JPH08129586A - Schedule generating method - Google Patents
Schedule generating methodInfo
- Publication number
- JPH08129586A JPH08129586A JP26761794A JP26761794A JPH08129586A JP H08129586 A JPH08129586 A JP H08129586A JP 26761794 A JP26761794 A JP 26761794A JP 26761794 A JP26761794 A JP 26761794A JP H08129586 A JPH08129586 A JP H08129586A
- Authority
- JP
- Japan
- Prior art keywords
- individual
- order
- individuals
- created
- crossing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000011156 evaluation Methods 0.000 claims abstract description 17
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 7
- 210000000349 chromosome Anatomy 0.000 claims abstract description 4
- 238000012384 transportation and delivery Methods 0.000 claims description 14
- 108700005090 Lethal Genes Proteins 0.000 claims description 8
- 230000008569 process Effects 0.000 abstract description 22
- 108700026220 vif Genes Proteins 0.000 abstract 1
- 238000004519 manufacturing process Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 8
- 230000035772 mutation Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 206010012186 Delayed delivery Diseases 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- Multi-Process Working Machines And Systems (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
【0001】[0001]
【産業上の利用分野】本発明はオーダ分割を考慮した生
産スケジューリングへの遺伝アルゴリズム(以下GA;G
enetic Algorithms という)に関する。BACKGROUND OF THE INVENTION The present invention relates to a genetic algorithm (hereinafter GA; G) for production scheduling in consideration of order division.
enetic Algorithms)).
【0002】[0002]
【従来の技術】一般に製品の製造工程では、要求される
生産能力がかなり大きい場合に、複数の製造設備を用い
ることによりその対応を行っている。2. Description of the Related Art Generally, in a manufacturing process of a product, when a required production capacity is considerably large, a plurality of manufacturing facilities are used to cope with it.
【0003】ところで設備は、普通生産規模の増大に伴
って導入時期をずらせて追加導入されるため、生産能力
が個々の設備によって夫々異なってくる。このような生
産現場環境の中で、納期に間に合う生産を実現するため
に、従来からオーダの分割を行い、同じ製品についても
異なる生産設備に割り当てる等の工夫を施すという対応
が図られている。[0003] By the way, since the equipment is usually additionally introduced with the introduction time being shifted with the increase of the production scale, the production capacity varies depending on the individual equipment. In such a production site environment, in order to realize production in time for delivery, measures have conventionally been taken such as dividing orders and assigning the same product to different production facilities.
【0004】そしてこれまで生産スケジューリングのよ
うな組み合わせ最適化問題に対して、その有効性が注目
されているGAによって最適解を求める手法がいくつか
提案されている。For the combination optimization problem such as production scheduling, there have been proposed some methods for obtaining an optimum solution by GA, which is attracting attention for its effectiveness.
【0005】例えば特開平4−281550号公報に
は、遺伝的手法により組み合わせ最適化問題の準最適解
を求める装置において、GAを高速に実行するため、個
体処理装置を複数設け、夫々に処理すべき複数の個体を
グループ分けして保持し、該グループ分けされた各個体
の評価、淘汰、交差、突然変異の処理を並列に行い、処
理内容を共有メモリにコピーし、データ集計装置によっ
て共有メモリを参照して各個体の評価値の総和及び全体
に対する割合等を求め、各個体処理装置は淘汰処理の過
程で共有メモリから次の世代の個体を再び取り込み、交
差、突然変異、評価等を並列処理し、これら一連の処理
を繰り返し行った後データ集計装置が評価の一番高い個
体を出力するという技術が開示されている。For example, Japanese Laid-Open Patent Publication No. 4-281550 discloses a device for obtaining a suboptimal solution of a combinatorial optimization problem by a genetic method, and in order to execute GA at high speed, a plurality of individual processing devices are provided and processed individually. A plurality of individuals to be held are grouped and held, and evaluation, selection, crossover, and mutation processing of each grouped individual is performed in parallel, the processing content is copied to the shared memory, and the shared memory is used by the data aggregation device. The total sum of evaluation values of each individual and the ratio to the whole are calculated, and each individual processing device re-acquires the next generation of individual from the shared memory in the process of selection processing and parallelizes crossing, mutation, evaluation, etc. A technique is disclosed in which, after processing and repeating the series of these processes, the data aggregating device outputs the highest evaluated individual.
