論文の概要: Solving a Multi-resource Partial-ordering Flexible Variant of the
Job-shop Scheduling Problem with Hybrid ASP
- arxiv url: http://arxiv.org/abs/2101.10162v2
- Date: Tue, 26 Jan 2021 09:07:04 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-15 05:10:35.993516
- Title: Solving a Multi-resource Partial-ordering Flexible Variant of the
Job-shop Scheduling Problem with Hybrid ASP
- Title(参考訳): ハイブリッドaspによるジョブショップスケジューリング問題のマルチリソース部分順序付けフレキシブル変種解決
- Authors: Giulia Francescutto, Konstantin Schekotihin, Mohammed M. S. El-Kholany
- Abstract要約: 我々は、MPF-JSS(Multi-resource Partial-ordering Flexible Job-shop Scheduling)問題を検討する。
リソースは柔軟性があり、その特性に応じて1つ以上の操作を実行できる。
中規模半導体故障解析ラボから抽出された一組のインスタンスについて実験した結果,本手法は実世界の91インスタンス中87のスケジュールを見出すことができた。
- 参考スコア(独自算出の注目度): 0.4511923587827302
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Many complex activities of production cycles, such as quality control or
fault analysis, require highly experienced specialists to perform various
operations on (semi)finished products using different tools. In practical
scenarios, the selection of a next operation is complicated, since each expert
has only a local view on the total set of operations to be performed. As a
result, decisions made by the specialists are suboptimal and might cause
significant costs. In this paper, we consider a Multi-resource Partial-ordering
Flexible Job-shop Scheduling (MPF-JSS) problem where partially-ordered
sequences of operations must be scheduled on multiple required resources, such
as tools and specialists. The resources are flexible and can perform one or
more operations depending on their properties. The problem is modeled using
Answer Set Programming (ASP) in which the time assignments are efficiently done
using Difference Logic. Moreover, we suggest two multi-shot solving strategies
aiming at the identification of the time bounds allowing for a solution of the
schedule optimization problem. Experiments conducted on a set of instances
extracted from a medium-sized semiconductor fault analysis lab indicate that
our approach can find schedules for 87 out of 91 considered real-world
instances.
- Abstract(参考訳): 品質管理や故障解析のような生産サイクルの多くの複雑な活動は、高度に経験豊富な専門家が様々なツールを使って完成品の様々な操作を行う必要がある。
実際のシナリオでは、各専門家は実行すべき操作全体のセットについてローカルな視点しか持たないため、次の操作の選択は複雑である。
その結果、専門家による決定は最適外であり、重大なコストを引き起こす可能性があります。
本論文では,マルチリソース部分順序の柔軟なジョブショップスケジューリング(MPF-JSS)問題について考察する。
リソースは柔軟性があり、その特性に応じて1つ以上の操作を実行できる。
この問題は Answer Set Programming (ASP) を用いてモデル化され、時間割当は差分論理を用いて効率的に実行される。
さらに,スケジュール最適化問題の解決を可能にする時間境界の同定を目的とした2つのマルチショット解決戦略を提案する。
中規模半導体故障解析ラボから抽出された一組のインスタンスについて実験した結果,本手法は実世界の91インスタンス中87のスケジュールを見出すことができた。
関連論文リスト
- Runtime Performance of Evolutionary Algorithms for the
Chance-constrained Makespan Scheduling Problem [12.791789710379057]
本稿では,Makespan Scheduling問題の確率制約版を提案する。
古典的ランダム化局所探索と (1+1) EAの理論的性能について検討する。
