Daty řízený algoritmus pro rozvrhování na jednom stroji
Data-driven algorithm for single machine scheduling problem
Typ dokumentu
diplomová prácemaster thesis
Autor
Michal Bouška
Vedoucí práce
Novák Antonín
Oponent práce
Horák Karel
Studijní obor
Umělá inteligenceStudijní program
Otevřená informatikaInstituce přidělující hodnost
katedra počítačůPráva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
V této práci představuje metodu pro řešení problému Single machine total tardiness problem. Analyzovali jsme užití Deep learning metod, pro Single machine total tardiness problem. Využili jsme rozděl a panuj algoritmu a odvodili z něj data-driven přístup. Vytvořili jsme hlubokou neuronovou síť se schopností predikovat hodnotu kritéria problému. Tato neuronová síť jedná jako optimální orákulum s polynomiální dobou běhu. Orákulum řídí rozděl a panuj metodu v každém kroku. Náš data-driven přístup překonává state-of-the-art heuristiku ve kvalitě řešení. In this thesis, we present a method for solving a single machine total tardiness problem a classical NP-hard scheduling problem. We investigate the use of deep learning method for this problem. We utilize known decomposition method from operation research, and we derive data-driven method. We introduce a deep neural network that predicts the objective value and acts as a polynomial-time oracle. Oracle drive decomposition method in each step. Our data-driven method outperforms the state-of-the-art heuristic in terms of optimality gap.
Kolekce
- Diplomové práce - 13136 [833]