JPH05120300A - 割当て装置 - Google Patents
割当て装置Info
- Publication number
- JPH05120300A JPH05120300A JP27759191A JP27759191A JPH05120300A JP H05120300 A JPH05120300 A JP H05120300A JP 27759191 A JP27759191 A JP 27759191A JP 27759191 A JP27759191 A JP 27759191A JP H05120300 A JPH05120300 A JP H05120300A
- Authority
- JP
- Japan
- Prior art keywords
- jobs
- resources
- neurons
- neuron
- allocation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
(57)【要約】
【目的】複数のジョブを複数のリソースに割当てる割当
て装置において、ニューラルネットワークによる簡易な
構成のシステムでの割当て装置を実現する。 【構成】リソースの個数ｉ×ジョブｊの個数のニューロ
ン1011〜10ijを配列したホップフィールドネットワーク
を用い、ユニット間の重みを調節して割当て処理を実行
させる。
て装置において、ニューラルネットワークによる簡易な
構成のシステムでの割当て装置を実現する。 【構成】リソースの個数ｉ×ジョブｊの個数のニューロ
ン1011〜10ijを配列したホップフィールドネットワーク
を用い、ユニット間の重みを調節して割当て処理を実行
させる。
Description
【０００１】
【産業上の利用分野】本発明は、複数のジョブと複数の
リソースとの間の組合わせを効果的に割当て決定する割
当て装置に関する。
リソースとの間の組合わせを効果的に割当て決定する割
当て装置に関する。
【０００２】
【従来の技術】従来より、複数のジョブと複数のリソー
スとの間の組合わせを、種々の制約条件の下で割当て決
定することが多く行われてきた。例えば、種々の業務
（ジョブ）に対する作業者の割当てを、労働条件や作業
能力（制約条件）に従ってそれぞれ割当て決定すること
が行なわれる。
スとの間の組合わせを、種々の制約条件の下で割当て決
定することが多く行われてきた。例えば、種々の業務
（ジョブ）に対する作業者の割当てを、労働条件や作業
能力（制約条件）に従ってそれぞれ割当て決定すること
が行なわれる。
【０００３】このような割当て決定は、従来、専ら人手
に頼って行なわれているが、上記ジョブとリソースとが
それぞれ大量になるに従って人手による割当て決定が困
難化する。また、割当て決定を進める過程で、例えばあ
るジョブに割当て得るリソースが既に他のジョブに割当
て決定されている結果、そのジョブに割当てリソースが
なくなる等の矛盾が生じ易く、割当て決定処理の行き詰
まりが生じることも多々ある。そして、この場合には、
その割当て決定手続きをやり直す必要がある。このた
め、ジョブとリソースとの割当て決定に多大な時間を必
要とすることが否めなかった。
に頼って行なわれているが、上記ジョブとリソースとが
それぞれ大量になるに従って人手による割当て決定が困
難化する。また、割当て決定を進める過程で、例えばあ
るジョブに割当て得るリソースが既に他のジョブに割当
て決定されている結果、そのジョブに割当てリソースが
なくなる等の矛盾が生じ易く、割当て決定処理の行き詰
まりが生じることも多々ある。そして、この場合には、
その割当て決定手続きをやり直す必要がある。このた
め、ジョブとリソースとの割当て決定に多大な時間を必
要とすることが否めなかった。
【０００４】そこで最近では、この種の割当て決定を計
算機を用いて処理することが考えられている。この計算
機による処理は、基本的に複数のジョブの中から１つの
ジョブを取出し、取出されたジョブに割当て可能なリソ
ースを、複数のリソースの中から順に取出されるリソー
スについてその割当て制約条件等をチェックして求め
る。このチェックは、具体的には割当ての制約条件をチ
ェックした後、さらにその動的条件をチェックすること
によって行なわれる。そして、割当て制約条件等を満た
すリソースの中から、例えば最初に見出だされたリソー