具体的には、Chance-Constrained Makespan Scheduling問題の2つの変種とその計算複雑性について検討する。
論文 参考訳(メタデータ) (2022-12-22T04:31:23Z) - Mod-Squad: Designing Mixture of Experts As Modular Multi-Task Learners [74.92558307689265]
専門家グループ("スクワッド")にモジュール化された新しいモデルであるMod-Squadを提案する。
単一モデルのトレーニング中に、このマッチングプロセスを最適化する。
13の視覚タスクを持つタスクノミーデータセットと、5つの視覚タスクを持つPASCAL-Contextデータセットの実験は、我々のアプローチの優位性を示している。
論文 参考訳(メタデータ) (2022-12-15T18:59:52Z) - Multi-task Bias-Variance Trade-off Through Functional Constraints [102.64082402388192]
マルチタスク学習は、多様なタスクによく機能する関数の集合を取得することを目的としている。
本稿では,2つの極端な学習シナリオ,すなわちすべてのタスクに対する単一関数と,他のタスクを無視するタスク固有関数から直感を抽出する。
本稿では,集中関数に対するドメイン固有解を強制する制約付き学習定式化を導入する。
論文 参考訳(メタデータ) (2022-10-27T16:06:47Z) - Problem Decomposition and Multi-shot ASP Solving for Job-shop Scheduling [5.070542698701157]
ジョブショップスケジューリング問題(JSP)は、よく知られた、挑戦的な最適化問題である。
本稿では,操作を逐次スケジュールし,最適化可能な時間ウィンドウへの問題分解を提案する。
マルチショット ASP 解決による逐次最適化が実行時限界内でのスケジュールを大幅に改善することを示す。
論文 参考訳(メタデータ) (2022-05-16T09:33:00Z) - On Steering Multi-Annotations per Sample for Multi-Task Learning [79.98259057711044]
マルチタスク学習の研究はコミュニティから大きな注目を集めている。
目覚ましい進歩にもかかわらず、異なるタスクを同時に学習するという課題はまだ検討されていない。
従来の研究は、異なるタスクから勾配を修正しようとするが、これらの手法はタスク間の関係の主観的な仮定を与え、修正された勾配はより正確でないかもしれない。
本稿では,タスク割り当てアプローチによってこの問題に対処する機構であるタスク割当(STA)を紹介し,各サンプルをランダムにタスクのサブセットに割り当てる。
さらなる進展のために、我々は全てのタスクを反復的に割り当てるためにInterleaved Task Allocation(ISTA)を提案する。
論文 参考訳(メタデータ) (2022-03-06T11:57:18Z) - In Defense of the Unitary Scalarization for Deep Multi-Task Learning [121.76421174107463]
本稿では,多くの特殊マルチタスクを正規化の形式として解釈できることを示唆する理論解析について述べる。
標準正規化と安定化技術と組み合わせると、ユニタリスカラー化は複雑なマルチタスクの性能にマッチし、改善することを示す。
論文 参考訳(メタデータ) (2022-01-11T18:44:17Z) - An actor-critic algorithm with deep double recurrent agents to solve the
job shop scheduling problem [0.0]
ジョブショップスケジューリング問題(JSSP)に対する深層強化学習手法を提案する。
目的は、ジョブやマシンの数によって異なるJSSPインスタンスのディストリビューションについて学べるgreedyのようなものを構築することである。
予想通り、モデルはある程度は、トレーニングで使用されるものと異なる分布から生じるより大きな問題やインスタンスに一般化することができる。
論文 参考訳(メタデータ) (2021-10-18T07:55:39Z) - Metaheuristics for the Online Printing Shop Scheduling Problem [0.0]
この実際のスケジューリング問題は、現代の印刷業界で現れたもので、シークエンシングの柔軟性を備えたフレキシブルなジョブショップスケジューリング問題に対応している。
この問題に対する局所探索戦略とメタヒューリスティックアプローチを提案し,評価した。
フレキシブルなジョブショップスケジューリング問題における古典的事例を用いた数値実験により,本事例に適用した場合,導入手法も競争力を持つことが示された。
論文 参考訳(メタデータ) (2020-06-22T15:38:00Z) - Dynamic Multi-Robot Task Allocation under Uncertainty and Temporal
Constraints [52.58352707495122]
本稿では,不確実性およびマルチエージェント協調の下での逐次意思決定における重要な計算課題を分離するマルチロボット割当アルゴリズムを提案する。
都市におけるマルチアームコンベヤベルトピック・アンド・プレイスとマルチドローン配送ディスパッチの2つの異なる領域における広範囲なシミュレーション結果について検証を行った。
論文 参考訳(メタデータ) (2020-05-27T01:10:41Z) - Pareto Multi-Task Learning [53.90732663046125]
マルチタスク学習は複数の相関タスクを同時に解くための強力な方法である。
異なるタスクが互いに衝突する可能性があるため、すべてのタスクを最適化するひとつのソリューションを見つけることは、しばしば不可能である。
近年,マルチタスク学習を多目的最適化として活用することにより,タスク間のトレードオフが良好である1つのパレート最適解を求める方法が提案されている。
論文 参考訳(メタデータ) (2019-12-30T08:58:40Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。