論文の概要: Genetic algorithms for the resource-constrained project scheduling problem in aircraft heavy maintenance

• arxiv url: http://arxiv.org/abs/2208.07169v1
• Date: Thu, 16 Jun 2022 13:41:20 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-09 04:25:45.323440
• Title: Genetic algorithms for the resource-constrained project scheduling problem in aircraft heavy maintenance
• Title（参考訳）: 航空機保守における資源制約型計画スケジューリング問題の遺伝的アルゴリズム
• Authors: Kusol Pimapunsri, Darawan Weeranant, Andreas Riel (G-SCOP\_CPP )
• Abstract要約: 本稿では,資源制約付きプロジェクトスケジューリング問題(RCPSP)をAHMで解くための遺伝的アルゴリズムを提案する。 本研究の目的は,メンテナンス計画の規模を最小化することであった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Due to complex sets of interrelated activities in aircraft heavy maintenance (AHM), many airlines have to deal with substantial aircraft maintenance downtime. The scheduling problem in AHM is regarded as an NP-hard problem. Using exact algorithms can be time-consuming or even infeasible. This article proposes genetic algorithms for solving the resource-constrained project scheduling problem (RCPSP) in AHM. The objective of the study was to minimise the makespan of the maintenance plan. The proposed algorithms applied five heuristic dispatching rules to generate an initial population based on activity list formation. Resource allocation methods for RCPSPearliest start time (EST) and workgroup and earliest start time (WEST)-were used to evaluate the fitness value. The elitist and roulette wheel methods were applied in the selection process. The sequences of the activity lists were then iteratively improved by crossover and mutation operations. The results show that the proposed algorithms perform efficiently compared to the existing solutions in terms of computational time and resource allocation.
• Abstract（参考訳）: 航空機の高度保守(ahm)における複雑な相互関連活動のため、多くの航空会社は航空機の大幅なメンテナンスのダウンタイムに対処する必要がある。 AHMのスケジューリング問題はNPハード問題と見なされる。 正確なアルゴリズムを使うことは、時間を要するか、あるいは実現不可能です。 本稿では,資源制約付きプロジェクトスケジューリング問題(RCPSP)をAHMで解くための遺伝的アルゴリズムを提案する。 研究の目的はメンテナンス計画の規模を最小限にすることであった。 提案アルゴリズムは,5つのヒューリスティックなディスパッチルールを適用し,アクティビティリストの生成に基づいて初期集団を生成する。 RCPSPearliest start time (EST) と workgroup と early start time (WEST) のリソース割り当て手法を用いて適合度を評価する。 エリートおよびルーレットホイール法を選択プロセスに適用した。 アクティビティリストのシーケンスは、クロスオーバーと突然変異操作によって反復的に改善された。 その結果,提案アルゴリズムは計算時間や資源配分の観点から,既存の手法と比較して効率よく動作することがわかった。