スを上記ジョブに割当て決定し、ジョブに対して割当て
決定し得るリソースが見出だされない場合はその割当て
変更を行なう。このような処理手続きを、割当て決定さ
れたジョブ及びリソースを除去しながら繰返すことによ
って割当て決定が実行されるものである。
算機を用いて処理することが考えられている。この計算
機による処理は、基本的に複数のジョブの中から１つの
ジョブを取出し、取出されたジョブに割当て可能なリソ
ースを、複数のリソースの中から順に取出されるリソー
スについてその割当て制約条件等をチェックして求め
る。このチェックは、具体的には割当ての制約条件をチ
ェックした後、さらにその動的条件をチェックすること
によって行なわれる。そして、割当て制約条件等を満た
すリソースの中から、例えば最初に見出だされたリソー
スを上記ジョブに割当て決定し、ジョブに対して割当て
決定し得るリソースが見出だされない場合はその割当て
変更を行なう。このような処理手続きを、割当て決定さ
れたジョブ及びリソースを除去しながら繰返すことによ
って割当て決定が実行されるものである。
【０００５】ところがこのような処理手続きにあって
は、ジョブ及びリソースの数の増大に伴って割当て決定
が非常に難しくなり、処理を実行させるためのプログラ
ムの作成も困難となる。
は、ジョブ及びリソースの数の増大に伴って割当て決定
が非常に難しくなり、処理を実行させるためのプログラ
ムの作成も困難となる。
【０００６】一方、ニューラルネットワークを用いた巡
回セールスマン問題等の組合せ最適化問題の解法とし
て、ホップフィールドネットワークが注目されている。
このホップフィールドネットワークは、例えば与えられ
た都市（Ｎ個）と都市間の距離が与えられたときに、全
ての都市を１回ずつ通って合計の距離が最短となる経路
を求めるという巡回セールスマン問題において、都市の
数（Ｎ）×都市を巡る順番（Ｎ）の正方形に並んだ合計
Ｎ2 個のニューロンを用い、各行と列に１つのニューロ
ンしか活性化されないように相互に抑制のリンクを張
り、さらに都市間の距離を興奮性のリンクで反映させる
一種のエネルギー関数を定義し、それに従ってニューロ
ン間の配線、重みをプログラミングすることで、このエ
ネルギーを極小とするようにネットワークが動作し安定
することから局所解を得るようにしたものである。そし
て、このようにして得られた局所解が最適な解にきわめ
て近いことが、いくつかの実験により確かめられてい
る。
回セールスマン問題等の組合せ最適化問題の解法とし
て、ホップフィールドネットワークが注目されている。
このホップフィールドネットワークは、例えば与えられ
た都市（Ｎ個）と都市間の距離が与えられたときに、全
ての都市を１回ずつ通って合計の距離が最短となる経路
を求めるという巡回セールスマン問題において、都市の
数（Ｎ）×都市を巡る順番（Ｎ）の正方形に並んだ合計
Ｎ2 個のニューロンを用い、各行と列に１つのニューロ
ンしか活性化されないように相互に抑制のリンクを張
り、さらに都市間の距離を興奮性のリンクで反映させる
一種のエネルギー関数を定義し、それに従ってニューロ
ン間の配線、重みをプログラミングすることで、このエ
ネルギーを極小とするようにネットワークが動作し安定
することから局所解を得るようにしたものである。そし
て、このようにして得られた局所解が最適な解にきわめ
て近いことが、いくつかの実験により確かめられてい
る。
【０００７】しかしながらこのようなホップフィールド
ネットワークによる最適化問題への応用は、ネットワー
クのハードウェア化か、あるいは高い並列度で動作する
シミュレータが不可欠であり、問題の規模と収束の速度
の実際的な関係などの調査も必要であって、いまのとこ
ろ実用化にまでは至っておらず、複数のジョブを複数の
リソースに割当てる割当て問題に適用されることもなか
った。
ネットワークによる最適化問題への応用は、ネットワー
クのハードウェア化か、あるいは高い並列度で動作する
シミュレータが不可欠であり、問題の規模と収束の速度
の実際的な関係などの調査も必要であって、いまのとこ
ろ実用化にまでは至っておらず、複数のジョブを複数の
リソースに割当てる割当て問題に適用されることもなか
った。
【０００８】
【発明が解決しようとする課題】このように従来にあっ
ては、計算機を用いた割当て決定の処理手続きに際して
