論文の概要: Onsite Job Scheduling by Adaptive Genetic Algorithm
- arxiv url: http://arxiv.org/abs/2306.02296v1
- Date: Sun, 4 Jun 2023 08:13:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-06 18:48:37.027793
- Title: Onsite Job Scheduling by Adaptive Genetic Algorithm
- Title(参考訳): 適応遺伝的アルゴリズムによるオンサイトジョブスケジューリング
- Authors: Avijit Basak, Subhas Acharya
- Abstract要約: ジョブスケジューリング(Job Scheduling)は、複数のデポを持つ車両問題(VRP)の特殊版である。
ジョブスケジューリング(Job Scheduling)は、複数のデポを持つ車両問題(VRP)の特殊版である。
その結果,仕事や技術者の移動経路を最適化し,所要時間とSLAに関する制約を最小化することができた。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Onsite Job Scheduling is a specialized variant of Vehicle Routing Problem
(VRP) with multiple depots. The objective of this problem is to execute jobs
requested by customers, belonging to different geographic locations by a
limited number of technicians, with minimum travel and overtime of technicians.
Each job is expected to be completed within a specified time limit according to
the service level agreement with customers. Each technician is assumed to start
from a base location, serve several customers and return to the starting place.
Technicians are allotted jobs based on their skill sets, expertise levels of
each skill and availability slots. Although there are considerable number of
literatures on VRP we do not see any explicit work related to Onsite Job
Scheduling. In this paper we have proposed an Adaptive Genetic Algorithm to
solve the scheduling problem. We found an optimized travel route for a
substantial number of jobs and technicians, minimizing travel distance,
overtime duration as well as meeting constraints related to SLA.
- Abstract(参考訳): 現場ジョブスケジューリングは、複数のデポを持つ車両ルーティング問題(VRP)の特殊版である。
この問題の目的は、限られた数の技術者によって異なる地理的な場所に属する顧客から要求される仕事を実行し、最小限の旅行とオーバータイムで技術者を雇うことである。
各ジョブは、顧客とのサービスレベルアグリーメントに従って、指定された期限内に完了することが期待される。
各技術者は基地から出発し、複数の顧客に奉仕し、出発地に戻ると仮定される。
技術者はスキルセット、各スキルの専門レベル、可用性スロットに基づいてジョブを割り当てる。
vrpには多くの文献があるが、現場でのジョブスケジューリングに関連する明確な作業は見当たらない。
本稿では,スケジューリング問題の解法として適応型遺伝的アルゴリズムを提案する。
また,多くの職種や技術者を対象に,旅行距離の最小化,残業期間の短縮,SLAに関する制約を満たすための最適化された旅行経路を見出した。
関連論文リスト
- Exact algorithms and heuristics for capacitated covering salesman problems [0.0]
本稿では,CCSP(Capacitated Covering Salesman Problem)を紹介する。
目的は、車両が横断する距離を最小化しながら、車両群を補給することである。
ILP(Integer Linear Programming)とBRKGA(Biased Random-Key Genetic Routing)のメタヒューリスティックに基づくCCSPの最適化手法を提案する。
論文 参考訳(メタデータ) (2024-03-03T07:50:29Z) - Defining and executing temporal constraints for evaluating engineering
artifact compliance [56.08728135126139]
プロセスコンプライアンスは、実際のエンジニアリング作業が記述されたエンジニアリングプロセスに可能な限り密接に従うことを保証することに焦点を当てます。
これらのプロセスの制約をチェックすることは、依然として大変な作業であり、多くの手作業を必要とし、プロセスの後半にエンジニアにフィードバックを提供する。
関連するエンジニアリングアーティファクト間の時間的制約を,アーティファクトの変更毎に段階的にチェックする,自動制約チェックアプローチを提案する。
論文 参考訳(メタデータ) (2023-12-20T13:26:31Z) - 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) - Reinforcement Learning with Success Induced Task Prioritization [68.8204255655161]
本稿では,自動カリキュラム学習のためのフレームワークであるSuccess induced Task Prioritization (SITP)を紹介する。
アルゴリズムはエージェントに最速の学習を提供するタスクの順序を選択する。
我々は,SITPが他のカリキュラム設計手法と一致するか,あるいは上回っていることを実証する。
論文 参考訳(メタデータ) (2022-12-30T12:32:43Z) - POMRL: No-Regret Learning-to-Plan with Increasing Horizons [43.693739167594295]
オンラインメタ強化学習環境におけるモデル不確実性の下での計画課題について検討する。
本稿では,タスク間の基盤構造をメタラーニングし,タスクごとの計画を立てるアルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-12-30T03:09:45Z) - DC-MRTA: Decentralized Multi-Robot Task Allocation and Navigation in
Complex Environments [55.204450019073036]
本稿では,倉庫環境における移動ロボットのためのタスク割り当てと分散ナビゲーションアルゴリズムを提案する。
本稿では,共同分散タスク割り当てとナビゲーションの問題について考察し,それを解決するための2段階のアプローチを提案する。
ロボットの衝突のない軌道の計算では,タスク完了時間において最大14%の改善と最大40%の改善が観察される。
論文 参考訳(メタデータ) (2022-09-07T00:35:27Z) - A Case Study of Vehicle Route Optimization [2.2101681534594237]
本研究では,主に関連する実世界の制約と要件を取り入れる。
時間ウィンドウと停止時間のための2段階戦略とタイムラインアルゴリズムを提案する。
4つの最先端アルゴリズムに対する8つの異なる問題インスタンスの評価は、我々のアプローチが与えられた制約を妥当な時間で処理することを示している。
論文 参考訳(メタデータ) (2021-11-17T13:10:55Z) - An actor-critic algorithm with policy gradients to solve the job shop
scheduling problem using deep double recurrent agents [1.3812010983144802]
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) - A Multiperiod Workforce Scheduling and Routing Problem with Dependent
Tasks [0.0]
我々は新しいワークフォーススケジューリングとルーティング問題について研究する。
この問題では、顧客は企業からサービスを要求する。
サービスに属するタスクは異なるチームによって実行され、顧客は1日に1回以上訪問することができる。
論文 参考訳(メタデータ) (2020-08-06T19:31:55Z) - 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) - Hierarchical Reinforcement Learning as a Model of Human Task
Interleaving [60.95424607008241]
我々は、強化学習によって駆動される監督制御の階層モデルを開発する。
このモデルは、タスクインターリービングの既知の経験的効果を再現する。
その結果、階層的RLがタスクインターリービングのもっともらしいモデルとして支持された。
論文 参考訳(メタデータ) (2020-01-04T17:53:28Z)
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。