【0006】また特開平4−233069号公報には、
作業オーダの工程の変化時に再スケジューリングする工
程変化時スケジューリング方法に関し、品種毎のマスタ
の工程情報の他に作業オーダ毎に工程情報を持ち、再生
処理、分割、併合時にこの工程情報を変更して再スケジ
ューリングし、作業スケジュールの自動作成を行うべ
く、品種毎のマスタとなる工程情報を作業オーダ毎の工
程情報に当初コピーし、変更された工程情報に従って作
業オーダの再スケジューリングを行って新たな作業スケ
ジューリングを自動作成する技術が開示されている。Further, Japanese Patent Application Laid-Open No. 4-233069 discloses that
Regarding the scheduling method at the time of process change that re-schedules when the process of the work order changes, in addition to the master process information for each product type, there is process information for each work order, and this process information can be changed during reproduction processing, division, and merge In order to perform rescheduling and automatically create a work schedule, the master process information for each product type is first copied to the process information for each work order, and the work order is rescheduled according to the changed process information to create a new work. A technique for automatically creating scheduling is disclosed.
【0007】[0007]
【発明が解決しようとする課題】しかしながら特開平4
−281550号公報では制約条件を満たすスケジュー
ル作成の可否に長時間を要する上に、可能解を得るため
のオーダ分割等の作業は計画立案専門家が行う必要があ
るという問題点があった。[Patent Document 1] Japanese Unexamined Patent Application Publication No.
In the -281550 publication, there is a problem in that it takes a long time to create a schedule that satisfies the constraint condition and that a planning expert needs to perform work such as order division for obtaining a possible solution.
【0008】また特開平4−233069号公報では再
スケジュールの作成及び検証を繰り返すため、長時間を
要するという問題点があった。本発明は斯かる従来技術
の問題点に鑑みなされたものであり、GAの適用による
最適解を求める過程で、解を求めることが不可能な場合
に迅速にオーダを分割する方法を提供することを目的と
するものである。Further, in Japanese Patent Laid-Open No. 4-233069, there is a problem that it takes a long time because the rescheduling is made and the verification is repeated. The present invention has been made in view of the above problems of the prior art, and provides a method for quickly dividing an order when a solution cannot be obtained in the process of obtaining an optimal solution by applying GA. The purpose is.
【0009】[0009]
【課題を解決するための手段】本発明は、スケジュール
の対象となる問題をオーダ数を長さとする染色体と複数
種類の遺伝子によってモデル化するステップと、該モデ
ル化された問題に対する解となる個体を作成するステッ
プと、作成された各個体を評価するステップと、評価結
果に基づいて個体を選択するステップと、選択された個
体間で交差を行うステップと、交差の結果による致死遺
伝子の発生率を算出し予め定められた基準発生率と比較
するステップとよりなり、前記個体作成時において実行
可能な諸定数の個体が作成できない場合、あるいは前記
発生率の比較結果により、オーダの分割をするステップ
とよりなる。According to the present invention, a step of modeling a problem to be scheduled by a chromosome having an order number length and a plurality of kinds of genes, and an individual serving as a solution to the modeled problem. , The step of evaluating each created individual, the step of selecting an individual based on the evaluation result, the step of intersecting between the selected individuals, and the occurrence rate of the lethal gene depending on the result of the crossing. And a step of comparing with a predetermined reference incidence rate, and when the number of executable constant individuals cannot be created at the time of creating the individual, or a step of dividing the order according to the result of the comparison of the incidence rates. And consists of.
【0010】[0010]
【作用】生産スケジュールの問題をモデル化し、個体を
作成する。このとき実行可能な個体が諸定数得られなけ
ればモデル化時における納期余裕の小さいオーダから順
に分割して再度個体を作成する。第1世代の適切な個体
が得られるとGAを実行し、個体の評価、選択、交差等
の各処理を行う。交差後の致死遺伝子発生率により、所
望の値が得られないときには最初のモデル化に戻ってオ
ーダを分割し、再度実行する。致死遺伝子発生率が適当
になれば第2世代の個体を作成し同様に実行し、以後こ
の一連の操作を繰り返す。[Operation] The problem of the production schedule is modeled to create an individual. At this time, if the executable individual cannot obtain various constants, the individual is re-created by dividing the order from the order with the smallest delivery deadline at the time of modeling. When an appropriate first generation individual is obtained, GA is executed to perform individual processing such as individual evaluation, selection, and intersection. When the desired value cannot be obtained due to the lethal gene incidence after crossing, the order is returned to the initial modeling, the order is divided, and the processing is executed again. When the lethal gene occurrence rate becomes appropriate, a second generation individual is prepared and similarly executed, and thereafter this series of operations is repeated.