ジョブ及びリソースの数の増大に伴ない割当て決定が非
常に難しくなり、処理を実行させるためのプログラムの
作成も困難となる一方、ニューラルネットワークによる
組合せ最適化問題もいまだ実用化のレベルにまでは達し
ておらず、このジョブをリソースに割当てる割当て問題
に適用させるところまでいっていなかった。
ては、計算機を用いた割当て決定の処理手続きに際して
ジョブ及びリソースの数の増大に伴ない割当て決定が非
常に難しくなり、処理を実行させるためのプログラムの
作成も困難となる一方、ニューラルネットワークによる
組合せ最適化問題もいまだ実用化のレベルにまでは達し
ておらず、このジョブをリソースに割当てる割当て問題
に適用させるところまでいっていなかった。
【０００９】本発明は上記のような実情に鑑みてなされ
たもので、その目的とするところは、ニューラルネット
ワークによる簡易な構成のシステムにより複数のジョブ
を複数のリソースに割当て決定する割当て装置を実現す
ることにある。
たもので、その目的とするところは、ニューラルネット
ワークによる簡易な構成のシステムにより複数のジョブ
を複数のリソースに割当て決定する割当て装置を実現す
ることにある。
【００１０】
【課題を解決するための手段及び作用】すなわち本発明
は、複数のジョブを複数のリソースに割当てる割当て装
置において、リソースの個数×ジョブの個数のユニット
を配列したホップフィールドネットワークを用い、ユニ
ット間の重みを調節することにより、ニューラルネット
ワークによる簡易な構成のシステムでの割当て装置を実
現することができる。
は、複数のジョブを複数のリソースに割当てる割当て装
置において、リソースの個数×ジョブの個数のユニット
を配列したホップフィールドネットワークを用い、ユニ
ット間の重みを調節することにより、ニューラルネット
ワークによる簡易な構成のシステムでの割当て装置を実
現することができる。
【００１１】
【実施例】以下図面を参照して本発明の一実施例を説明
する。
する。
【００１２】図１は相互結合ネットワークであるホップ
フィールドネットワークを構成する各ニューロンの単体
構成を示すものである。同図に示すように１つのニュー
ロン10は、自己を含むすべてのニューロンの出力を入力
とし、各入力値に重みを乗じたものの和を計算し、その
計算結果に対して一種の正規化関数を乗じて出力する。
ここでは、正規化関数として例えば １／（１＋ｅ-cx ）＋ｃ′ …(1) （但し、ｘ：入力、ｃ：正の定数、ｃ′：定数。）を用
いるものとする。
フィールドネットワークを構成する各ニューロンの単体
構成を示すものである。同図に示すように１つのニュー
ロン10は、自己を含むすべてのニューロンの出力を入力
とし、各入力値に重みを乗じたものの和を計算し、その
計算結果に対して一種の正規化関数を乗じて出力する。
ここでは、正規化関数として例えば １／（１＋ｅ-cx ）＋ｃ′ …(1) （但し、ｘ：入力、ｃ：正の定数、ｃ′：定数。）を用
いるものとする。
【００１３】図２は上記図１に示したニューロン10をジ
ョブとリソースの数に合わせて配列した構成を例示する
ものである。ジョブの数をＮj 、リソースの数をＮr と
すると、ホップフィールドネットワークはＮr 行Ｎj 列
の行列状に上記図１のニューロン10を配列することで構
成される。ここでは、ジョブの数Ｎj を３、リソースの
数Ｎr を２として２行３列の計６個のニューロン10から
ホップフィールドネットワークを構築したものを示す。
ホップフィールドネットワークは相互結合ネットワーク
の一種であるので、上述した如く自己を含むすべてのニ
ューロンの出力を入力としている。
ョブとリソースの数に合わせて配列した構成を例示する
ものである。ジョブの数をＮj 、リソースの数をＮr と
すると、ホップフィールドネットワークはＮr 行Ｎj 列
の行列状に上記図１のニューロン10を配列することで構
成される。ここでは、ジョブの数Ｎj を３、リソースの
数Ｎr を２として２行３列の計６個のニューロン10から
ホップフィールドネットワークを構築したものを示す。
ホップフィールドネットワークは相互結合ネットワーク
の一種であるので、上述した如く自己を含むすべてのニ
ューロンの出力を入力としている。
【００１４】ｉ行ｊ列に位置するニューロン10ijの出力
がオン状態であるとき、このニューロン10ijがオン状態
