論文の概要: Resource-constrained Project Scheduling with Time-of-Use Energy Tariffs and Machine States: A Logic-based Benders Decomposition Approach
- arxiv url: http://arxiv.org/abs/2601.06542v1
- Date: Sat, 10 Jan 2026 11:47:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-13 19:08:00.868865
- Title: Resource-constrained Project Scheduling with Time-of-Use Energy Tariffs and Machine States: A Logic-based Benders Decomposition Approach
- Title（参考訳）: 時間的エネルギー目標と機械状態を考慮した資源制約型プロジェクトスケジューリング:論理に基づくベンダー分割手法
- Authors: Corentin Juvigny, Antonín Novák, Jan Mandík, Zdeněk Hanzálek,
- Abstract要約: 資源制約型プロジェクトスケジューリング問題(RCPSP) - 利用時間のエネルギー関税(TOU)と機械状態。
モノリシック制約プログラミング(CP)アプローチと論理ベースベンダー分解(LBBD)アプローチの2つの新しいアプローチを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we investigate the Resource-Constrained Project Scheduling Problem (RCPSP) with time-of-use energy tariffs (TOU) and machine states, a variant of RCPSP for production scheduling where energy price is part of the criteria and one machine is highly energy-demanding and can be in one of the following three states: proc, idle, or off. The problem involves scheduling all tasks, respecting precedence constraints and resource limitations, while minimizing the combination of the overall makespan and the total energy cost (TEC), which varies according to the TOU pricing, which can take negative values. We propose two novel approaches to solve it: a monolithic Constraint Programming (CP) approach and a Logic-Based Benders Decomposition (LBBD) approach. The latter combines a master problem dealing with energy cost solved using Integer Linear Programming (ILP) with a subproblem handling the RCPSP resolved using CP. Both approaches surpass the monolithic compact ILP approach, but the LBBD significantly outperforms the CP when the ratio of energy-intensive tasks over the overall tasks is moderate, allowing for solving instances with up to 1600 tasks in sparse instances. Finally, we put forth a way of generalizing our LBBD approach to other problems sharing similar characteristics, and we applied it to a problem based on an RCPSP problem with blocking times & total weighted tardiness criterion and a flexible job shop.
- Abstract（参考訳）: 本稿では、資源制約型プロジェクトスケジューリング問題(RCPSP)と、使用時エネルギー関税(TOU)および機械状態、エネルギー価格が基準の一部であり、1台の機械が高エネルギー需要であり、以下の3つの状態のうちの1つに収まる生産スケジューリングのためのRCSPの変種について検討する。
問題は、すべてのタスクをスケジューリングし、優先順位の制約とリソースの制限を尊重する一方で、全体のメースパンと総エネルギーコスト(TEC)の組み合わせを最小化することである。
モノリシック制約プログラミング(CP)アプローチと論理ベースベンダー分解(LBBD)アプローチの2つの新しいアプローチを提案する。
後者は、Integer Linear Programming (ILP)を用いて解決したエネルギーコストを扱うマスター問題と、CPを用いて解決されたRCPSPを扱うサブプロブレムを組み合わせたものである。
どちらのアプローチもモノリシックなコンパクトIPPアプローチを超えているが、LCBDは全体のタスクに対するエネルギー集約タスクの割合が適度である場合、CPよりも優れており、スパースインスタンスで最大1600タスクのインスタンスを解くことができる。
最後に,LBBD のアプローチを類似した特徴を共有する他の問題に一般化する方法を提案し,ブロック時間と総重み付けタドネス基準とフレキシブルな求職者による RCPSP 問題に基づく問題に適用した。
関連論文リスト
- Shielded Controller Units for RL with Operational Constraints Applied to Remote Microgrids [50.64533198075622]