【0011】[0011]
【実施例】 (問題の概要)生産スケジュールの問題の概略を説明す
る。これは納期Lj(j=1,2,...,n)を持つn種類のオーダ
Oj(j=1,2,...,n)を同じ機能で生産能力の異なるm台の
機械M i(i=1,2,...,m)で並列に処理する場合、納期遅れ
が発生せずに総生産時間Cを最小にするスケジューリン
グを行うという問題である。但し、オーダOj は任意の
機械mi において所要時間Pijで処理されるものとし、
オーダ分割は実行可能解が諸定数得られない場合以外は
行わないようにする。 (GAの適用法)GAを上記の問題へ適用するに当た
り、解の候補であるスケジュールを個体に、総生産時間
を評価値に、納期を制約条件に夫々対応させる。[Example] (Outline of problem) An outline of the problem of production schedule will be explained.
You. This is the delivery date Ljn types of orders with (j = 1,2, ..., n)
Oj(j = 1,2, ..., n) of m units with the same function but different production capacity
Machine M iDelivery delay when processing in parallel with (i = 1,2, ..., m)
Scheduling that minimizes total production time C without generating
The problem is However, order Oj Is any
Machine mi At time PijShall be processed in
Order splitting is not feasible unless constants are obtained.
Do not do it. (Applying GA) Applying GA to the above problems
And the total production time
To the evaluation value and the delivery date to the constraint condition.
【0012】まず、機械番号(1〜m)で表される遺伝子を
オーダ数n個並べた一次元配列で表現される、制約条件
を満たす個体を任意数作成して初期集団を構成する。そ
の後、評価値に応じて選択された個体が交差、突然変異
を繰り返すことにより世代を進行させ、全体の評価値を
高めていく。First, an arbitrary number of individuals satisfying the constraint, which are expressed by a one-dimensional array in which the genes represented by machine numbers (1 to m) are arranged in the order of n, are created to form an initial population. After that, the individuals selected according to the evaluation value repeat crossing and mutation to advance the generation and raise the overall evaluation value.
【0013】以上の処理を個体群の評価値が収束する
か、処理打ち切り世代に至るまで繰り返した結果、得ら
れた最良の評価値を示す個体を同定されたスケジュール
とする。As a result of repeating the above-described processing until the evaluation value of the individual group converges or until the process is terminated, the individual having the best evaluation value obtained is used as the identified schedule.
【0014】しかしこの同定の過程において、個体によ
っては納期遅れを起こす致死遺伝子となるものも現れる
可能性がある。このような制約条件を満たさない個体の
発生しか見込めない場合、スケジューリング不可能と判
断し、オーダの分割を行った後、再スケジューリングを
行う。However, in the process of this identification, depending on the individual, there is a possibility that a lethal gene that causes a delayed delivery may appear. If only individuals that do not meet such constraint conditions can be expected, it is determined that scheduling is not possible, the order is divided, and then rescheduling is performed.
【0015】但し、この場合においてオーダは現場での
管理上の問題から均等に数分割するものとし、分割数だ
け遺伝子座の数を増やすことにより、オーダ分割を考慮
したスケジューリングへのGAの適用を実現する。 (計算例)上記GAを適用した一計算事例の結果を図1
に示す。なおオーダ数16、機械数5とし、図1では各
世代の個体群における評価値の最大値、最小値及び平均
値を示している。However, in this case, it is assumed that the order is evenly divided into several due to management problems in the field, and by applying the GA to scheduling considering order division by increasing the number of loci by the number of divisions. To be realized. (Calculation example) Fig. 1 shows the result of one calculation example to which the above GA is applied.