にあると言い、同様にニューロン10ijの出力がオフ状態
であるとき、このニューロン10ijがオフ状態にあると言
う。そして、ニューロン10ijがオン状態にあるとき、リ
ソースｉにジョブｊが割当てられていることを表わし、
オフ状態のとき、割当てられていないことを表わす。以
下、上記構成のホップフィールドネットワークによる割
当て処理の動作について説明する。
がオン状態であるとき、このニューロン10ijがオン状態
にあると言い、同様にニューロン10ijの出力がオフ状態
であるとき、このニューロン10ijがオフ状態にあると言
う。そして、ニューロン10ijがオン状態にあるとき、リ
ソースｉにジョブｊが割当てられていることを表わし、
オフ状態のとき、割当てられていないことを表わす。以
下、上記構成のホップフィールドネットワークによる割
当て処理の動作について説明する。
【００１５】まず、ネットワーク全体のエネルギーを次
式のように定義するものとする。すなわち、ネットワー
ク中のｔ行ｌ列（１≦ｔ≦Ｎr ，１≦ｌ≦Ｎj ）に位置
するニューロン10tlからの出力に対する、Ｔ行Ｌ列（１
≦Ｔ≦Ｎr ，１≦Ｌ≦Ｎj ）に位置するニューロン10TL
の重みをＷTL,tl とした場合に、ネットワーク全体のエ
ネルギーは、全てのＴ，ｔ，Ｌ，ｌに関するＷTL,tl の
総和として ΣＷTL,tl ＊ＶTL＊Ｖtl …(2)
式のように定義するものとする。すなわち、ネットワー
ク中のｔ行ｌ列（１≦ｔ≦Ｎr ，１≦ｌ≦Ｎj ）に位置
するニューロン10tlからの出力に対する、Ｔ行Ｌ列（１
≦Ｔ≦Ｎr ，１≦Ｌ≦Ｎj ）に位置するニューロン10TL
の重みをＷTL,tl とした場合に、ネットワーク全体のエ
ネルギーは、全てのＴ，ｔ，Ｌ，ｌに関するＷTL,tl の
総和として ΣＷTL,tl ＊ＶTL＊Ｖtl …(2)
【００１６】ここで、ＶTLはＴ行Ｌ列のニューロン10TL
の状態であり、「１（オン状態）」または「０（オフ状
態）」とする。しかして、上記重みＷTL,tl は、 ＷTL,tl ＝ＡＩTL,tl ＋ＢＭTL,tl ＋ＣＮTL,tl ＋ＤＰTL,tl ＋ＥＱTL,tl …(3) （但し、Ａ，Ｂ，Ｃ，Ｄ，Ｅ：スカラーの定数。）とな
る。ここで、上記(3) 式右辺の第１項中のＩは、あるニ
ューロン10から同じニューロン10への結合に対応し、Ｔ
＝ｔ，Ｌ＝ｌのときにＩTL,tl ＝１となり、その他のと
きにＩTL,tl ＝０となる。
の状態であり、「１（オン状態）」または「０（オフ状
態）」とする。しかして、上記重みＷTL,tl は、 ＷTL,tl ＝ＡＩTL,tl ＋ＢＭTL,tl ＋ＣＮTL,tl ＋ＤＰTL,tl ＋ＥＱTL,tl …(3) （但し、Ａ，Ｂ，Ｃ，Ｄ，Ｅ：スカラーの定数。）とな
る。ここで、上記(3) 式右辺の第１項中のＩは、あるニ
ューロン10から同じニューロン10への結合に対応し、Ｔ
＝ｔ，Ｌ＝ｌのときにＩTL,tl ＝１となり、その他のと
きにＩTL,tl ＝０となる。
【００１７】上記(3) 式右辺の第２項中のＭは、同じ列
のニューロン10間の結合に対応し、Ｔ≠ｔ，Ｌ＝ｌのと
きにＭTL,tl ＝１となり、その他のときにＭTL,tl ＝０
となる。しかるにこの第２項は、同じジョブを複数のリ
ソースに割当てないための項である。
のニューロン10間の結合に対応し、Ｔ≠ｔ，Ｌ＝ｌのと
きにＭTL,tl ＝１となり、その他のときにＭTL,tl ＝０
となる。しかるにこの第２項は、同じジョブを複数のリ
ソースに割当てないための項である。
【００１８】上記(3) 式右辺の第３項中のＮは、行、列
共に異なるニューロン10間の結合に対応し、Ｔ≠ｔ，Ｌ
≠ｌのときにＮTL,tl ＝１となり、その他のときにＮ
TL,tl＝０となる。
共に異なるニューロン10間の結合に対応し、Ｔ≠ｔ，Ｌ
≠ｌのときにＮTL,tl ＝１となり、その他のときにＮ
TL,tl＝０となる。
【００１９】上記(3) 式右辺の第４項中のＰは、同じ行
のニューロン10間の結合に対応し、Ｔ＝ｔ，Ｌ≠ｌのと
き、あるいは０（Ｌ，ｌ）のときににＰTL,tl ＝１とな
り、その他のときにＰTL,tl ＝０となる。しかるにこの
第４項は、異なる複数のジョブを１つのリソースに割当
てることが不可能な場合のための項である。ここで、上
記０（Ｌ，ｌ）はＬとｌとが同じリソースに割当て不可
能なときに真となることを示す。このような具体例とし
