論文の概要: An Intelligent Model for Solving Manpower Scheduling Problems
- arxiv url: http://arxiv.org/abs/2105.03540v1
- Date: Fri, 7 May 2021 23:51:12 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-14 04:25:58.468842
- Title: An Intelligent Model for Solving Manpower Scheduling Problems
- Title（参考訳）: マンパワースケジューリング問題の解法に関するインテリジェントモデル
- Authors: Lingyu Zhang and Tianyu Liu and Yunhai Wang
- Abstract要約: 本稿では,マルチ制約条件下でのマンパワースケジューリング問題を組合せ最適化問題に変換する。
また、論理的パラダイムを用いて問題解の数学的モデルを構築し、モデルを解くための改良された多次元進化アルゴリズムも構築する。
- 参考スコア（独自算出の注目度）: 22.247926891283537
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The manpower scheduling problem is a critical research field in the resource
management area. Based on the existing studies on scheduling problem solutions,
this paper transforms the manpower scheduling problem into a combinational
optimization problem under multi-constraint conditions from a new perspective.
It also uses logical paradigms to build a mathematical model for problem
solution and an improved multi-dimensional evolution algorithm for solving the
model. Moreover, the constraints discussed in this paper basically cover all
the requirements of human resource coordination in modern society and are
supported by our experiment results. In the discussion part, we compare our
model with other heuristic algorithms or linear programming methods and prove
that the model proposed in this paper makes a 25.7% increase in efficiency and
a 17% increase in accuracy at most. In addition, to the numerical solution of
the manpower scheduling problem, this paper also studies the algorithm for
scheduling task list generation and the method of displaying scheduling
results. As a result, we not only provide various modifications for the basic
algorithm to solve different condition problems but also propose a new
algorithm that increases at least 28.91% in time efficiency by comparing with
different baseline models.
- Abstract（参考訳）: 人力スケジューリング問題は、資源管理分野における重要な研究分野である。
本稿では,スケジューリング問題に関する既存の研究に基づいて,マンパワースケジューリング問題を新しい視点から,複数制約条件下での組合せ最適化問題に変換する。
また、論理的パラダイムを用いて問題解の数学的モデルを構築し、モデルを解くための改良された多次元進化アルゴリズムも構築する。
さらに,本稿で論じる制約は,現代社会における人的資源調整の要件をすべて網羅するものであり,実験結果に支えられている。
議論部では,本モデルと他のヒューリスティックアルゴリズムや線形プログラミング手法を比較し,本論文で提案するモデルが25.7%の効率向上と17%の精度向上を実現していることを示す。
さらに,マンパワースケジューリング問題の数値解法として,タスクリスト生成のスケジューリングアルゴリズムとスケジューリング結果の表示法について検討する。
その結果, 基本アルゴリズムの様々な改良によって異なる条件問題が解決されるだけでなく, 異なるベースラインモデルとの比較により少なくとも28.91%の時間効率が向上する新しいアルゴリズムを提案する。
関連論文リスト
- Doubly Stochastic Matrix Models for Estimation of Distribution
Algorithms [2.28438857884398]
本稿では,自然置換問題のマッチングと割当てにDSM(Douubly Matrices)を用いる方法について検討する。
具体的には、分散アルゴリズムの推定の枠組みを採用し、DSMを置換問題に対する既存の提案と比較する。
二次代入問題の事例に関する予備実験は、この研究の行を検証し、DSMが非常に競争力のある結果が得られることを示した。
