2023 Fiscal Year Annual Research Report
固有知識と汎用的解法の融合による高性能スケジューリング法の開発
| Project/Area Number |
19K04105
|
|---|
| Research Institution | Hiroshima University |
|---|
Principal Investigator |
江口 透 広島大学, 先進理工系科学研究科(工), 准教授 (80253566)
|
|---|
| Project Period (FY) |
2019-04-01 – 2024-03-31
|
| Keywords | ジョブショップスケジューリング / 優先規則 / ニューラルネットワーク / 遺伝的アルゴリズム |
|---|
| Outline of Annual Research Achievements |
本研究では，多品種少量生産を行う生産システムを対象とし，固有知識と汎用的解法を融合した高性能なスケジューリング法の開発を行うことを目的としている．生産スケジューリング問題の多くはNP困難なクラスに属し，高性能なスケジュールを短時間で作成することは難しい．そこで，生産現場での様々な意思決定場面を想定し，ニューラルネットワークを用いてスケジューリングのための有効な知識の自動学習を行う．さらに，これと汎用的な探索法を組み合わせることによって高性能なスケジューリング法を開発し，生産性の向上を目指す．
令和5年度は引き続きジョブショップスケジューリング問題に対して有効な優先規則をニューラルネットワークによって学習する方法を検討した．これまでの研究成果を踏まえて，能力差を持つ複数の作業者を考慮したジョブショップスケジューリング問題において，納期遵守とそのための残業時間最小化など多目的な評価指標を考慮したスケジューリング問題へ適用した．学習後の優先規則はそのまま単独で利用することも可能であるし，遺伝的アルゴリズムに組み込んだスケジュール探索法として利用することも可能である．この方法によって，従来のスケジュール作成ルールよりを用いるよりも高性能なスケジュール作成が可能であることを確認した．
さらに，より高性能なスケジューリング法としてマルチパススケジューリング法を検討した．NP困難なジョブショップスケジューリング問題に対して一度の解作成で良い解を得ることには限界があるため，比較的少数の複数回の優先規則の適用で高性能なスケジュールを短時間に作成する方法である．学習用スケジュール問題例を分類して学習に用いる方法を検討し，メイクスパン最小化問題に対して有効性を確認した．
|