て、Ｌとｌが同時刻に行かなければならないジョブであ
ったり、Ｌが大型トラックでなければ、ｌが小型トラッ
クでなければそれぞれ処理できないジョブである場合な
どがある。
のニューロン10間の結合に対応し、Ｔ＝ｔ，Ｌ≠ｌのと
き、あるいは０（Ｌ，ｌ）のときににＰTL,tl ＝１とな
り、その他のときにＰTL,tl ＝０となる。しかるにこの
第４項は、異なる複数のジョブを１つのリソースに割当
てることが不可能な場合のための項である。ここで、上
記０（Ｌ，ｌ）はＬとｌとが同じリソースに割当て不可
能なときに真となることを示す。このような具体例とし
て、Ｌとｌが同時刻に行かなければならないジョブであ
ったり、Ｌが大型トラックでなければ、ｌが小型トラッ
クでなければそれぞれ処理できないジョブである場合な
どがある。
【００２０】上記(3) 式右辺の第５項中のＱは、上記Ｐ
と同様に同じ行のニューロン10間の結合に対応し、Ｌと
ｌを同じＴに割当てたときにＱTL,tl の値はそのときの
コスト値、Ｔ＝ｔ，Ｌ≠ｌで０（Ｌ，ｌ）ではないとき
にＱTL,tl の値はＬをＴに、ｌをｔに割当てたときのコ
スト値、その他のときにＱTL,tl ＝０となる。上記コス
ト値はすなわち実際の金額値であり、例えばトラックの
チャーター料金などのように割当て状態の悪さを示す数
であればよい。
と同様に同じ行のニューロン10間の結合に対応し、Ｌと
ｌを同じＴに割当てたときにＱTL,tl の値はそのときの
コスト値、Ｔ＝ｔ，Ｌ≠ｌで０（Ｌ，ｌ）ではないとき
にＱTL,tl の値はＬをＴに、ｌをｔに割当てたときのコ
スト値、その他のときにＱTL,tl ＝０となる。上記コス
ト値はすなわち実際の金額値であり、例えばトラックの
チャーター料金などのように割当て状態の悪さを示す数
であればよい。
【００２１】しかして、ある１つのニューロン10を中心
に考えると、上記Ｍは同じ列の他のニューロン10との関
係で決まる数値、Ｎは列も行も異なるニューロン10との
関係で決まる数値、Ｐ，Ｑは同じ行の他のニューロン10
との関係で決まる数値となる。そこで、各ニューロン10
間の重みとして次のように用いるものとする。すなわ
ち、 （ａ） 自ニューロンに対して・・・・・・・・・「−
ＡＩ」 （ｂ） 同列の他のニューロンに対して・・・・・「−
ＢＭ」 （ｃ） 行、列共に異なるニューロンに対して・・「−
ＣＮ」 （ｄ） 同行の他のニューロンに対して、 （ｄ−１）そのニューロンに対応するジョブもそのニュ
ーロンに割当てが可能であれば・・・・・・・・・・
「−ＥＱ」 （ｄ−２）同割当てが不可能であれば・・・・「−Ｄ
Ｐ」
に考えると、上記Ｍは同じ列の他のニューロン10との関
係で決まる数値、Ｎは列も行も異なるニューロン10との
関係で決まる数値、Ｐ，Ｑは同じ行の他のニューロン10
との関係で決まる数値となる。そこで、各ニューロン10
間の重みとして次のように用いるものとする。すなわ
ち、 （ａ） 自ニューロンに対して・・・・・・・・・「−
ＡＩ」 （ｂ） 同列の他のニューロンに対して・・・・・「−
ＢＭ」 （ｃ） 行、列共に異なるニューロンに対して・・「−
ＣＮ」 （ｄ） 同行の他のニューロンに対して、 （ｄ−１）そのニューロンに対応するジョブもそのニュ
ーロンに割当てが可能であれば・・・・・・・・・・
「−ＥＱ」 （ｄ−２）同割当てが不可能であれば・・・・「−Ｄ
Ｐ」
【００２２】このようにして得られる重みの数値が正で
あればそのニューロン10をオン状態に、負であればオフ
状態に向かうようにする。実際には、１つのニューロン
10に入力されるすべての信号の和によって状態が移行す
る。
あればそのニューロン10をオン状態に、負であればオフ
状態に向かうようにする。実際には、１つのニューロン
10に入力されるすべての信号の和によって状態が移行す
る。
【００２３】ジョブの数、リソースの数を共に数十とし
た場合、各定数はＡ＝０、Ｂ＝２００、Ｃ＝４０、Ｄ＝
２００、Ｅ＝１程度となる。また、Ｑの値としては数千
程度が中心で、かなり値の取り得る範囲が広くなる。
た場合、各定数はＡ＝０、Ｂ＝２００、Ｃ＝４０、Ｄ＝
２００、Ｅ＝１程度となる。また、Ｑの値としては数千
程度が中心で、かなり値の取り得る範囲が広くなる。
【００２４】実際に割当て処理を実行する場合には、処
理当初に各ニューロン10に対して例えば乱数による初期