関連論文リスト

• Proactive and Reactive Constraint Programming for Stochastic Project Scheduling with Maximal Time-Lags [3.723602673856398]
  本研究では,最大時間ラグ(SRCPSP/max)を用いた資源制約型プロジェクトスケジューリング問題のスケジューリング戦略について検討する。 制約プログラミング(CP)とテンポラルネットワークの最近の進歩は、様々なプロアクティブかつリアクティブなスケジューリング手法の利点と欠点を評価することへの関心を再燃させた。
  論文  参考訳（メタデータ） (2024-09-13T15:01:25Z)
• A Schedule of Duties in the Cloud Space Using a Modified Salp Swarm Algorithm [0.0]
  クラウド領域で最も重要なNPハード問題のひとつはスケジューリングです。 Salp Swarm Algorithm (SSA)と呼ばれる集団知能アルゴリズムの1つが拡張され、改良され、適用された。 その結果,本アルゴリズムは一般に他のアルゴリズムよりも高い性能を示した。
  論文  参考訳（メタデータ） (2023-09-18T02:48:41Z)
• An End-to-End Reinforcement Learning Approach for Job-Shop Scheduling Problems Based on Constraint Programming [5.070542698701157]
  本稿では,CPと強化学習(Reinforcement Learning, RL)を用いてスケジューリング問題を解決する新しいエンドツーエンドアプローチを提案する。 当社のアプローチでは,既存のCPソルバを活用して,プライオリティ・ディスパッチ・ルール(PDR)を学ぶエージェントをトレーニングする。
  論文  参考訳（メタデータ） (2023-06-09T08:24:56Z)
• Computation Offloading and Resource Allocation in F-RANs: A Federated Deep Reinforcement Learning Approach [67.06539298956854]
  フォグ無線アクセスネットワーク(フォグ無線アクセスネットワーク、F-RAN)は、ユーザのモバイルデバイス(MD)が計算タスクを近くのフォグアクセスポイント(F-AP)にオフロードできる有望な技術である。
  論文  参考訳（メタデータ） (2022-06-13T02:19:20Z)
• Non-Clairvoyant Scheduling with Predictions Revisited [77.86290991564829]
  非論理的スケジューリングでは、優先度不明な処理条件でジョブをスケジューリングするためのオンライン戦略を見つけることが課題である。 我々はこのよく研究された問題を、アルゴリズム設計に(信頼できない)予測を統合する、最近人気の高い学習強化された設定で再検討する。 これらの予測には所望の特性があり, 高い性能保証を有するアルゴリズムと同様に, 自然な誤差測定が可能であることを示す。
  論文  参考訳（メタデータ） (2022-02-21T13:18:11Z)
• Machine Learning for Online Algorithm Selection under Censored Feedback [71.6879432974126]
  オンラインアルゴリズム選択(OAS)では、アルゴリズム問題クラスのインスタンスがエージェントに次々に提示され、エージェントは、固定された候補アルゴリズムセットから、おそらく最高のアルゴリズムを迅速に選択する必要がある。 SAT(Satisfiability)のような決定問題に対して、品質は一般的にアルゴリズムのランタイムを指す。 本研究では,OASのマルチアームバンディットアルゴリズムを再検討し,この問題に対処する能力について議論する。 ランタイム指向の損失に適応し、時間的地平線に依存しない空間的・時間的複雑さを維持しながら、部分的に検閲されたデータを可能にする。
  論文  参考訳（メタデータ） (2021-09-13T18:10:52Z)
• 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)
• Learning to Schedule DAG Tasks [7.577417675452624]
  有向非周期グラフ(DAG)のスケジューリングに関する新しい学習手法を提案する。 このアルゴリズムは強化学習エージェントを用いて、DAGに向けられたエッジを反復的に追加する。 我々の手法は既存のスケジューリングアルゴリズムにも容易に適用できる。
  論文  参考訳（メタデータ） (2021-03-05T01:10:24Z)
• 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)
• Run2Survive: A Decision-theoretic Approach to Algorithm Selection based on Survival Analysis [75.64261155172856]
  生存分析(SA)は、自然に検閲されたデータをサポートし、アルゴリズムランタイムの分散モデルを学習するためにそのようなデータを使用する適切な方法を提供する。 我々は、アルゴリズム選択に対する洗練された決定論的アプローチの基礎として、そのようなモデルを活用し、Run2Surviveを疑う。 標準ベンチマークASlibによる広範な実験では、我々のアプローチは競争力が高く、多くの場合、最先端のASアプローチよりも優れていることが示されている。
  論文  参考訳（メタデータ） (2020-07-06T15:20:17Z)
• Algorithms for Optimizing Fleet Scheduling of Air Ambulances [0.0]
  航空資産の適正なスケジューリングは、患者の生命と死の差である。 これらの問題は、人口が分散し資源が限られる救急医療サービス(EMS)システムにおいて増幅される。 本研究では, 空気・健康施設の座標と定式化整数線形計画モデルを用いた。 これは、独自のアルゴリズムソリューションと比較できるように、Gurobiを通じてプログラムされた。
  論文  参考訳（メタデータ） (2020-02-25T21:49:46Z)

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。