Shown in Note that the order number is 16 and the machine number is 5, and FIG. 1 shows the maximum value, the minimum value, and the average value of the evaluation values in the population of each generation.
【0016】同図より世代が進むにつれて評価値の平均
値及び最大値が下降し、個体群全体が比較的良い個体か
ら構成されていくことから上記手法が良好な結果を導き
出し得ることが分かった。It can be seen from the figure that the average value and the maximum value of the evaluation values decrease as the generation progresses, and the whole population is composed of relatively good individuals, so that the above method can lead to good results. .
【0017】また致死遺伝子のみが発生し、スケジュー
リング不可能なものに対してはオーダ分割後の再スケジ
ューリングを試行した結果、実行可能解を得ることがで
きた。Further, as a result of attempting rescheduling after order division for a gene in which only a lethal gene occurs and which cannot be scheduled, a feasible solution could be obtained.
【0018】このように通常のスケジューリングにおい
て生じる納期送れという問題が、オーダを分割すること
により解決できることが示された。 (具体例)以下本発明スケジュール作成方法の一実施例
について図面に基づいて詳細に説明する。As described above, it has been shown that the problem of delivery delay in the normal scheduling can be solved by dividing the order. (Specific Example) An embodiment of the schedule creating method of the present invention will be described in detail below with reference to the drawings.
【0019】まず図2はスケジュール作成方法の具体的
なフローチャートである。同図においてステップS1に
て上記問題の概要で説明したような対象問題のモデル化
を行い、ステップS2で個体の作成を行う。この場合図
3に示すようにオーダ数を長さとする染色体Aを作成
し、機械番号Bを遺伝子とする。First, FIG. 2 is a concrete flowchart of the schedule creating method. In the figure, in step S1, the target problem as described in the outline of the problem is modeled, and in step S2, the individual is created. In this case, as shown in FIG. 3, a chromosome A having a length of the order number is created and a machine number B is used as a gene.
【0020】次にステップS3にて制約条件を満足して
いるか否かの判定を行う。例えば図4においてオーダG
はその納期で完結していないため納期割れを起こしてい
ることになる。図5はどのオーダも納期割れを起こして
いない例である。Next, in step S3, it is determined whether or not the constraint condition is satisfied. For example, in FIG. 4, order G
Is not completed at that delivery date, which means that delivery time is broken. Fig. 5 shows an example in which none of the orders has a delivery deadline.
【0021】前記ステップS3で制約条件を満足してい
ない個体が生成された場合再度個体の作成を試みるので
あるが、その作成回数が事前に設定した再作成回数に到
達しているか否かをステップS4にてチェックする。こ
こでは再作成回数が規定値に達していない場合にステッ
プS5にて再作成回数をカウントして個体の再作成を行
う。When an individual that does not satisfy the constraint condition is generated in step S3, the individual is recreated, and it is checked whether the number of times of creation has reached a preset number of times of creation. Check at S4. Here, if the number of times of re-creation does not reach the specified value, the number of times of re-creation is counted in step S5 to re-create the individual.
【0022】ステップS6では個体作成回数(制約条件
を満たす個体の作成に成功した回数+失敗した回数)を
カウントすると共に、事前に設定した集団サイズ(いく
つの個体を一つの集団として進化させるかという場合の
個体数)分の個体作成処理が行われたか否かをチェック
する。In step S6, the number of times individuals are created (the number of times individuals have been successfully created plus the number of failures) has been counted, and a preset group size (how many individuals to evolve as one group In this case, it is checked whether or not the individual creation processing for the number of individuals) has been performed.
【0023】このステップS6でのチェックは規定の再
作成回数以内で制約条件を満足する個体の作成が行われ
た時に初めて機能する。ステップS6で所定の個体作成
回数に到達していない場合は、ステップS2へ戻ってあ
らためて個体の作成処理を行う。The check in step S6 functions only when an individual satisfying the constraint conditions is created within the prescribed number of times of recreating. If the predetermined number of times the individual has been created has not been reached in step S6, the process returns to step S2 to newly create the individual.