値を与えるものとする。この場合、初期値としては、良
い割当てではないが、全ジョブが全リソースに割当てら
れているような一応の割当て結果を用いてもよいが、上
記の如く乱数を用いた方が、より良い結果を得ることが
できる。
理当初に各ニューロン10に対して例えば乱数による初期
値を与えるものとする。この場合、初期値としては、良
い割当てではないが、全ジョブが全リソースに割当てら
れているような一応の割当て結果を用いてもよいが、上
記の如く乱数を用いた方が、より良い結果を得ることが
できる。
【００２５】しかるに、割当て処理の実行は各ニューロ
ン10が処理を繰返すことにより行なわれ、実行の終了は
次の条件により判定される。すなわち、処理の繰返しに
よって状態がまったく変化しない「定常」状態となる
か、全ニューロン10の状態が０．９以上あるいは０．１
以下となる「飽和」状態となるか、その状態が意味のあ
る解を表わす「無矛盾」状態となるかのいずれかであ
る。ここで、上記「飽和」状態で用いた数値「０．９」
「０．１」は共に経験的に飽和と見なすことができるよ
うな数値である。
ン10が処理を繰返すことにより行なわれ、実行の終了は
次の条件により判定される。すなわち、処理の繰返しに
よって状態がまったく変化しない「定常」状態となる
か、全ニューロン10の状態が０．９以上あるいは０．１
以下となる「飽和」状態となるか、その状態が意味のあ
る解を表わす「無矛盾」状態となるかのいずれかであ
る。ここで、上記「飽和」状態で用いた数値「０．９」
「０．１」は共に経験的に飽和と見なすことができるよ
うな数値である。
【００２６】割当てを行なう問題によっては、あるジョ
ブをあるリソースに割当てることが資格の問題等により
不可能となることがある。このような場合には、対応す
るニューロン10の出力の代わりに常にオフ状態を表わす
値を用いればよく、対応するニューロン10自体を省略す
ることも可能となる。
ブをあるリソースに割当てることが資格の問題等により
不可能となることがある。このような場合には、対応す
るニューロン10の出力の代わりに常にオフ状態を表わす
値を用いればよく、対応するニューロン10自体を省略す
ることも可能となる。
【００２７】ジョブの数、性質等はすべてが与えられる
ことが不通であるが、一方、リソースはすべてが与えら
れている場合の他に、できるだけ少ないリソースで全ジ
ョブをカバーして経費を低く抑える場合も多々あり得
る。このような場合でも、充分多いリソースを用意する
ことにより同様に割当て処理を実行することができる。
この場合、結果としてまったくジョブを割当てられてい
ないリソースが生じれば、それが不要のリソースとな
る。
ことが不通であるが、一方、リソースはすべてが与えら
れている場合の他に、できるだけ少ないリソースで全ジ
ョブをカバーして経費を低く抑える場合も多々あり得
る。このような場合でも、充分多いリソースを用意する
ことにより同様に割当て処理を実行することができる。
この場合、結果としてまったくジョブを割当てられてい
ないリソースが生じれば、それが不要のリソースとな
る。
【００２８】
【発明の効果】以上詳記した如く本発明によれば、複数
のジョブを複数のリソースに割当てる割当て装置におい
て、リソースの個数×ジョブの個数のユニットを配列し
たホップフィールドネットワークを用い、ユニット間の
重みを調節して割当て処理を実行させるようにしたもの
で、ニューラルネットワークによる簡易な構成のシステ
ムでの割当て装置を実現することができる。
のジョブを複数のリソースに割当てる割当て装置におい
て、リソースの個数×ジョブの個数のユニットを配列し
たホップフィールドネットワークを用い、ユニット間の
重みを調節して割当て処理を実行させるようにしたもの
で、ニューラルネットワークによる簡易な構成のシステ
ムでの割当て装置を実現することができる。
【図１】本発明の一実施例に係るホップフィールドネッ
トワークを構成する各ニューロンの単体構成を示す図。
トワークを構成する各ニューロンの単体構成を示す図。
【図２】図１のニューロンにより２行３列のホップフィ
ールドネットワークを配列した状態を示す図。
ールドネットワークを配列した状態を示す図。
10，1011〜1023…ニューロン。
Claims (1)
- 【請求項１】 複数のジョブを複数のリソースに割当て
