跳到主要內容

臺灣博碩士論文加值系統

(44.210.99.209) 您好!臺灣時間:2024/04/15 14:21
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:錢玉兒
研究生(外文):Yu-Er Chien
論文名稱:基因演算法在排休之應用
論文名稱(外文):Application of Genetic Algorithm on the Leave Allocation Problem
指導教授:謝俊宏謝俊宏引用關係
學位類別:碩士
校院名稱:臺中技術學院
系所名稱:資訊科技與應用研究所
學門:電算機學門
學類:電算機應用學類
論文種類:學術論文
論文出版年:2009
畢業學年度:97
語文別:中文
論文頁數:73
中文關鍵詞:排休休假分配休假排程基因演算法分配問題
外文關鍵詞:Leave allocationgenetic algorithmleave schedulingGAassignment problem
相關次數:
  • 被引用被引用:4
  • 點閱點閱:418
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
摘 要

提供員工適當的休假,是讓員工調節身心與體力、取得家庭與工作平衡、以及提高員工向心力與忠誠度的重要措施之一。為了使員工有適當的休假,組織應運用一個有效的方法來對員工休假的申請進行最好的規劃。
本研究的主要目的,即是運用一個有效的方法來分配組織的休假。休假分配問題類似於一般化的指派問題(Generalized Assignment Problem),當員工人數及休假時段的數目變得很大時,休假分配問題變成一個複雜的問題。為解決此問題,本研究首先藉由員工休假志願表來瞭解員工休假的志願或偏好。在員工填好志願表後,將員工的休假意願或偏好進行彙整。其次,根據組織的目標,以及休假的限制進行求解。由於一般組織都希望在短時間內即能求得多種可行方案,鑑此,運用短時間內可求得近似最佳解的啟發式演算法(Heuristic Algorithm)比運用可求得精確解但耗時的精確演算法(Exact Algorithm)更加合適。從前人的文獻可以發現,基因演算法(Genetic Algorithm)在求解一般化的指派問題可以得到不錯的結果。因此,本研究運用基因演算法進行求解。
為驗證基因演算法的有效性,本研究運用幾個個案公司或組織的情境來進行分析。研究結果顯示:運用基因演算法在排休上可獲得不錯的結果;提高員工的權重可以提高員工被安排到更前志願的可能性。除此之外,本研究也對基因參數改變的影響進行探討,基因參數的確對結果有所影響。
ABSTRACT

Providing employees with fitting leave is an important task for many organizations to let employees live a healthy life, remain in physical strength, and maintain the work-life balance. In recognition of the importance of leave in maintaining the work-life balance for employees, and with the understanding that allocation of leave is often difficult during peak-periods in service delivery settings, some organizations have developed various guiding principles. These principles, however, may not ensure fair allocation of leave because the organizations arrange leave mostly by the experience of senior managers and fail to use an objective quantified indicator to ensure high employee satisfaction on leave allocation.
In this study we employ the genetic algorithm (GA) as an analytical tool to solve the leave allocation problem. The problem demonstrated deals with the allocation of leave to employees. Employees are first asked to point out their preferences, in an employee–leave time table, which takes the form of a scoring system where a one indicates a first choice, two a second and so on up until an allowed maximum number of preferences. Then GA is employed to allocate the leave of an organization.
Results from this study show that the proposed GA approach can obtain feasible solutions quickly and can help the organization make decisions effectively and efficiently. In addition, increasing the priority weight of an employee can lead to a higher probability of being assigned a better choice. The increase of the employee number, however, will increase the complexity of the allocation and take much computational time. Furthermore, in this study, the influences of genetic parameters are investigated and discussed.
目 錄

摘 要 ii
ABSTRACT iv
目 錄 vi
表 目 錄 viii
圖 目 錄 ix
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 5
1.3 研究範圍與限制 7
1.4 研究架構與流程 8
第二章 文獻探討 11
2.1 休假分配問題 11
2.2休假辦法與排休原則 14
2.3 基因演算法 15
2.3.1基因演算法的發展與演變 16
2.3.2 基因演算法簡介 19
2.3.3 基因演算法的流程 21
第三章 研究方法 33
3.1決策機制與研究流程 33
3.2求解方法 35
3.2.1編碼 35
3.2.2初始族群 36
3.2.3計算適應性函數值 36
3.2.4選擇 37
3.2.5交配 37
3.2.6突變 38
3.2.7取代 38
3.2.8終止條件 38
3.2.9菁英策略 39
3.3 程式的驗證 39
第四章 結果與討論 41
4.1 程式介紹 41
4.2 基因參數的影響 45
4.3 機構A案例 48
4.4 機構B案例 50
4.5 機構C案例 52
4.6 權重的影響 53
4.7員工人數的影響 56
第五章 結論與建議 57
5.1 結論..........57
5.2 管理意涵 58
5.3 建議.. 59
參考文獻 61
附錄65

表 目 錄

表1-1 員工休假志願表…………… 3
表2-1 基因演算法的發展……………………18
表3-1 基因演算法線性規畫結果比較表…38
表4-1不同基因參數對適應性函數值的影響… 43
表4-2交配率的影響……….46
表4-3突變率的影響……….47
表4-4權重區分表……………………52
表4-5員工人數的影響…………………….55



