# 臺灣博碩士論文加值系統

(3.238.204.167) 您好！臺灣時間：2022/08/13 11:44

:::

### 詳目顯示

:

• 被引用:27
• 點閱:2479
• 評分:
• 下載:250
• 書目收藏:2
 摘要 零工式生產排程系統問題在生產管理是個相當重要的問題。這個問題的求解都沒能找到最佳解的多項式時間算法，係為一種非多項式問題，亦稱為NP難問題，在過去數十年間，已經有了許多不同方法的研究，本文主要是針對遺傳演算法，探討其於零工式生產排程系統的應用。 首先，針對零工式生產排程系統的作業程序及限制、績效衡量標準和派工法則做一敘述；其次，介紹遺傳演算法的基本架構和重要因子，並整理出遺傳演算法的各種編碼方式和交配方式；再者，說明本研究之系統模型架構；最後，對測試問題做一系列的測試，探討遺傳演算法的各個控制參數，如交配率、突變率和族群數的變化對於本研究之三種遺傳演算法GAⅠ(部分配對交配與位置互換突變)、GAⅡ(單點交配與位置互換突變)、GAⅢ(以工作為基礎的交配與位置互換突變)之影響。 本研究以Fortran語言撰寫程式，測試問題從D. C. Mattfeld與R. J. M. Vaessens整理文獻裡的選用四個標準檢查程序(Bench-mark)例子。測試結果發現本文三種遺傳演算法對於零工式生產排程問題之完工時間，在特定的突變率與交配率之下可以獲得不錯的搜尋結果。
 Abstract The job-shop scheduling problem is an important problem in the operation production management. During the last few decades, an efficient algorithm hasn’t been found yet for optimizing it in polynomial time. Based on the genetic algorithms is used to solve job-shop scheduling problem in this thesis. Firstly, to describe operation process, limits, performance, and the rule on dispatch in the job-shop scheduling problem. Secondly, to introduce the basic framework and important parameters such as crossover rate, mutation rate and population in genetic algorithms. According the genetic algorithm with three different crossover mechanisms such as partial-mapped crossover, one-point crossover, job-based order crossover, a program has been complemented in Fortran 90.The program is verified through four bench-mark instances of the job-shop scheduling problem having minizing makespan from paper by D. C. Mattfeld and R. J. M. Vaessens. Finally, the influence of the parameters in three genetic algorithms in this thesis on the makespan for the job-shop scheduling problems are studied and discussed.
 目錄 中文摘要.....................................................Ⅰ Abstract.....................................................Ⅱ 圖目錄.......................................................Ⅴ 表目錄.......................................................Ⅶ 第一章 緒論..................................................1 1.1研究動機與背景............................................1 1.2研究目的..................................................2 1.3研究流程..................................................2 1.4論文架構..................................................4 第二章 遺傳演算法與JSP問題描述...............................5 2.1 排程的定義與分類.........................................5 2.2 零工式生產排程系統.......................................7 2.3遺傳演算法................................................9 2.4 JSP問題上遺傳演算法的編碼方式...........................15 2.5 JSP問題上遺傳演算法的交配方式...........................22 第三章 系統模型與測試問題...................................26 3.1 系統模型................................................26 3.2 測試問題................................................31 第四章 問題分析.............................................35 4.1 6×6問題(ft06)...........................................35 4.2 10×10問題(ft10).........................................42 4.3 20×5問題(ft20)..........................................50 4.4 20×10問題(la26).........................................57 4.5 結果比較................................................65 第五章 結論與未來展望.......................................67 5.1 結論....................................................67 5.2 未來展望................................................67 參考文獻....................................................69
 【1】E. K. Burke, A. J. Smith, ”Hybrid Evolutionary Techniques for the Maintenance Scheduling Problem”, IEEE Transactions on power systems, Vol. 15,NO. 1, pp. 122-128,2000.【2】L. D. Chambers, ”Practical Handbook of Genetic Algorithms”, Boca Raton : CRC Press,1999.【3】R. Cheng, M. Gen, Y. Tsujimura, ”A tutorial survey of job-shop scheduling problems using genetic algorithms-Ⅰ. Representation”, Computer Ind. Engeng, Vol. 30, No. 4 ,pp. 983-997,1996.【4】R. Cheng, M. Gen, Y. Tsujimura, ”A tutorial survey of job-shop scheduling problems using genetic algorithms, part Ⅱ: hybrid genetic search strategies”, Computer & Industrial Engineering, Vol. 36, pp. 343-364,1999.【5】R. Cheng, M. Gen, Y. Tsujimura, ”A tutorial survey of job-shop scheduling problems using genetic algorithms, part Ⅱ: hybrid genetic search strategies”, Computer & Industrial Engineering, Vol. 37, pp. 51-55,1999.【6】E. Falkenauer, S. Bouffouix, ”A Genetic Algorithm for Job Shop”, Proceedings of the 1991 IEEE International Conference on Robotics and Automation , pp. 824-829,1991.【7】M. Gen, R. Cheng, ”Genetic algorithms and engineering optimization”, New York: Wiley, 2000.【8】M. Gen, Y. Tsujimura, E. Kubota, ”Solving Job-Shop Scheduling Problems by Genetic Algorithm ” , IEEE International Conference on, Vol. 2, pp. 1577-1582,1994.【9】D. E. Goldberg, ”Genetic algorithms: in search, optimization and Machine learning”, Addision-Wesley Publishing Co.,1989.【10】J. Holland, ”Adaptation in Natural and Artificial Systems”, University of Michigan Press, Ann Arbor, Michigan,1975.【11】A.S. Jain, S. Meeran, ”Deterministic job-shop scheduling: Past, present and future”, European Journal of Research, Vol. 113, pp. 390-434,1999.【12】D. C. Mattfeld, R. J. M. Vaessens, ”Job Shop Problem Test Instances Set”, .【13】S. G. Ponnambalam, N. Jawahar, B. S. Kumar, ”Estimation of Optimum Genetic Control Parameters for Job Shop Scheduling”, Int J Adv Manuf Technol, Vol. 19, pp. 224-234,2002.【14】N. Sannomiya, H. Iima, K. Ashizawa, Y. Kobayashi, ”Application of Genetic Algorithm to a Large-Scale Scheduling Problem for a Metal Mold Assembly Process”, Proceeding of the 38th Conference on Design & Control, pp. 2288-2293,December 1999.【15】Y. Tsujimura, Y. Mafune, M. Gen, ”Effect of Symbiotic Evolution in Genetic Algorithms for Job-Shop Scheduling”, Proceedings of the 34th Hawaii International Conference on System Sciences, pp. 1-7,2001.【16】L. Wang, D. Zheng ,”An effective hybrid optimization strategy for job-shop scheduling problems”, Computers & Operations Research, Vol. 28, pp. 585-596,2001.【17】王培珍，應用遺傳演算法與模擬在動態排程問題之探討，中原大學工業工程研究所，碩士論文，1996。【18】林我聰，現場排程專家系統─應用個體導向技術建立之研究，財團法人資訊工業策進會─資訊與電腦出版社，1994。【19】許丕敏，工單式生產系統排程績效之比較─最小化總延遲時間，成功大學工業管理研究所，1999。【20】陳宜欣，遺傳演算法在Job Shop排程問題上的研究，中央大學資訊管理研究所，1997。【21】賴士葆，生產作業管理─理論與實務，華泰書局，1995。【22】羅友廷，模糊多目標混合式遺傳演算法在零工式排程系統之應用，東海大學工業工程研究所，1999。【23】蕭義梅，遺傳演算法應用在零工式工廠生產排程之應用，元智大學工業工程研究所，1999。【24】蘇木春、張孝德，機器學習：類神經網路、模糊系統以及遺傳演算法則，全華科技圖書股份有限公司，2000。
 電子全文
 國圖紙本論文
 推文當script無法執行時可按︰推文 網路書籤當script無法執行時可按︰網路書籤 推薦當script無法執行時可按︰推薦 評分當script無法執行時可按︰評分 引用網址當script無法執行時可按︰引用網址 轉寄當script無法執行時可按︰轉寄

