論文の概要: A hybrid optimization approach for employee rostering: Use cases at
Swissgrid and lessons learned
- arxiv url: http://arxiv.org/abs/2111.10845v1
- Date: Sun, 21 Nov 2021 15:48:28 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-23 17:23:10.900974
- Title: A hybrid optimization approach for employee rostering: Use cases at
Swissgrid and lessons learned
- Title(参考訳): 従業員ロスタリングのためのハイブリッド最適化アプローチ--swissgridでの事例と教訓
- Authors: Jangwon Park and Evangelos Vrettos
- Abstract要約: 本研究では,Mixed-Integer Linear Programming(MILP)と,進化的アルゴリズムである散乱探索を組み合わせたハイブリッド手法を開発した。
このアルゴリズムは頑健で効率的なアルゴリズムであることが示されており、様々な複雑さの現実的な問題をほぼ最適に解決している。
いくつかの実践的な拡張とユースケースが紹介され、現在スイスのSwissgridでパイロット使用中のソフトウェアツールに組み込まれている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Employee rostering is a process of assigning available employees to open
shifts. Automating it has ubiquitous practical benefits for nearly all
industries, such as reducing manual workload and producing flexible,
high-quality schedules. In this work, we develop a hybrid methodology which
combines Mixed-Integer Linear Programming (MILP) with scatter search, an
evolutionary algorithm, having as use case the optimization of employee
rostering for Swissgrid, where it is currently a largely manual process. The
hybrid methodology guarantees compliance with labor laws, maximizes employees'
preference satisfaction, and distributes workload as uniformly as possible
among them. Above all, it is shown to be a robust and efficient algorithm,
consistently solving realistic problems of varying complexity to
near-optimality an order of magnitude faster than an MILP-alone approach using
a state-of-the-art commercial solver. Several practical extensions and use
cases are presented, which are incorporated into a software tool currently
being in pilot use at Swissgrid.
- Abstract(参考訳): 従業員ロースターリングは、従業員をオープンシフトに割り当てるプロセスである。
自動化は、手作業の負荷削減や柔軟な高品質なスケジュール作成など、ほぼすべての産業において、ユビキタスな実用的なメリットがあります。
本研究では,Mixed-Integer Linear Programming(MILP)と進化的アルゴリズムであるscatter Searchを組み合わせたハイブリッド手法を開発した。
このハイブリッド手法は、労働法の遵守を保証し、従業員の嗜好の満足度を最大化し、ワークロードを可能な限り均一に分配する。
何よりも、これは堅牢で効率的なアルゴリズムであり、最先端の商用解法を用いてmilp-aloneアプローチよりも桁違いに、複雑さから最適化に近い現実的な問題を一貫して解決する。
実用的な拡張とユースケースがいくつか提示され、swissgridで現在パイロット使用中のソフトウェアツールに組み込まれている。
関連論文リスト
- METAFOR: A Hybrid Metaheuristics Software Framework for Single-Objective Continuous Optimization Problems [0.1053373860696675]
本稿では,メタヒューリスティクスを自動設計するアルゴリズム構成ツールと組み合わせて,メタヒューリスティクスを自動設計する,METAFORと呼ばれるモジュール型メタヒューリスティクスソフトウェアフレームワークを提案する。
我々は,17種類のメタヒューリスティックな実装を自動的に生成し,その性能を一連の連続最適化問題で評価する。
