論文の概要: A general Framework for Utilizing Metaheuristic Optimization for
Sustainable Unrelated Parallel Machine Scheduling: A concise overview
- arxiv url: http://arxiv.org/abs/2311.12802v1
- Date: Thu, 14 Sep 2023 17:30:26 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-15 15:45:22.043670
- Title: A general Framework for Utilizing Metaheuristic Optimization for
Sustainable Unrelated Parallel Machine Scheduling: A concise overview
- Title（参考訳）: 持続的無関係並列マシンスケジューリングのためのメタヒューリスティック最適化の汎用フレームワーク:簡潔な概要
- Authors: Absalom E. Ezugwu
- Abstract要約: 非関連並列機械スケジューリング問題(UPMSP)へのメタヒューリスティック最適化アルゴリズムの適用について検討する。
本稿では,遺伝的アルゴリズム,粒子群最適化,アリコロニー最適化などのメタヒューリスティックアルゴリズムについて検討する。
これらのアルゴリズムは、資源利用の向上、エネルギー消費の最小化、環境への影響の低減、社会的に責任のある実践を促進する能力に基づいて評価される。
- 参考スコア（独自算出の注目度）: 1.9425072949353568
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Sustainable development has emerged as a global priority, and industries are
increasingly striving to align their operations with sustainable practices.
Parallel machine scheduling (PMS) is a critical aspect of production planning
that directly impacts resource utilization and operational efficiency. In this
paper, we investigate the application of metaheuristic optimization algorithms
to address the unrelated parallel machine scheduling problem (UPMSP) through
the lens of sustainable development goals (SDGs). The primary objective of this
study is to explore how metaheuristic optimization algorithms can contribute to
achieving sustainable development goals in the context of UPMSP. We examine a
range of metaheuristic algorithms, including genetic algorithms, particle swarm
optimization, ant colony optimization, and more, and assess their effectiveness
in optimizing the scheduling problem. The algorithms are evaluated based on
their ability to improve resource utilization, minimize energy consumption,
reduce environmental impact, and promote socially responsible production
practices. To conduct a comprehensive analysis, we consider UPMSP instances
that incorporate sustainability-related constraints and objectives.
- Abstract（参考訳）: 持続可能な開発が世界的な優先事項として浮上し、産業は持続的な慣行と業務の整合化に努めている。
並列マシンスケジューリング(pms)は、資源利用と運用効率に直接影響を及ぼす生産計画の重要な側面である。
本稿では,無関係な並列マシンスケジューリング問題 (UPMSP) に対するメタヒューリスティック最適化アルゴリズムの適用を,持続可能な開発目標 (SDG) のレンズを通して検討する。
本研究の目的は, メタヒューリスティック最適化アルゴリズムが, UPMSPの文脈における持続可能な開発目標達成にどのように貢献できるかを検討することである。
遺伝的アルゴリズム,粒子群最適化,アリコロニー最適化などのメタヒューリスティックアルゴリズムについて検討し,スケジューリング問題を最適化する上での有効性を評価する。
これらのアルゴリズムは, 資源利用の向上, エネルギー消費の最小化, 環境影響の低減, 社会的責任を負う生産の実践を促進する能力に基づいて評価される。
包括的分析を行うために,サステナビリティに関連する制約や目的を組み込んだUPMSPインスタンスを検討する。
関連論文リスト
- Beyond Single-Model Views for Deep Learning: Optimization versus
Generalizability of Stochastic Optimization Algorithms [13.134564730161983]
本稿では、勾配降下(SGD)とその変種に着目し、ディープラーニングの最適化に新しいアプローチを採用する。
我々はSGDとその変種がSAMのような平らなミニマと同等の性能を示すことを示した。
本研究は、トレーニング損失とホールドアウト精度の関係、およびSGDとノイズ対応変種の性能について、いくつかの重要な知見を明らかにした。
論文 参考訳（メタデータ） (2024-03-01T14:55:22Z) - Let's reward step by step: Step-Level reward model as the Navigators for