【0024】進化を行うためには最低2個の個体が必要
である。ステップS7ではステップS6を経て最終的に
作成された個体の数が2個以上であるか否かのチェック
を行う。万一1個以下である場合にはステップS8でオ
ーダ分割を行ってステップS1へ戻り、対象問題のモデ
ル化から再度処理を行う。At least two individuals are required for evolution. In step S7, it is checked whether or not the number of individuals finally created through step S6 is two or more. If the number is one or less, the order is divided in step S8, the process returns to step S1, and the process from the modeling of the target problem is performed again.
【0025】前記ステップS7でチェックされてOKの
複数個の個体によりステップS9で初期集団(第1世
代)を構成する。作成された第1世代の初期集団は次に
ステップS10にて個体毎に問題環境に対する適応度が
求められ評価される。An initial population (first generation) is constructed in step S9 by a plurality of OK individuals checked in step S7. Next, in step S10, the fitness of the created first generation initial population for each problem environment is obtained and evaluated.
【0026】例えば図6に示すように、集団を構成する
各個体の適応度が82、57、・・・、64と得られた
場合において、ステップS11でこの個体群から適応度
の高い個体(例えば82と64の個体)を選び出し(図
7参照)、次のステップS12でこれらの個体を交差さ
せる(図8参照)。For example, as shown in FIG. 6, when the fitness of each individual constituting the group is obtained as 82, 57, ..., 64, the individuals with high fitness ( For example, 82 and 64 individuals) are selected (see FIG. 7), and these individuals are crossed in the next step S12 (see FIG. 8).
【0027】このようにして選択された個体の交差によ
って新しいパターン(遺伝子配列)の個体を作り出す。
S13は前記ステップS12で作成された新しいパター
ンの個体で納期割れが起こっていないか否かを確かめる
ステップであり、制約条件を満足していれば規定数の個
体が作成されているか否かをステップS14にてチェッ
クする。By intersecting the individuals thus selected, individuals having a new pattern (gene sequence) are created.
S13 is a step of checking whether or not there is a delivery deadline in the new pattern of individuals created in step S12, and if the constraint condition is satisfied, it is determined whether a prescribed number of individuals have been created. Check in S14.
【0028】ステップS14にて個体が規定数に未到達
の場合にはステップS11へ戻って選択から再度処理を
行う。また前記ステップS13にて交差させた個体が制
約条件を満たしていない場合、ステップS15で規定の
再交差回数に至っているか否かをチェックし、いない場
合には再交差回数を1だけ増やしてカウントし(ステッ
プS16)、同一の個体対で再交差させた回数を累積し
てステップS12へ戻り、至っている場合は交差不成立
回数を1だけ増やしてカウントし(ステップS17)、
規定回数の再交差の末、結局実行可能解が得られなかっ
た個体対数を累積する。When the number of individuals has not reached the specified number in step S14, the process returns to step S11 and the process is repeated from the selection. If the individual crossed in step S13 does not satisfy the constraint condition, it is checked in step S15 whether or not the specified number of recrossings has been reached. If not, the number of recrossings is incremented by 1 and counted. (Step S16), the number of times of re-crossing with the same individual pair is accumulated, and the process returns to step S12. If it has reached, the number of times of unsuccessful intersection is increased by 1 and counted (step S17),
After a specified number of recrossings, the logarithm of individuals for which no feasible solution was obtained is accumulated.
【0029】そしてステップS18で交差処理対象の個
体をそのまま次世代の個体としてコピーしてステップS
14へ進む。ステップS14にて規定数の個体が作成さ
れていれば、ステップS19で作成された初期集団と同
数の個体により次世代を構成する。Then, in step S18, the individual to be cross-processed is copied as it is as a next-generation individual, and then copied in step S18.
Proceed to 14. If the specified number of individuals has been created in step S14, the next generation is composed of the same number of individuals as the initial population created in step S19.
【0030】作成された次世代の個体はステップS20
で致死遺伝子の発生率が高いか低いかをチェックされ
る。この発生率の比較には、The next generation individual created is step S20.
Checks whether the incidence of lethal genes is high or low. To compare this incidence,
【0031】[0031]
【数1】 [Equation 1]
【0032】を用い、左辺の値が右辺の値に比べて相当
大きい場合には前記ステップS8に戻ってオーダの分割
を行いステップS1の対象問題のモデル化から再度実行
する。ここで、例えば一つのオーダを一つの機械に割り
付けることで制約条件が満たされなかったり、評価結果
が芳しくないという状況が発生する為、オーダをいくつ
かに分割して別の機械にも割りつけるというようなオー
ダの分割を行うことになる。If the value on the left side is considerably larger than the value on the right side, the process returns to step S8, the order is divided, and the modeling of the target problem in step S1 is performed again. Here, for example, by assigning one order to one machine, constraints may not be satisfied or the evaluation result may not be good, so divide the order into several and assign it to another machine. Such order division will be performed.
