| 研究概要 |
1, 探索空間分解法による大規模スケジューリング問題の解法
GAを用いて実用規模の問題を解くには,大規模な変数を取扱わなければならない。そのために,複数の染色体で個体を表現することにより,探索空間を分解し,分解された部分探索空間内でヒューリスティックスを導入して効率的探索が可能となる方法を提案した。
2, 制約条件を柔軟に抜うための遺伝アルゴリズムの構成法
GAを用いて最適化問題を解く最大の問題点は制約条件の扱いにある。本研究では,個体表現や遺伝演算子の構成の仕方を工夫することにより,致死遺伝子の発生を極力防ぐ方法を提案した。
3, 遺伝アルゴリズムによる再スケジューリング法
スケジューリングの条件に変動が生じたとき,新たにスケジュールを作成しなおす必要性は現実に多い。GAにおいて個体群の多様性に注目してこの問題を検討し,比較的単純な方法で再スケジューリング時の初期個体群を構成する方法を提案した。
4, 種々の制約が付加した大規模ジョブショップ工程の最適スケジュール
現実の生産プロセスへの適用例として,製品投入に関する先行制約,種類の異なる並列機械の存在などの複雑な制約が付加された大規模なジョブショップ問題を取り上げ,実行可能解を得るための個体表現法および大規模な探索に対するヒューリスティックスの導入法を提案した。
5, 並列機械システムが複数個直列結合したフローショップ工程の最適スケジュール
並列機械システムが複数個直列に結合し,しかもそれらの機能が異質のため待時間や製品の追い越しが生じていわゆる流れ作業的にならないフローショップ工程の最適スケジュールを求めるGAの構成法を提案した。
|