論文 参考訳(メタデータ) (2025-02-16T18:24:44Z) - Comprehensive Benchmarking Environment for Worker Flexibility in Flexible Job Shop Scheduling Problems [0.0]
生産スケジューリングにおいて、フレキシブルジョブショップスケジューリング問題(FJSSP)は、一連の操作を最適化し、それぞれの処理時間を異なるマシンに割り当てることを目的としている。
結果として生じる問題はFlexible Job Shop Scheduling Problem with Worker Flexibility (FJSSP-W)と呼ばれる。
本稿では、一般に受け入れられているFJSSPインスタンス402のコレクションを示し、労働者の柔軟性で拡張するアプローチを提案する。
論文 参考訳(メタデータ) (2025-01-27T15:56:12Z) - Multi-task Representation Learning for Mixed Integer Linear Programming [13.106799330951842]
本稿では,ML誘導MILP問題解決のためのマルチタスク学習フレームワークについて紹介する。
我々は,マルチタスク学習モデルが同一分布内の特殊モデルと類似して動作することを示す。
これは、問題のサイズやタスクの一般化において、それらを著しく上回る。
論文 参考訳(メタデータ) (2024-12-18T23:33:32Z) - Genetic-based Constraint Programming for Resource Constrained Job
Scheduling [5.068093754585243]
資源制約されたジョブスケジューリングは、鉱業に起源を持つ計算の最適化問題である。
既成のソリューションはこの問題を合理的な時間枠で十分解決できない。
本稿では,制約プログラミングの効率的な探索手法を探索する遺伝的プログラミングアルゴリズムを提案する。
論文 参考訳(メタデータ) (2024-02-01T09:57:38Z) - Accelerating Cutting-Plane Algorithms via Reinforcement Learning
Surrogates [49.84541884653309]
凸離散最適化問題に対する現在の標準的なアプローチは、カットプレーンアルゴリズムを使うことである。
多くの汎用カット生成アルゴリズムが存在するにもかかわらず、大規模な離散最適化問題は、難易度に悩まされ続けている。
そこで本研究では,強化学習による切削平面アルゴリズムの高速化手法を提案する。
論文 参考訳(メタデータ) (2023-07-17T20:11:56Z) - FAMO: Fast Adaptive Multitask Optimization [48.59232177073481]
本稿では,動的重み付け手法であるFast Adaptive Multitask Optimization FAMOを導入する。
この結果から,FAMOは最先端の勾配操作技術に匹敵する,あるいは優れた性能を達成できることが示唆された。
論文 参考訳(メタデータ) (2023-06-06T15:39:54Z) - Let the Flows Tell: Solving Graph Combinatorial Optimization Problems
with GFlowNets [86.43523688236077]
組合せ最適化(CO)問題はしばしばNPハードであり、正確なアルゴリズムには及ばない。
GFlowNetsは、複合非正規化密度を逐次サンプリングする強力な機械として登場した。
本稿では,異なる問題に対してマルコフ決定プロセス(MDP)を設計し,条件付きGFlowNetを学習して解空間からサンプルを作成することを提案する。
論文 参考訳(メタデータ) (2023-05-26T15:13:09Z) - Massively Parallel Genetic Optimization through Asynchronous Propagation
of Populations [50.591267188664666]
Propulateは、グローバル最適化のための進化的最適化アルゴリズムとソフトウェアパッケージである。
提案アルゴリズムは, 選択, 突然変異, 交叉, 移動の変種を特徴とする。
Propulateは解の精度を犠牲にすることなく、最大で3桁高速であることがわかった。
論文 参考訳(メタデータ) (2023-01-20T18:17:34Z) - 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) - Distributed Allocation and Scheduling of Tasks with Cross-Schedule
Dependencies for Heterogeneous Multi-Robot Teams [2.294915015129229]
本稿では,異なるロボットのタスクが時間的・優先的な制約に強く結びついているミッションに対して,タスク割り当てとスケジューリングを行うアルゴリズムを提案する。
マルチロボットシステムによって維持される温室の実用ユースケースへの計画手順の適用。
論文 参考訳(メタデータ) (2021-09-07T13:44:28Z) - HyperGrid: Efficient Multi-Task Transformers with Grid-wise Decomposable
Hyper Projections [96.64246471034195]
我々は,マルチタスク学習を効果的に行う新しいアプローチであるtextscHyperGridを提案する。
本手法は,微調整とマルチタスク学習のギャップを埋めるのに役立つ。
論文 参考訳(メタデータ) (2020-07-12T02:49:16Z)
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。