專利名稱：用于運具調(diào)度派遣的演算方法
技術(shù)領(lǐng)域：
本發(fā)明是有關(guān)處理運具調(diào)度派遣的技術(shù)領(lǐng)域，尤指一種采二維矩陣編碼的遺傳演算法的用于運具調(diào)度派遣的演算方法。
美國專利5,848,403號案是提出一種“遺傳演算排程的系統(tǒng)與方法”(System and method for genetic algorithm scheduling systems)，可利用遺傳演算法進(jìn)行資源的調(diào)度派遣，惟其遺傳演算法是采一維線性或串列的編碼方式，問題表達(dá)性較差，因此不易了解、求解效率較差。有鑒于此，前述運輸資源調(diào)度派遣工作流程的運作與結(jié)果產(chǎn)生方式，仍有予以改善的必要。
發(fā)明人爰因于此，本于積極發(fā)明的精神，亟思一種可以解決上述問題的“用于運具調(diào)度派遣的演算方法”，幾經(jīng)研究實驗終至完成此項新穎進(jìn)步的發(fā)明。
為達(dá)前述的目的，本發(fā)明的用于運具調(diào)度派遣的演算方法是于設(shè)定運具調(diào)度基本資料后，以多執(zhí)行緒啟動以遺傳演算法為核心的最佳化運具調(diào)度派遣表產(chǎn)生元件，以便找尋滿足訂定的限制條件與目標(biāo)，該最佳化運具調(diào)度派遣表產(chǎn)生元件包括(B1)隨機產(chǎn)生多個初始樣本，每一初始樣本是為一包含有多個運輸勤務(wù)的二維化運具調(diào)度編碼表，該運具調(diào)度編碼表的縱向索引代表運具，橫向索引代表時間順序，該運具調(diào)度編碼表及其運輸勤務(wù)是對應(yīng)遺傳演算法的染色體及基因；(B2)以前述樣本為親代樣本，依據(jù)定義的目標(biāo)函數(shù)與限制式，進(jìn)行樣本評估，以求取其染色體的樣本評估值；(B3)運用輪盤法則使評估值較為優(yōu)良的染色體增加被選中的機會；(B4)以單點切割法和雙點切割法的選擇機率進(jìn)行染色體交配及基因突變；(B5)進(jìn)行樣本替換，以局部基因交換方式進(jìn)行，依據(jù)染色體的樣本評估值來將樣本進(jìn)行排序，并選出較優(yōu)的樣本，其中，每一樣本的評估值是可由目標(biāo)函數(shù)與限制式違反成本所決定；以及(B6)當(dāng)執(zhí)行次數(shù)已達(dá)限制，或常限制式的違反數(shù)目為零時，其樣本評估值的變化在一預(yù)設(shè)值之內(nèi)時，則結(jié)束執(zhí)行，否則，以所獲得的樣本為親代樣本，再執(zhí)行步驟(B2)至(B5)。
其中于步驟(B3)中，是依每個染色體的評估值大小分別給予不同的被選取機率。
其中于步驟(B4)中，染色體交配是以基因群交換的方法，產(chǎn)生結(jié)合父代優(yōu)良基因的子代樣本。
其中在進(jìn)行染色體交配時，是以鉛直方向切割染色體。
其中在進(jìn)行染色體交配時，若所選擇的機率大放預(yù)先設(shè)定的機率，則采用雙點切割法來進(jìn)行染色體交配，若否，則采用單點切割法來進(jìn)行染色體交配。
其中于步驟(B4)中，基因突變是以局部基因交換的方法，使樣本能具有多樣性，擴大樣本的搜尋空間，避免陷入局部最佳解。
其中于進(jìn)行基因突變時，若所選擇的機率大于預(yù)先設(shè)定的機率，則首先隨機選擇欲進(jìn)行基因突變的時間，其次則尋找可進(jìn)行基因突變的運輸資源，亦將該時間的兩個運輸資源互換。
其中還包含一步騾(C)以輸出一最佳化運輸資源調(diào)度派遣表。
其中該限制條件包括運具整備時間、運具無加油運行時間、運具停留非維修基地時間、運輸勤務(wù)組員用餐時間、及運具班次運行時間。
其中限制式違反成本是為染色體違反各限制式的項目總數(shù)與相對應(yīng)的懲罰值的乘積。
其中目標(biāo)函數(shù)包括運具利用效率及連續(xù)班次的相同起訖地點。
