論文の概要: An Effective Two-Phase Genetic Algorithm for Solving the Resource Constrained Project Scheduling Problem (RCPSP)

• arxiv url: http://arxiv.org/abs/2506.21915v1
• Date: Fri, 27 Jun 2025 04:59:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-30 21:12:23.094853
• Title: An Effective Two-Phase Genetic Algorithm for Solving the Resource Constrained Project Scheduling Problem (RCPSP)
• Title（参考訳）: 資源制約付きプロジェクトスケジューリング問題(RCPSP)の効果的な2相遺伝的アルゴリズム
• Authors: D. Sun, S. Zhou,
• Abstract要約: 2PGAはGA親選択を2つのフェーズで実装する: フェーズ1は親プールにおける最良の電流解を含み、フェーズ2は親プールから最高の電流解を除外する。 2PGAはLIB PSPの標準ベンチマーク問題でテストされ、このアルゴリズムが有効であることが示され、いくつかの最良の解が改善された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This note presents a simple and effective variation of genetic algorithm (GA) for solving RCPSP, denoted as 2-Phase Genetic Algorithm (2PGA). The 2PGA implements GA parent selection in two phases: Phase-1 includes the best current solutions in the parent pool, and Phase-2 excludes the best current solutions from the parent pool. The 2PGA carries out the GA evolution by alternating the two phases iteratively. In exploring a solution space, the Phase-1 emphasizes intensification in current neighborhood, while the Phase-2 emphasizes diversification to escape local traps. The 2PGA was tested on the standard benchmark problems in PSPLIB, the results have shown that the algorithm is effective and has improved some of the best heuristic solutions.
• Abstract（参考訳）: 2相遺伝的アルゴリズム(2-Phase Genetic Algorithm, 2-Phase Genetic Algorithm, 2PGA)と呼ばれるRCPSPを解くための遺伝的アルゴリズム(GA)の単純かつ効果的なバリエーションを示す。 2PGAはGA親選択を2つのフェーズで実装する: フェーズ1は親プールにおける最良の電流解を含み、フェーズ2は親プールから最高の電流解を除外する。 2PGAは2つの相を反復的に交互にGA進化を行う。 解空間を探索する際、第1相は現在の近隣での強化を強調し、第2相は局所トラップから逃れるための多様化を強調している。 2PGAはPSPLIBの標準ベンチマーク問題でテストされ、このアルゴリズムが有効であることが示され、最も優れたヒューリスティックな解がいくつか改善された。

関連論文リスト

• Balancing Pareto Front exploration of Non-dominated Tournament Genetic Algorithm (B-NTGA) in solving multi-objective NP-hard problems with constraints [0.0]
  提案手法をB-NTGA(B-NTGA)に適用した新しい平衡選択演算子を提案する。 提案したB-NTGAは,Thief Traveling ProblemやMulti-Skill Resource-Constrained Project Scheduling Problemのような,多目的および多目的の現実世界の2つのベンチマークで検討した。 実験の結果,B-NTGAは最先端手法よりも効率が高く,性能も優れていた。
  論文  参考訳（メタデータ） (2024-10-08T05:34:13Z)
• Multiobjective Vehicle Routing Optimization with Time Windows: A Hybrid Approach Using Deep Reinforcement Learning and NSGA-II [52.083337333478674]
  本稿では、時間窓を用いた多目的車両ルーティング問題(MOVRPTW)に対処するために、ウェイト・アウェア・ディープ・強化学習(WADRL)手法を提案する。 WADRLの結果を最適化するために非支配的ソート遺伝的アルゴリズム-II (NSGA-II) 法を用いる。
  論文  参考訳（メタデータ） (2024-07-18T02:46:06Z)
• A Primal-Dual-Assisted Penalty Approach to Bilevel Optimization with Coupled Constraints [66.61399765513383]
  We developed a BLOCC algorithm to tackle BiLevel Optimization problems with Coupled Constraints。 2つのよく知られた実世界のアプリケーションでその効果を実証する。
  論文  参考訳（メタデータ） (2024-06-14T15:59:36Z)
• FIMP-HGA: A Novel Approach to Addressing the Partitioning Min-Max Weighted Matching Problem [13.431192456490987]
  本稿では,PMMWM に対する高速反復マッチング分割ハイブリッド遺伝的アルゴリズム (FIMP-HGA) を提案する。 マッチング段階では、漸進的な調整によりマッチング複雑性を低減するKM-Mアルゴリズムを提案する。 分割段階では、エリート戦略を取り入れたHybrid Genetic Algorithm (HGA)を導入し、Greedy Partition Crossover (GPX) 演算子を設計する。
  論文  参考訳（メタデータ） (2024-05-06T05:57:46Z)
• A new simplified MOPSO based on Swarm Elitism and Swarm Memory: MO-ETPSO [0.0]
  Elitist PSO (MO-ETPSO) は多目的最適化問題に適用される。 提案アルゴリズムは、確立されたNSGA-IIアプローチからコア戦略を統合する。 このアルゴリズムの新たな側面は、SwarmメモリとSwarmエリート主義の導入である。
  論文  参考訳（メタデータ） (2024-02-20T09:36:18Z)
• Two-Stage Stochastic Optimization via Primal-Dual Decomposition and Deep Unrolling [86.85697555068168]
  2段階のアルゴリズム最適化は、様々な工学や科学的応用において重要な役割を果たす。 特に長期変数と短期変数が制約の中で結合されている場合、アルゴリズムは効率的ではない。 PDD-SSCAが既存のソリューションよりも優れたパフォーマンスを達成できることを示します。
  論文  参考訳（メタデータ） (2021-05-05T03:36:00Z)
• 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)
• A Gradient-Aware Search Algorithm for Constrained Markov Decision Processes [9.728259735794987]
  まず,有限CMDPの双対線型計画における最適化目標が,ラグランジュのペナルティ乗算器に対する一方向線型凸関数であることを証明した。 有限CMDPの最適状態値関数とラグランジュペナルティ乗算器を求めるために,PWLC構造を利用した2レベルグラディエント・アウェア・サーチ(GAS)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-07T19:38:09Z)

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。