Χροnoπρογραμματισμος Εργασιων Με Χρηση Νευρωνικων Δικτυων

Abstract

ΠΕΡΙΛΗΨΗΤα τελευταία χρόνια μεγάλο ποσοστό έρευνας έχει επικεντρωθεί σε ένα από τα πιο σημαντικά προβλήματα της επιστήμης της Οργάνωσης και Διοίκησης Παραγωγής, το πρόβλημα του χρονικού προγραμματισμού της Παραγωγής. Σκοπός της παρούσας Διπλωματικής εργασίας είναι η ενασχόληση με το πρόβλημα του χρονικού προγραμματισμού παραγωγής σε περιβάλλον job-shop ("job-shop scheduling") ή διαφορετικά του χρονικού προγραμματισμού εργασιών αλλά και η διερεύνηση μεθόδων βασισμένων στην τεχνητή νοημοσύνη, και πιο συγκεκριμένα στα τεχνητά νευρωνικά δίκτυα, που είναι σε θέση να αντιμετωπίσουν τέτοιου είδους προβλήματα. Για το σκοπό αυτό, αρχικά, θα προσπαθήσουμε να κατανοήσουμε τη θεωρητική φύση του προβλήματος του χρονοπρογραματισμού εργασιών δημιουργώντας τη μαθηματική του μοντελοποίηση ως προς τις απαιτήσεις και τους περιορισμούς της επίλυσης του. Στη συνέχεια, θα επιχειρήσουμε μια γνωριμία με τα τεχνητά νευρωνικά δίκτυα. Θα εξηγήσουμε τη δομή και τον τρόπο λειτουργίας των νευρωνικών δικτύων καθώς και τη διαδικασία μάθησης που ακολουθούν.Τέλος, θα επιχειρήσουμε να επιλύσουμε προβλήματα χρονικού προγραμματισμού εργασιών με τη βοήθεια δύο «τύπων» νευρωνικών δικτύων, με το νευρωνικό δίκτυο του Hopfield και τα νευρωνικά δίκτυα που χρησιμοποιούν τον αλγόριθμο ανάστροφης μετάδοσης λάθους.Τους δύο αυτούς τύπους τεχνητών νευρωνικών δικτύων, θα τους σχολιάσουμε ως προς τα ιδιαίτερα χαρακτηριστικά και τον τρόπο λειτουργίας τους αλλά και θα τους αξιολογήσουμε ως προς την αποτελεσματικότητα τους σε συγκεκριμένα προβλήματα χρονικού προγραμματισμού εργασιών.SUMMARYIn the past few years a great deal of research haw been focused on one of the most important problems of Production Management, the one of production scheduling. This paper is aiming to be involved with the problem of job-shop scheduling as well as to make a research of methodologies based at artificial intelligence, and more specific at artificial neural networks, which can efficiently solve such problems. Initially, we will try to understand to understand the theoretical nature of job-shop scheduling by creat-ing its mathematical formulation, considering the demands and the restrictions of its solution. Moreover, we will attempt an acquaintance with artificial neural networks. We will explain the structure and the way of function of artificial neural networks and the learning procedure they follow. In the end, we will try to solve the job-shop scheduling problem with the help of two "types" of neural networks, the Hopfield neural network and the "type" that uses the back-error propagation learning algorithm. These two types of neural networks, we will comment them, as long as their features and functions are concerned and we will appreciate their effectiveness in specific job-shop scheduling problems.