지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 배혜림
- 발행연도
- 2017
- 저작권
- 부산대학교 논문은 저작권에 의해 보호받습니다.
이용수1
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
It is difficult to find the optimal schedule in a complex manufacturing process due to the process constraints and the shop environment. In this paper, we made a method to solve a special job-shop schedule problem including task splitting and merging. The proposed method is based on the biased random-key genetic algorithm. In order to validate our method, we applied it to a steel manufacturing which has the features of split and merge operations in the process. In traditional job-shop scheduling problems, a machine can perform only one task at a time, however, in our problem, some machines can work two or more tasks at the same time. We developed a biased random key GA algorithm, that generates no infeasible solution in the whole procedure. The result shows that it outperforms traditional genetic algorithms for real scheduling problems of steel manufacturing.
목차
제1장 서론 11.1 연구 의 배경 및 목적 11.2 문제 정의 31.3 논문의 구성 4제2장 관련 연구 52.1 Job-shop 스케줄링 스케줄링 개요 52.2 유전알고리즘의 유전알고리즘의 유전알고리즘의 개요 72.3 스케줄링 스케줄링 문제에 대한 기존 연구 및 차별성 17제3장 유전알고리즘을 활용한 스케줄링 방법 203.1 대상 문제 소개 203.2 대상 문제의 문제의 데이터 데이터 특징 283.3 분할 및 병합공정을 병합공정을 병합공정을 포함하는 포함하는 스케줄링을 스케줄링을 스케줄링을 위한 GA 29제4장 실험 및 결과 분석 394.1 유전알고리즘 유전알고리즘 유전알고리즘 파라미터 파라미터 파라미터 설정 394.2 유전알고리즘을 유전알고리즘을 유전알고리즘을 통한 스케줄링 스케줄링 및 결과 434.3 실험 결과 분석 50제5장 결론 및 향후 연구 53참고 문헌 58Abstract 61
최근 본 자료
댓글(0)
0