圖 目 錄

圖 1-1 研究架構圖……….8
圖 1-2 研究流程圖………….10
圖 2-1 二元進位編碼示意圖……….21
圖 2-2 順序編碼示意圖….22
圖 2-3 單點交配過程示意圖…….25
圖 2-4 雙點交配法過程示意圖…………….26
圖 2-5 均勻交配法過程示意圖…….27
圖 2-6 二元編碼突變示意圖….28
圖 2-7 隨機兩點交換示意圖……….28
圖 2-8 前後兩點交換示意圖………….29
圖 2-9 反轉突變法示意圖…….29
圖 3-1 基因演算法流程圖…………….33
圖 3-2 編碼示意圖………….34
圖 3-3 計分示意圖…………….35
圖 3-4 交配示意圖……………….36
圖 3-5 突變示意圖………….37
圖 4-1 GA程式主畫面…………41
圖 4-2 輸出畫面…………….42
圖 4-3依時段排列的輸出畫面……..43
圖 4-4志願數、基因參數及適應性函數值的輸出畫面……..43
圖 目 錄 (續)

圖 4-5不同基因參數對適應性函數值的影響.……….45
圖 4-6 2009年5月月曆.……….48
圖 4-7機構A之休假分配結果(部分) .……….48
圖 4-8機構B之休假分配結果(部分)…………………….……….50
圖 4-9機構C之休假分配結果(部分) …….….…….51
圖 4-10機構B員工E004使用優先卡之休假分配結果(部分) …… 54
參考文獻
[1]http://www.paypershop.com/articles/intellicate001.html
[2]P.R. Harper, V. de Senna, I.T. Vieira, and A.K. Shahani,“A genetic Algorithm for the Project Assignment Problem,” Computer and Operations Research, Vol. 32, pp. 1225-1265, 2005.
[3]H.F. Tsai, T.S. Chen, and R.C. Chen, “Genetic Algorithm for the Training Time Assignment Problem of Core Laboratories,” Proceedings of the 9th WSEAS International Conference on Automation and Information, Bucharest, Romania, pp. 474-479, 2008.
[4]R.C. Chen, T.T. Chen, and W.L. Fang, “Assignment of External Off-the-job Training Courses to Employees Using Genetic Algorithm,” Information Technology Journal, Vol. 8, No. 2, pp. 147-155, 2009.
[5]T Öncan, “ A survey of theGeneralized Assignment Problem and its Applications,” INFOR, Vol. 45, No. 3, pp. 123-141, 2007.
[6]P.C. Chu, and J.E. Beasley, “A Genetic Algorithm for the Generalized Assignment Problem,” Computers and Operations Research, Vol. 24, No. 1, pp. 17–23, 1997.
[7]J.M. Wilson, “A Genetic Algorithm for the Generalized Assignment Problem,” Journal of the Operational Research Society, Vol. 48, pp. 804-809, 1997.
[8]李學勛,自適應基因演算法應用於全球成衣生產決策系統,國立臺中技術學院事業經營研究所全球運籌組碩士論文,未出版,台中市,民國95年。
[9]李學勛、林志強、呂俐儒、佘宛玲、陳榮昌,植基於遺傳演算法之全球成衣生產決策支援系統,第三屆流通與全球運籌論文研討會,國立臺中技術學院。708-714頁,民國94年。
[10]林桂菁,應用基因演算法在紡織業之生產排程,國立臺中技術學院資訊科技與應用研究所碩士論文,未出版,台中市,民國95年。
[11]陳盈樺,基因演算法於多目標全球成衣報價之應用,國立臺中技術學院事業經營研究所全球運籌組碩士論文,未出版,台中市,民國96年。
[12]蘇恆磊,遺傳演算法於零工式排程系統之應用,國立海洋大學系統工程暨造船學系碩士論文,民國90年。
[13]周清江及黃信強,“運用基因演算法於平行器之工作排程”,資訊管理展望,第4卷,第1期,民國91年。
[14]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碩士論文,民國 88年。
[15]邱元泰,遺傳演算法在排課問題之應用,國立中正大學數學研究所碩士論文,民國91年。
[16]張育彰,應用基因演算法於台鐵列車駕駛員排班與輪班整合問題之研究,國立成功大學交通管理學系碩士論文,民國92年。
[17]謝欣宏,台鐵司機員排班與輪班問題之研究-以基因演算法求解,國立成功大學交通管理學系碩士論文,民國90年。
[18]http://law.moj.gov.tw/Scripts/Query4A.asp?FullDoc=all&Fcode=S0110016,公務人員請假規則。
[19]M. Negnevitsky, Artificial Intelligence: a Guide to Intelligent Systems, Addison-Wesley, 2001.
[20]D.A. Coley, An Introduction to Genetic Algorithms for Scientists and Engineers, World Scientific, 1999.
[21]M. Mitchell, An Introduction to Genetic Algorithms, MIT Press Cambridge, 1996.
[22]J.H. Holland, Adaptation in Natural and Artificial Systems, MIT Press Cambridge, 1992.
[23]D.E. Goldberg, Genetic Algorithm in Search, Optimization, and Machine Learning, Addison-Wesley, 1989.
[24]張文修、梁怡,遺傳算法的數學基礎,西安交通大學出版社,民國88年。
[25]http://ai.ee.ccu.edu.tw.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