【0033】図9、図10はこのようなオーダ分割の一
例を示す図であり、図9はオーダ分割前(図4と同
じ)、図10が分割後である。ここではオーダ分割前で
はオーダGが納期を満たしていなかったが、機械2と3
に分割後は納期を満たすようになる。9 and 10 are views showing an example of such order division. FIG. 9 shows before order division (same as FIG. 4) and after FIG. Here, order G did not meet the delivery date before order division, but machines 2 and 3
The delivery date will be met after the division.
【0034】分割等を行ってステップS20で致死遺伝
子発生率が低く抑えられたならステップS21で適応度
が向上しているか及び最終世代に到達しているか等がチ
ェックされる。If the lethal gene occurrence rate is suppressed to a low level in step S20 by performing division or the like, it is checked in step S21 whether the fitness is improved and the final generation is reached.
【0035】ここで作成された次世代の適応度をチェッ
クして向上が見られない、あるいは事前に設定しておい
た世代まで処理が繰り返されていない場合には、ステッ
プS10の各個体の評価以降の処理を再度実行する。When the fitness of the next generation created here is checked and no improvement is found, or when the process is not repeated until the preset generation, the evaluation of each individual in step S10 The subsequent processing is executed again.
【0036】[0036]
【発明の効果】本発明は以上の説明の如く構成したの
で、オーダの分割の必要性を短時間で判断し、計画立案
の専門家以外のものでも良好なスケジュールを作成する
ことが可能となる。Since the present invention is configured as described above, it becomes possible to judge the necessity of order division in a short time, and to create a good schedule even for a person other than a planning expert. .
【0037】この効果は作成された個体の評価前と、次
世代の個体を作成してからの2回行うことによりさらに
短時間化が可能になる。This effect can be further shortened by carrying out twice before the evaluation of the created individual and after the creation of the next generation individual.
【図1】本発明を用いたスケジューリングの結果を示す
グラフである。FIG. 1 is a graph showing the result of scheduling using the present invention.
【図2】本発明の方法を説明するフローチャートであ
る。FIG. 2 is a flow chart illustrating the method of the present invention.
【図3】個体の作成時の概念図である。FIG. 3 is a conceptual diagram when creating an individual.
【図4】制約条件チェック時の概念図(納期割れあり)
である。[Fig. 4] Conceptual diagram when checking constraint conditions (due to deadline)
Is.
【図5】制約条件チェック時の概念図(納期割れなし)
である。[Figure 5] Conceptual diagram when checking constraint conditions (no deadline for delivery)
Is.
【図6】個体の評価時の概念図である。FIG. 6 is a conceptual diagram when an individual is evaluated.
【図7】個体対選択時の概念図である。FIG. 7 is a conceptual diagram when selecting an individual pair.
【図8】選択された個体対の交差の概念図である。FIG. 8 is a conceptual diagram of intersection of selected individual pairs.
【図9】オーダ分割時の概念図(分割前)である。FIG. 9 is a conceptual diagram at the time of order division (before division).
【図10】オーダ分割時の概念図(分割後)である。FIG. 10 is a conceptual diagram at the time of order division (after division).
Claims (3)
数を長さとする染色体と複数種類の遺伝子によってモデ
ル化するステップと、該モデル化された問題に対する解
となる個体を作成するステップと、作成された各個体を
評価するステップと、評価結果に基づいて個体を選択す
るステップと、選択された個体間で交差を行うステップ
と、交差の結果による致死遺伝子の発生率を算出し予め
定められた基準発生率と比較するステップと、該発生率
の比較結果によりオーダの分割をするステップとよりな
るスケジュール作成方法。1. A method of modeling a problem to be scheduled by a chromosome having an order number of length and a plurality of kinds of genes, and a step of creating an individual serving as a solution to the modeled problem. The step of evaluating each individual, the step of selecting an individual based on the evaluation result, the step of crossing between the selected individuals, the incidence of the lethal gene resulting from the crossing is calculated, and a predetermined criterion is set. A schedule creating method comprising: a step of comparing with an occurrence rate; and a step of dividing an order according to a comparison result of the occurrence rate.
