[論文レビュー] Optimization of Worker Scheduling at Logistics Depots Using Genetic Algorithms and Simulated Annealing
本論文は、物流拠点における恒常・臨時労働者の配置のための0-1 整数線形計画モデルを提案し、遺伝的アルゴリズムと焼戻し（シミュレーテッド・アニーリング）を比較し、GA がより高品質な解を得ると結論づけ、最適解として 29,857 人日を報告する。
This paper addresses the optimization of scheduling for workers at a logistics depot using a combination of genetic algorithm and simulated annealing algorithm. The efficient scheduling of permanent and temporary workers is crucial for optimizing the efficiency of the logistics depot while minimizing labor usage. The study begins by establishing a 0-1 integer linear programming model, with decision variables determining the scheduling of permanent and temporary workers for each time slot on a given day. The objective function aims to minimize person-days, while constraints ensure fulfillment of hourly labor requirements, limit workers to one time slot per day, cap consecutive working days for permanent workers, and maintain non-negativity and integer constraints. The model is then solved using genetic algorithms and simulated annealing. Results indicate that, for this problem, genetic algorithms outperform simulated annealing in terms of solution quality. The optimal solution reveals a minimum of 29857 person-days.
研究の動機と目的
- 物流拠点で恒常・臨時労働者の効率的な配置を促進する。
- 時間あたりの労働要件を満たしつつ総人日を最小化する。
- 制約を組み込む: 毎日1つのタイムスロットのみ、恒常労働者の連続日数を制限、非負性と整数性。
提案手法
- 各時間スロットごとに労働者を配置する決定変数を用いた0-1 整数線形計画モデルを定式化する。
- 総人日を最小化する目的を定義する。
- 時間別の労働要件、1日あたりの1タイムスロット制限、臨時/恒常労働者の連続日数制限、整数性を満たす制約を課す。
- モデルを遺伝的アルゴリズムとシミュレーテッド・アニーリングで解く。
- GA と SA の解の品質を比較し、GA が SA を上回る。
実験結果
リサーチクエスチョン
- RQ1物流拠点における労働者配置の0-1 ILP を GA と SA で効果的に解けるか？
- RQ2与えられた制約のもとで、どの手法がより高品質なスケジュールを生み出すか？
- RQ3モデルの制約の下で達成可能な最良解は人日でどれくらいか？
主な発見
- 遺伝的アルゴリズムはこのスケジューリング問題においてシミュレーテッド・アニーリングより解の品質が高い。
- モデルは時間別の労働要件と労働者固有の制約を守りつつ人日を最小化することを目指す。
- 最適解として最小で 29,857 人日が報告されている。
- このスケジューリング問題は0-1 ILP 形式で、恒常および臨時労働者の各時間スロットに対する決定変数を用いる。
より良い研究を、今すぐ始めましょう
論文設計から論文執筆まで、研究時間を劇的に削減しましょう。
クレジットカード登録不要
このレビューはAIが作成し、人間の編集者が確認しました。