論文 参考訳（メタデータ） (2023-04-05T14:36:48Z) - Minimalistic Predictions to Schedule Jobs with Online Precedence
Constraints [117.8317521974783]
オンライン優先制約による非サーボ的スケジューリングについて検討する。
アルゴリズムは、任意のジョブ依存に偏りがなく、前任者がすべて完了した場合に限り、ジョブについて学習する。
論文 参考訳（メタデータ） (2023-01-30T13:17:15Z) - A Hybrid Evolutionary Approach to Solve University Course Allocation
Problem [0.0]
本稿では,大学授業割当問題に関わる課題を克服するための様々な制約,難易度,解決策について論じる。
局所補修アルゴリズムと修正遺伝的アルゴリズムを組み合わせたハイブリッド進化アルゴリズムが定義されている。
論文 参考訳（メタデータ） (2022-11-15T09:43:02Z) - Learning to Optimize Permutation Flow Shop Scheduling via Graph-based
Imitation Learning [70.65666982566655]
置換フローショップスケジューリング(PFSS)は製造業で広く使われている。
我々は,より安定かつ正確に収束を加速する専門家主導の模倣学習を通じてモデルを訓練することを提案する。
我々のモデルのネットワークパラメータはわずか37%に減少し、エキスパートソリューションに対する我々のモデルの解のギャップは平均6.8%から1.3%に減少する。
論文 参考訳（メタデータ） (2022-10-31T09:46:26Z) - Socio-cognitive Optimization of Time-delay Control Problems using
Evolutionary Metaheuristics [89.24951036534168]
メタヒューリスティックス(Metaheuristics)は、古典的なアプローチでは解決できない難解な問題を解くために使用される普遍的な最適化アルゴリズムである。
本稿では,キャストに基づく新しい社会認知メタヒューリスティックの構築を目標とし,このアルゴリズムのいくつかのバージョンを時間遅延システムモデルの最適化に適用する。
論文 参考訳（メタデータ） (2022-10-23T22:21:10Z) - An Efficient Merge Search Matheuristic for Maximising the Net Present
Value of Project Schedules [5.10800491975164]
リソース制約のあるプロジェクトスケジューリングは多くの実用的なアプリケーションにおいて重要な最適化問題である。
本稿では,資源制約のあるプロジェクトスケジューリングを解くために,マージ探索と並列計算に基づく新しい数学ヒューリスティックアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-10-20T13:30:23Z) - An Overview and Experimental Study of Learning-based Optimization
Algorithms for Vehicle Routing Problem [49.04543375851723]
車両ルーティング問題(VRP)は典型的な離散最適化問題である。
多くの研究は、VRPを解決するための学習に基づく最適化アルゴリズムについて検討している。
本稿では、最近のこの分野の進歩を概観し、関連するアプローチをエンドツーエンドアプローチとステップバイステップアプローチに分割する。
論文 参考訳（メタデータ） (2021-07-15T02:13:03Z) - Apply Artificial Neural Network to Solving Manpower Scheduling Problem [15.848399017432262]
本稿では,マルチシフトマンパワースケジューリング問題を解決するために,ディープラーニングと組み合わせた新しいモデルを提案する。
我々は,時系列に基づくニューラルネットワークトレーニング手法を用いて,長期・長期のスケジューリング課題を解決する。
我々の研究は、ニューラルネットワークとディープラーニング戦略が、同様の問題を効果的に解決する可能性を示唆している。
論文 参考訳（メタデータ） (2021-05-07T23:54:00Z) - A Two-stage Framework and Reinforcement Learning-based Optimization
Algorithms for Complex Scheduling Problems [54.61091936472494]
本稿では、強化学習(RL)と従来の運用研究(OR)アルゴリズムを組み合わせた2段階のフレームワークを開発する。
スケジューリング問題は,有限マルコフ決定過程 (MDP) と混合整数計画過程 (mixed-integer programming process) の2段階で解決される。
その結果,本アルゴリズムは,アジャイルな地球観測衛星スケジューリング問題に対して,安定かつ効率的に十分なスケジューリング計画を得ることができた。
論文 参考訳（メタデータ） (2021-03-10T03:16:12Z) - Combining Deep Learning and Optimization for Security-Constrained
Optimal Power Flow [94.24763814458686]
セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。
SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。
本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
論文 参考訳（メタデータ） (2020-07-14T12:38:21Z)
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。