← งานวิจัย COINล้างคิวEnglish
FROM COIN 2013 · TO MULTI-OBJECTIVE SCHEDULING

ห้องทดลองวิจัย
COIN Flow Shop

ห้องทดลอง Python ที่สร้าง Node-Based COIN ขึ้นใหม่ ต่อยอดสู่การจัดตารางหลายวัตถุประสงค์ และเปรียบเทียบโมเดลการเรียนรู้ permutation กับ evolutionary algorithms สมัยใหม่อย่างเป็นระบบ

วิจัย → การสอน → การใช้งานจริงทุกวิธีใช้ตัวประเมินเดียวกันและงบ objective evaluations เท่ากัน จึงตรวจสอบการเปรียบเทียบได้ เหมาะสำหรับอธิบายในชั้นเรียน ทำซ้ำงานทดลอง นำเสนอผลงาน และสำรวจการพัฒนาเป็นระบบจัดตารางสำหรับงานจริง
01 · ที่มาของงานวิจัย

กลับมาศึกษา Node-Based COIN

ได้รับแรงบันดาลใจจากงานของ Srimongkolkul และ Chongstitvatana ใน JCSSE 2013 ซึ่งประยุกต์ Node-Based Coincidence learning กับปัญหา Flow Shop Scheduling

Srimongkolkul & Chongstitvatana, 2013 ↗
02 · สิ่งที่สร้างขึ้นใหม่

Python, library และหลายวัตถุประสงค์

แนวคิดจากระบบเดิมถูกสร้างใหม่เป็น Python components ที่นำกลับมาใช้ได้ ขยายจาก scalar fitness เป็นชุดคำตอบ Pareto และเปรียบเทียบกับ GA, NSGA-II, SPEA2, NSGA-III, EHBSA และ NHBSA

03 · เป้าหมายการนำไปใช้

เข้าใจ trade-off ก่อนนำไปตัดสินใจ

ใช้ห้องทดลองเพื่อสอนการเรียนรู้ของอัลกอริทึม นำเสนอหลักฐานที่ตรวจสอบได้ และทดลองการตัดสินใจด้าน makespan, flow time, tardiness และการใช้เครื่องจักร ก่อนปรับเข้ากับข้อจำกัดทางธุรกิจ

StatusReady
รอบ algorithm × seed0 / 0
evaluation อัตโนมัติ100
ค่าดีที่สุด · ทุกวัตถุประสงค์
—

เมทริกซ์โจทย์

ค่าดีที่สุดเทียบกับจำนวน evaluations

Pareto / objective comparison

ตารางงานของคำตอบที่เลือก

ชุดคำตอบสุดท้าย

หนึ่งแถวคือหนึ่งคำตอบ โดยการทดลองหลายวัตถุประสงค์คืนค่าเป็น final Pareto set ส่วนแบบวัตถุประสงค์เดียวคืนคำตอบที่ดีที่สุดหนึ่งคำตอบ

เริ่มทดลองเพื่อแสดงผล