujian and Taiwan, Ministry of Culture and Tourism, Fujian, China) ,  Jiang Min (School of Informatics, Xiamen University, Xiamen, Fujian, China) ,  Jiang Min (Key Laboratory of Digital Protection and Intelligent Processing of Intangible Cultural Heritage of Fujian and Taiwan, Ministry of Culture and Tourism, Fujian, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13155  ページ： 271-287  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： フレキシブルジョブショップスケジューリング問題(FJSP)は,NP困難であることが証明されている工業生産における典型的なスケジューリング問題である。遺伝的アルゴリズム(GA)は,現在,FJSPタスクに対処する最も広く使われているアルゴリズムの一つである。FJSPを解くためにGAを使用する主な困難は,キーハイパーパラメータを設定し,収束速度を改善する方法にある。本論文では,適応ハイブリッド最適化アルゴリズム(AHOA)と呼ばれる強化学習(RL)に基づくハイブリッド最適化法を提案し,これらの困難を克服した。提案したアルゴリズムは最初にGAと改良変数近傍探索(VNS)を併合し,最適化プロセスへのグローバルおよび局所探索能力の利点を統合することを目指した。次に,二重Q学習はハイブリッドアルゴリズム環境からのフィードバックに従って交差と突然変異率を提供する。本研究の革新は,著者らの方法が遺伝的アルゴリズムにおけるキーハイパーパラメータを適応的に修正できることである。さらに,提案方法はRLにおける動作値の大きな過大評価を避けることができる。実験を最も広く研究されたFJSP事例について評価し,トンボーンアルゴリズム(DA),ハイブリッド灰色鉄雑草アルゴリズム(GIWO),および自己学習GA(SLGA)などを含むいくつかのハイブリッドおよび自己学習アルゴリズムと比較した。結果は,提案方法が平均で12%以上の最新の関連アルゴリズムより優れていることを示した。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  *最適化 ,  速度 ,  *スケジューリング ,  改良 ,  雑草 ,  NP困難 ,  工業生産 ,  強化学習 ,  遺伝的アルゴリズム ,  学習アルゴリズム ,  近傍探索法
準シソーラス用語： 自己学習 ,  収束速度 ,  Q学習 ,  ハイブリッドアルゴリズム , 【Automatic Indexing@JST】

著者キーワード (3件)： 柔軟なジョブショップスケジューリング問題 ,  ハイブリッドアルゴリズム ,  強化学習

分類 (1件)： 工程管理  (KB03030P)

タイトルに関連する用語 (3件)： ジョブショップスケジューリング問題 ,  適応 ,  ハイブリッド最適化アルゴリズム