る割当て装置において、 リソースの個数（Ｎr ）行×ジョブの個数（Ｎj ）列の
ユニットを配列したホップフィールドネットワークを用
い、 このネットワーク中のＴ行Ｌ列（１≦Ｔ≦Ｎr ，１≦Ｌ
≦Ｎj ）に位置するユニットの重みが、ｔ行ｌ列（１≦
ｔ≦Ｎr ，１≦ｌ≦Ｎj ）に位置するユニットからの出
力に対し、 (1) Ｔ＝ｔ，Ｌ＝ｌに対して、Ｔ，ｔ，Ｌ，ｌによらな
い定数 (2) Ｔ≠ｔ，Ｌ＝ｌに対して、Ｔ，ｔ，Ｌ，ｌによらな
い定数 (3) Ｔ＝ｔ，Ｌ≠ｌに対して、Ｌ，ｌに対応するジョブ
が同一のリソースに割当可能ならその同一のリソースに
割当てた場合のコストと他のリソースに割当てた場合の
コストとの差に応じたＴ，ｔによらない定数、Ｌ，ｌに
対応するジョブが同一のリソースに割当て不可能なら
Ｔ，ｔ，Ｌ，ｌによらない定数 (4) Ｔ≠ｔ，Ｌ≠ｌに対してＴ，ｔ，Ｌ，ｌによらない
定数 となるように重み付けしたことを特徴とする割当て装
置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP27759191A JPH05120300A (ja) | 1991-10-24 | 1991-10-24 | 割当て装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP27759191A JPH05120300A (ja) | 1991-10-24 | 1991-10-24 | 割当て装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH05120300A true JPH05120300A (ja) | 1993-05-18 |
Family
ID=17585590
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP27759191A Pending JPH05120300A (ja) | 1991-10-24 | 1991-10-24 | 割当て装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH05120300A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017146879A (ja) * | 2016-02-19 | 2017-08-24 | ファナック株式会社 | 複数の産業機械の作業分担を学習する機械学習装置，産業機械セル，製造システムおよび機械学習方法 |
| JP2022510583A (ja) * | 2018-11-19 | 2022-01-27 | リミニ ストリート、インコーポレイテッド | 多面的人材配分アドバイザを提供するための方法及びシステム |
-
1991
- 1991-10-24 JP JP27759191A patent/JPH05120300A/ja active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017146879A (ja) * | 2016-02-19 | 2017-08-24 | ファナック株式会社 | 複数の産業機械の作業分担を学習する機械学習装置，産業機械セル，製造システムおよび機械学習方法 |
| US11036191B2 (en) | 2016-02-19 | 2021-06-15 | Fanuc Corporation | Machine learning device, industrial machine cell, manufacturing system, and machine learning method for learning task sharing among plurality of industrial machines |
| JP2022510583A (ja) * | 2018-11-19 | 2022-01-27 | リミニ ストリート、インコーポレイテッド | 多面的人材配分アドバイザを提供するための方法及びシステム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Dominic et al. | Efficient dispatching rules for dynamic job shop scheduling | |