Reasoning [64.27898739929734]
Process-Supervised Reward Model (PRM)は、トレーニングフェーズ中にステップバイステップのフィードバックをLLMに提供する。
LLMの探索経路を最適化するために,PRMからのステップレベルのフィードバックを応用した欲求探索アルゴリズムを提案する。
提案手法の汎用性を探るため,コーディングタスクのステップレベル報酬データセットを自動生成する手法を開発し,コード生成タスクにおける同様の性能向上を観察する。
論文 参考訳（メタデータ） (2023-10-16T05:21:50Z) - Sample-Efficient Multi-Agent RL: An Optimization Perspective [103.35353196535544]
一般関数近似に基づく汎用マルコフゲーム(MG)のためのマルチエージェント強化学習(MARL)について検討した。
汎用MGに対するマルチエージェントデカップリング係数(MADC)と呼ばれる新しい複雑性尺度を導入する。
我々のアルゴリズムは既存の研究に匹敵するサブリニアな後悔を与えることを示す。
論文 参考訳（メタデータ） (2023-10-10T01:39:04Z) - Applications of Nature-Inspired Metaheuristic Algorithms for Tackling Optimization Problems Across Disciplines [12.664160352147293]
本稿では,自然に着想を得たメタヒューリスティックアルゴリズムの有用性を示す。
本研究の主な目的は,CSO-MAのようなメタヒューリスティックなアルゴリズムが,統計学における様々な種類の最適化問題に取り組むのに効率的であることを示すことである。
論文 参考訳（メタデータ） (2023-08-08T16:41:33Z) - A Comparative Study of Machine Learning Algorithms for Anomaly Detection
in Industrial Environments: Performance and Environmental Impact [62.997667081978825]
本研究は,環境の持続可能性を考慮した高性能機械学習モデルの要求に応えることを目的としている。
Decision TreesやRandom Forestsといった従来の機械学習アルゴリズムは、堅牢な効率性とパフォーマンスを示している。
しかし, 資源消費の累積増加にもかかわらず, 最適化された構成で優れた結果が得られた。
論文 参考訳（メタデータ） (2023-07-01T15:18:00Z) - A Memetic Algorithm with Reinforcement Learning for Sociotechnical
Production Scheduling [0.0]
本稿では、フレキシブルジョブショップスケジューリング問題(DRC-FJSSP)に深層強化学習(DRL)を適用したメメティックアルゴリズムを提案する。
産業における研究プロジェクトから、フレキシブルマシン、フレキシブルなヒューマンワーカー、作業能力、セットアップと処理操作、材料到着時間、材料製造の請求書の並列タスク、シーケンス依存のセットアップ時間、人間と機械のコラボレーションにおける(一部)自動化タスクを検討する必要性を認識します。
論文 参考訳（メタデータ） (2022-12-21T11:24:32Z) - Learning Implicit Priors for Motion Optimization [105.11889448885226]
エネルギーベースモデル(EBM)は、表現力のある確率密度分布を表す。
本稿では,EMMを動作最適化に適用するために必要となるモデリングとアルゴリズムの選択について述べる。
論文 参考訳（メタデータ） (2022-04-11T19:14:54Z) - Evolving Pareto-Optimal Actor-Critic Algorithms for Generalizability and
Stability [67.8426046908398]
汎用性と安定性は,実世界における強化学習(RL)エージェントの運用において重要な2つの目的である。
本稿では,アクター・クリティック・ロス関数の自動設計法であるMetaPGを提案する。
論文 参考訳（メタデータ） (2022-04-08T20:46:16Z) - Distributional Reinforcement Learning for Scheduling of (Bio)chemical
Production Processes [0.0]
強化学習(Reinforcement Learning, RL)は、最近、プロセスシステム工学と制御コミュニティから大きな注目を集めている。
本稿では,生産スケジューリング問題に共通して課される優先的制約と解離的制約に対処するRL手法を提案する。
論文 参考訳（メタデータ） (2022-03-01T17:25:40Z) - Sequential Information Design: Markov Persuasion Process and Its
Efficient Reinforcement Learning [156.5667417159582]
本稿では,逐次情報設計の新たなモデル,すなわちマルコフ説得過程(MPP)を提案する。
MPPのプランニングは、ミオピックレシーバーに同時に説得されるシグナルポリシーを見つけ、送信者の最適な長期累積ユーティリティを誘導する、というユニークな課題に直面している。
我々は,楽観主義と悲観主義の両原理の新たな組み合わせを特徴とする,実証可能な効率のよい非回帰学習アルゴリズム,Optimism-Pessimism Principle for Persuasion Process (OP4) を設計する。
論文 参考訳（メタデータ） (2022-02-22T05:41:43Z) - Bayesian Quadrature Optimization for Probability Threshold Robustness
Measure [23.39754660544729]
多くの製品開発問題において、製品の性能は設計パラメータと環境パラメータと呼ばれる2種類のパラメータによって管理される。
本稿では、この実践的問題をアクティブラーニング(AL)問題として定式化し、理論的に保証された性能を持つ効率的なアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-06-22T03:17:10Z)
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。