固有知識と汎用的解法の融合による高性能スケジューリング法の開発

本研究では，多品種少量生産を行う生産システムを対象とし，固有知識と汎用的解法を融合した高性能なスケジューリング法の開発を行うことを目的としている．生産スケジューリング問題の多くはNP困難なクラスに属し，高性能なスケジュールを短時間で作成することは難しい．そこで，生産現場での様々な意思決定場面を想定し，ニューラルネットワーク（NN）を用いてスケジューリングのための有効な知識の自動学習を行う．さらに，これと汎用的な探索法を組み合わせることによって高性能なスケジューリング法を開発し，生産性の向上を目指す．令和4年度は引き続きジョブショップスケジューリング問題に対して有効な優先規則をNNの学習法を検討した．小規模問題に対しては整数計画法による最適解から学習が可能であるが，大規模な問題にしては最適解を求めることは困難であるため，遺伝的アルゴリズムとNNを融合した方法を繰り返し用いる方法で高性能な優先規則を作成する．そのためにより効率的な遺伝的アルゴリズムの探索法について検討した．具体的には，遺伝的アルゴリズムの交叉オペレータに探索時の適応度を反映させる方法であり，これによって大規模問題における性能が向上することを確認した．さらに，より高性能な優先規則を作成するため，マルチパススケジューリング法を提案した．これは，優先規則が多項式時間アルゴリズムである以上，NP困難なジョブショップスケジューリング問題に対して一度の解作成で良い解を得ることには限界があるため，複数回の優先規則の適用で高性能なスケジュールを作成する方法である．この方法を前提として有効な優先規則の作成法を提案した．メイクスパンと重み付き納期遅れ時間最小化問題に対して，2回のスケジュールでより高性能なスケジュールを作成できることを確認した．

本研究では，多品種少量生産を行う生産システムを対象とし，固有知識と汎用的解法を融合した高性能なスケジューリング法の開発を行うことを目的としている．生産スケジューリング問題の多くはNP困難なクラスに属し，高性能なスケジュールを短時間で作成することは難しい．そこで，生産現場での様々な意思決定場面を想定し，ニューラルネットワーク（NN）を用いてスケジューリングのための有効な知識の自動学習を行う．さらに，これと汎用的な探索法を組み合わせることによって高性能なスケジューリング法を開発し，生産性の向上を目指す．令和4年度は引き続きジョブショップスケジューリング問題に対して有効な優先規則をNNの学習法を検討した．小規模問題に対しては整数計画法による最適解から学習が可能であるが，大規模な問題にしては最適解を求めることは困難であるため，遺伝的アルゴリズムとNNを融合した方法を繰り返し用いる方法で高性能な優先規則を作成する．そのためにより効率的な遺伝的アルゴリズムの探索法について検討した．具体的には，遺伝的アルゴリズムの交叉オペレータに探索時の適応度を反映させる方法であり，これによって大規模問題における性能が向上することを確認した．さらに，より高性能な優先規則を作成するため，マルチパススケジューリング法を提案した．これは，優先規則が多項式時間アルゴリズムである以上，NP困難なジョブショップスケジューリング問題に対して一度の解作成で良い解を得ることには限界があるため，複数回の優先規則の適用で高性能なスケジュールを作成する方法である．この方法を前提として有効な優先規則の作成法を提案した．メイクスパンと重み付き納期遅れ時間最小化問題に対して，2回のスケジュールでより高性能なスケジュールを作成できることを確認した．