 1 應用遺傳演算法與模擬在動態排程問題之探討 2 改良式遺傳演算法於零工式生產排程系統之應用 3 應用基因模糊邏輯建構適應性匝道儀控系統 4 以混合式遺傳演算法求解具有提前與延遲完工懲罰成本之單機生產排程問題 5 基於遺傳演算法之最佳化排程技術的研究 6 應用基因演算法在紡織業之生產排程 7 使用基因演算法與線上式模擬輔助即時製造資源規劃之研究 8 應用遺傳演算法進行砷化鎵半導體後端製程排程之研究—以W半導體廠為例 9 遺傳演算法應用於輪胎花紋之最佳化設計 10 應用多目標粒子群演算法於緊急訂單重排程問題 11 基因演算法在排休之應用 12 基因演算法應用於休閒產業導覽解說員排班問題之研究-以Y館為例 13 電源供應器產業排程問題之探討－以H公司為例 14 使用案例式基因演算法求解單元式生產資源分配之研究 15 運用細菌演算法求解零工型工廠的工作排程問題

 1 17. 藍武王、林祥生，「均質環境下城際國道客運服務策略之最佳化分析」，運輸學刊，第10卷，第期3，pp.39~77，1997。

 1 製造業即時排程與重排程基礎架構 2 改良式遺傳演算法於零工式生產排程系統之應用 3 建構以遺傳演算法結合塑模工具為基礎之玻璃工廠模擬排程系統 4 從訂單差異性觀點建立供應鏈管理之先進規劃排程系統 5 整合機器學習方法於決策樹為基智慧型排程系統之研究 6 以電子化供應鏈主生產排程系統降低前置時間之研究 7 應用基因遺傳演算法於零工式工場生產排程 8 單機排程伴隨有學習效果之下的最大延遲時間最小化之研究 9 粒子群演算法於結構設計及零工式排程之應用 10 先進規劃與排程系統應用於紡織業之研究 11 多目標平行機台零工式工廠重排程之探討 12 實際零工式生產排程問題的派工法則 13 應用平行化基因演算法改進螺槳幾何之設計 14 應用基因演算法在紡織業之生產排程 15 連續性零工工廠總延遲時間最小化排程問題之研究

 簡易查詢 | 進階查詢 | 熱門排行 | 我的研究室