序的最佳化於隨機工程生產排程問題之應用

Apply Ordinal Optimization for Solving Stochastic Job Shop Scheduling Problem

隨機工作生產排程問題是等待處理的工作，操作的程序不相同，而且加工時間是隨機變動的。隨機工作生產排程問題則屬於NP-Hard 的問題，以實際應用的角度來看，加工時間或長或短常常超乎預期，正因為在每個機器上面工作的加工時間是隨機變動，造成在每台機器上面工作的生產順序無法事先定好，縱使順序已事先定好，然而工作的實際加工時間的改變，也會使的這些順序變成無效。為了能夠評估這項變化，我們將加工時間設為隨機變數，快速的以模擬方式求出一個足夠好的排程解。我們提出一個以序的最佳化理論為基礎的演算法，同時考量隨機工作生產排程問題中延遲成本與儲存成本二種因素。所提出的方法包括了探險和開發階段。在探險階段，利用一個典型的基因演算法，搭配一個已事先訓練好的類神經網路作為粗略模型來評估適應力，搜尋整個決定變數空間Ω以挑選出N (=1024)個粗略好的解。在開發階段包含了許多子階段，利用一個更準確的代理模型從N 個粗略足夠好的解中求出一個足夠好的解。同時將提出的方法應用於隨機工作生產排程問題，針對截尾常態、均勻、指數等三種不同機率分布的加工時間，測試我們的方法以及進行性能的分析。而高效率的計算與獲得到足夠好的解之良好品質，使我們的方法確實可以達到即時的應用。