| 研究実績の概要 |
本年度の研究では、動的なジョブショップ環境におけるスケジューリング問題を対象とした割り付け規則に関する研究を行い、ニューラルネットワークを用いた割り付け規則の学習方法を提案した。代表的なスケジューリング問題であるジョブショップスケジューリング問題（Job-shop Scheduling Problem, JSP）は、静的環境と動的環境における問題の二つに大きく分けられる。静的ジョブショップ環境において、投入される仕事が作業に要する仕事や機械はスケジュールを求める時点で既知である。一方で、動的ジョブショップ環境では、投入される仕事の平均作業時間など，統計的情報は入手可能であるものの、個々の仕事に関する具体的な作業時間は、仕事が実際に投入されるまで得ることはできない。このため、動的環境では，決められた割り付け規則に従い処理する仕事を決定する方法が主である。
本年度の研究では、動的ジョブショップ環境における効果的な割り付け規則の導出方法を求めることを目的とした。動的環境における割り付け規則に関しては、様々な指標に基づく規則が考案されている。こうした複数の指標を基に、数式やニューラルネットワークによって割り付け規則を表現し、これを最適化することで、優れた性能を持つ割り付け規則を探索する方法の研究が盛んに行われている。こうした方法により得られる割り付け規則は、特定の動的環境のみを対象として探索する場合は高い性能を持つ一方で、特徴の異なる２種類以上の動的環境すべてに対して効率的な割り付け規則を探索することは困難である。そこで、優先度を計算する対象の仕事に関する指標だけではなく、同一の機械で処理を待つ他の仕事に関する指標を入力するニューラルネットワークの構造を考案し、その結合強度を最適化することで、複数の動的環境において優れた性能を示す割り付け規則を導出する方法を提案した。
|
