Proefschrift
Multi-objective Evolutionary Algorithms for Optimal Scheduling
Multi-criteria optimalisatie is een effectieve techniek voor het vinden van optimale oplossingen die een afweging bieden tussen verschillende, tegenstrijdige criteria. Het heeft zijn toepassing gevonden in de wereld om ons heen omdat bij het oplossen van praktische, re¨ele wereld problemen men gewoonlijk te maken heeft met meerdere na te streven doelen.
- Auteur
- Wang, Y.
- Datum
- 20 januari 2022
- Links
- Thesis in Leiden Repository
Bij voorbeeld, bij het ontwikkelen van een onderdeel kan het gewenst zijn om het gewicht te minimaliseren en de sterkte te maximaliseren; bij het kiezen van een portfolio bij het beleggen kan men, bijvoorbeeld, eisen dat het verwachte rendement wordt gemaximaliseerd en het risico geminimaliseerd. Het multi-criteria optimalisatie probleem dat in dit proefschrift is opgelost is ontleend aan het CIMPLO (‘Cross-Industry Predictive Maintenance Optimization Platform’ - industrieonafhankelijk/overschrijdend voorspellend onderhoud optimalisatie platform) project. In het CIMPLO project is het doel om voor een vloot van voertuigen een optimaal onderhoudsschema op te stellen – elk voertuig bestaat uit een verzameling van componenten en elke component kan naar keuze in ´e´en van de werkplaatsen onderhouden worden waarbij de kosten en duur van het onderhoud van het onderdeel per werkplaats vari¨eren. Het optimaliseren van het onderhoudsschema wordt gedaan om zakelijke voordelen te bieden aan de industrie¨en zoals het verlagen van de duur van het onderhoud, de veiligheid te verbeteren en het besparen van reparatiekosten. Dit probleem is een sterk NP-moeilijk (‘strongly NP-hard’) probleem, daar voor het flexibelejob-shop-planningsprobleem (‘flexible job scheduling problem’ FSJP) bewezen is dat het een sterk NP-moeilijk probleem is en ons voertuigen onderhoudsschema optimalisatie probleem (‘Vehicle Fleet Maintenance Optimization’ (VFMSO) probleem) een uitbreiding is van het FSJP: het VFMSO verschaft een niet-specifieke verwerkingsvolgorde en omvat naast de verwerkingskosten van de bewerking op machines ook de verwerkings-tijden zoals in de FJSP. Dit heeft tot gevolg dat evolutionaire algoritmen (EA’s) gekozen zijn om dit praktische, re¨ele wereld probleem op te lossen daar deze 195 Samenvatting meta-heuristische methode bijzonder geschikt is om multi-criteria problemen op te lossen.
Het vervolg van deze samenvatting is te lezen in het Repositorium, zie link bovenaan deze pagina.