強化学習(Reinforcement Learning, RL)は、不確実性の下で複雑なシステムにおける意思決定を最適化するための強力なフレームワークである。
本稿では,システムダイナミクスの事前知識を活用する体系的かつ解釈可能なアプローチであるシールド制御ユニット(SCU)を紹介する。
本研究では,厳密な運用要件を持つ遠隔マイクログリッド最適化タスクにおけるSCUの有効性を示す。
論文 参考訳（メタデータ） (2025-11-30T19:28:34Z) - Safe and Sustainable Electric Bus Charging Scheduling with Constrained Hierarchical DRL [43.715336081857394]
太陽光発電(PV)パネルなどの再生可能エネルギー源を備えた電気バス(EB)は、持続可能な低炭素公共交通を推進するための有望なアプローチである。
本稿では,EB充電スケジューリング問題(EBCSP)を多ソース不確実性下で解決するための安全な深層強化学習フレームワークを提案する。
我々は新しいHDRLアルゴリズム、すなわちDouble ActorCritic MultiAgent Proximal Policy Optimization Lagrangian(DACMAPPO-Lagrangian)を開発した。
論文 参考訳（メタデータ） (2025-11-25T20:00:02Z) - Dependency-Aware Task Offloading in Multi-UAV Assisted Collaborative Mobile Edge Computing [53.88774113545582]
本稿では,新しい無人航空機(UAV)による協調移動エッジコンピューティング(MEC)フレームワークを提案する。
システムコストを最小限に抑え、タスク消費とエネルギー消費のトレードオフを改善することを目的としている。
提案手法はシステムコストを大幅に削減し,タスク消費とエネルギー消費のトレードオフの改善を実現する。
論文 参考訳（メタデータ） (2025-10-23T02:55:40Z) - Refined Iterated Pareto Greedy for Energy-aware Hybrid Flowshop Scheduling with Blocking Constraints [2.1165011830664673]
製造業セクターは、エネルギーの最大の消費国の一つとして、この課題から除外されていない。
エネルギー効率の高いスケジューリングは、製造会社を惹きつけ、迅速な展開が可能で、すぐに影響を示すことができるため、消費を減らす方法である。
論文 参考訳（メタデータ） (2025-10-03T13:52:20Z) - Client Orchestration and Cost-Efficient Joint Optimization for
NOMA-Enabled Hierarchical Federated Learning [55.49099125128281]
半同期クラウドモデルアグリゲーションの下で非直交多重アクセス(NOMA)を実現するHFLシステムを提案する。
提案手法は,HFLの性能改善と総コスト削減に関するベンチマークよりも優れていることを示す。
論文 参考訳（メタデータ） (2023-11-03T13:34:44Z) - A Quantum Computing Approach for the Unit Commitment Problem [0.0]
エネルギー生産の計画は、コスト感受性、高速移動エネルギー市場、需要の不確実性、および発電所の技術的制約のために難しい課題である。
本稿では,最小実行時間およびアイドル時間を有するUPPを,量子コンピューティングハードウェア上での2次最適化問題としてモデル化する。
最初の実験は、量子ビットの利用と接続性、そして最も重要なソリューション品質の観点から、私たちの定式化の利点を確認します。
論文 参考訳（メタデータ） (2022-12-13T11:01:42Z) - Scheduling Algorithms for Federated Learning with Minimal Energy
Consumption [0.0]
Federated Learning (FL)は、異種モバイルまたはエッジデバイス上で機械学習モデルを協調的にトレーニングする機会を開いた。
増大する懸念は、その経済と環境コストに関連している。
本稿では,未探索のMultiple-Choice Minimum-Cost Maximal Knapsack Packing Problemに基づく擬似多項式最適解を提案する。
論文 参考訳（メタデータ） (2022-09-13T09:54:05Z) - Exact methods and lower bounds for the Oven Scheduling Problem [5.7485371212305685]
Oven Scheduling Problem (OSP) は、電子部品製造の領域で発生する新しい並列バッチスケジューリング問題である。
オーブンの実行はエネルギー集約性の高いため、時間内にジョブを終了する以外に、すべてのオーブンの累積バッチ処理時間を最小化することが主な目的である。
本稿では、制約計画法(CP)と整数線形計画法(ILP)とそれに対応するモデルを用いて、このNPハードスケジューリング問題を解決することを提案する。
論文 参考訳（メタデータ） (2022-03-23T16:28:05Z) - 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) - Risk-Aware Energy Scheduling for Edge Computing with Microgrid: A
Multi-Agent Deep Reinforcement Learning Approach [82.6692222294594]
マイクログリッドを用いたMECネットワークにおけるリスク対応エネルギースケジューリング問題について検討する。
ニューラルネットワークを用いたマルチエージェントディープ強化学習(MADRL)に基づくアドバンテージアクター・クリティック(A3C)アルゴリズムを適用し,その解を導出する。
論文 参考訳（メタデータ） (2020-02-21T02:14:38Z)
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。