| US20090319592A1 (en) | Parallel processing method of tridiagonalization of real symmetric matrix for shared memory scalar parallel computer | |
| Castelló et al. | Analysis of model parallelism for distributed neural networks | |
| O'Leary et al. | Assignment and scheduling in parallel matrix factorization | |
| US20040093477A1 (en) | Scalable parallel processing on shared memory computers | |
| JPH05120300A (ja) | 割当て装置 | |
| Sagar et al. | Task allocation model for distributed systems | |
| JP2809791B2 (ja) | モジュール割当方法 | |
| Deng et al. | Deterministic load balancing in computer networks | |
| JP6964969B2 (ja) | 演算処理装置、演算処理方法及びプログラム | |
| US20040045002A1 (en) | Method system and apparatus for multiprocessing | |
| Kumar et al. | A neural network-based algorithm for flow shop scheduling problems under fuzzy environment | |
| Ko et al. | Equal allocation scheduling for data intensive applications | |
| US7437726B2 (en) | Method for rounding values for a plurality of parallel processing elements | |
| Khandelwal | An amalgamated approach for solving unbalanced assignment problem | |
| JPH0844577A (ja) | データ分割方法及びマルチプロセッサシステム | |
| US20040216119A1 (en) | Method for load balancing an n-dimensional array of parallel processing elements | |
| Mahalakshmi et al. | Effectiveness of multi skill training program in the manufacturing process | |
| Saletore et al. | Scheduling non-uniform parallel loops on distributed memory machines | |
| Briggs | Memory Organizations and Their Effectiveness for Multiprocessing Computers. | |
| Burkard | Admissible transformations and assignment problems | |
| JP2677713B2 (ja) | 制約条件満足化探索の多重プロセッサの実行のためのプロセッサ割当ての方法 | |
| Zheng | Algorithms for sorting arbitrary input using a fixed-size parallel sorting device | |
| Shen et al. | Scheduling on a hypercube | |
| Hsu et al. | Grid enabled master slave task scheduling for heterogeneous processor paradigm |