実行可能な個体が諸定数作成できない時にオーダの分割
を行うことを特徴とする上記請求項1記載のスケジュー
ル作成方法。2. In the step of creating the individual,
The schedule creating method according to claim 1, wherein when the executable individual cannot create various constants, the order is divided.
余裕の小さいものから順に行うことを特徴とする上記請
求項2記載のスケジュール作成方法。3. The schedule creating method according to claim 2, wherein the order is divided in order from the order with the smallest delivery deadline among the orders.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP26761794A JPH08129586A (en) | 1994-10-31 | 1994-10-31 | Schedule generating method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP26761794A JPH08129586A (en) | 1994-10-31 | 1994-10-31 | Schedule generating method |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH08129586A true JPH08129586A (en) | 1996-05-21 |
Family
ID=17447195
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP26761794A Pending JPH08129586A (en) | 1994-10-31 | 1994-10-31 | Schedule generating method |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH08129586A (en) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105629927A (en) * | 2015-12-18 | 2016-06-01 | 武汉开目信息技术有限责任公司 | Hybrid genetic algorithm-based MES (Manufacturing Execution System) production planning and scheduling method |
CN117094512A (en) * | 2023-08-23 | 2023-11-21 | 广州聚超软件科技有限公司 | Genetic algorithm-based process scheduling method, device, terminal and medium |
-
1994
- 1994-10-31 JP JP26761794A patent/JPH08129586A/en active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105629927A (en) * | 2015-12-18 | 2016-06-01 | 武汉开目信息技术有限责任公司 | Hybrid genetic algorithm-based MES (Manufacturing Execution System) production planning and scheduling method |
CN117094512A (en) * | 2023-08-23 | 2023-11-21 | 广州聚超软件科技有限公司 | Genetic algorithm-based process scheduling method, device, terminal and medium |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7593905B2 (en) | Method of combinatorial multimodal optimisation | |
Kernighan et al. | An efficient heuristic procedure for partitioning graphs | |
EP0942384A2 (en) | Method and apparatus to model the variables of a data set | |
US6772037B2 (en) | Constraint based material trimming controller | |
Aminzadegan et al. | Multi-agent supply chain scheduling problem by considering resource allocation and transportation | |
Jin et al. | An effective hybrid honey bee mating optimization algorithm for integrated process planning and scheduling problems | |
CN113312874B (en) | Overall wiring method based on improved deep reinforcement learning | |
Mak et al. | Production scheduling and cell formation for virtual cellular manufacturing systems | |
US20210182768A1 (en) | Work plan generation apparatus and work plan generation method | |
DE60124122T2 (en) | COMMUNICATION NETWORK DESIGN | |
Muruganandam et al. | A memetic algorithm approach to the cell formation problem | |
JPH09114797A (en) | Method and device for searching optimum solution | |
Djedović et al. | Optimization of business processes by automatic reallocation of resources using the genetic algorithm | |
JP7440395B2 (en) | Optimal solution search device and optimal solution search program | |
JPH08129586A (en) | Schedule generating method | |
TWI802064B (en) | Electronic device and method of filtering dispatching rules for workstation | |
JP2778915B2 (en) | Production schedule creation device | |
Piyachayawat et al. | A hybrid algorithm application for the multi-size pallet loading problem case study: Lamp and lighting factory | |
Lee et al. | Multi-period part selection and loading problems in flexible manufacturing systems | |
Tiacci | Buffer allocation vs. sequencing optimization: which of the two is most effective to improve the efficiency of assembly lines? | |
JPH08235254A (en) | Production schedule preparation method | |
Middendorf et al. | An evolutionary approach to dynamic task scheduling on FPGAs with restricted buffer | |
Andersson et al. | Simulation optimization for industrial scheduling using hybrid genetic representation | |
Chompu-Inwai et al. | Optimal cost driver selection in activity-based costing using Shuffled frog leaping algorithm | |
CN111857988A (en) | Container task scheduling method and device based on task management system |