其中染色體的樣本評估值為SCORE＝Cost_FIFO+Cost_ModDispatch+Penalty_Cons， 當(dāng)中，Cost_FIFO為班次銜接總時間過大的發(fā)生成本，Cost_ModDispatch為運具調(diào)度成本，Penalty_Cons為限制式違反成本。
其中Penalty_Cons為零。
由于本發(fā)明設(shè)計新穎，能提供產(chǎn)業(yè)上利用，且確有增進(jìn)功效，故依法申請專利。
圖2是為一運具調(diào)度派遣系統(tǒng)的操作流程圖。
圖3是為一最佳化運具調(diào)度派遣表產(chǎn)生元件流程圖。
圖4A是為一包含有多個運輸勤務(wù)的二維化運具調(diào)度編碼表。
圖4B是為一包含有四個運輸勤務(wù)的運具調(diào)度編碼表的實例。
圖5是為一以輪盤法則進(jìn)行樣本淘汰的示意圖。
圖6是為進(jìn)行染色體交配的示意圖。
圖7是為進(jìn)行基因突變的示意圖。
并請參照圖2的運具調(diào)度派遣系統(tǒng)操作流程圖所示，客戶端11是透過系統(tǒng)操作介面完成運具調(diào)度相關(guān)基本資料設(shè)定，并經(jīng)由檔案格式的解譯，以多執(zhí)行緒(multi-thread)的方法啟動以遺傳演算法(GeneticAlgorithm)為核心的最佳化運具調(diào)度派遣表產(chǎn)生元件，找尋滿足訂定的限制與目標(biāo)后，以便產(chǎn)生輸出至一般電腦輸出裝置的最佳化運具調(diào)度派遣表。
圖3進(jìn)一步顯示前述最佳化運具調(diào)度派遣表產(chǎn)生元件流程圖，其首先需隨機產(chǎn)生多個初始樣本(步驟S301)，每一初始樣本是為一如圖4A所示包含有多個運輸勤務(wù)41的二維化運具調(diào)度編碼表，其中，縱向索引p1，…，Pα分別代表運具1，…，運具α，橫向索引d1，…，dβ分別代表時間順序1，…，時間順序β，編碼表值ωαβ代表運輸勤務(wù)代號。舉例而言，假設(shè)運具為飛機，而班機時刻表為

則其樣本可為圖4B所示包含有四個運輸勤務(wù)的運具調(diào)度編碼表。又前述運具調(diào)度編碼表是對應(yīng)遺傳演算法的一染色體，而運具調(diào)度編碼表的每一運輸勤務(wù)則相當(dāng)于一基因。
由隨機產(chǎn)出的第一代樣本隨即作為親代樣本(步驟S302)，此樣本顯然無法滿足所有設(shè)定的目標(biāo)函數(shù)與限制式定義(步驟S303)，在樣本評估中(步驟S304)可知其染色體評估值(Fitness value)的優(yōu)劣差異很大，故可運用輪盤法則(roulette wheel)使評估值較為優(yōu)良的染色體增加被選中的機會，以便淘汰不良的樣本，并請參考圖5所示以輪盤法則進(jìn)行樣本淘汰的示意圖，圖中1…P為P個樣本所被選取的機率，輪盤法則是依每個染色體的評估值大小分別給予不同的被選取機率，如此，即可設(shè)定評估值較為優(yōu)良的樣本有較大的被選中機會，同時亦保留部分評估值雖較差，但局部染色體卻可能優(yōu)良的樣本，以供評估值有繼續(xù)改進(jìn)的機會。
步驟S305再進(jìn)行染色體交配及基因突變，其中，染色體交配(Crossover)是以基因群交換的方法，產(chǎn)生結(jié)合父代優(yōu)良基因的子代樣本，使每一代的樣本演化能越來越好。由于每日運輸勤務(wù)的數(shù)量與內(nèi)容在產(chǎn)生后即不能改變，為了確保每日運輸勤務(wù)數(shù)量與內(nèi)容正確無誤，因此在進(jìn)行染色體交配時，是以鉛直方向切割染色體，如圖6所示。進(jìn)行染色體交配時，若所選擇的機率大于預(yù)先設(shè)定的機率，則采用雙點切割來進(jìn)行染色體交配，若否，則采用單點切割來進(jìn)行染色體交配。
而基因突變(Mutation)，是以局部基因交換的方法，使樣本能具有多樣性，擴大樣本的搜尋空間，避免陷入局部最佳解。如同染色體交配方法，基因突變時亦需保證每日的運輸勤務(wù)數(shù)量與內(nèi)容正確無誤，故突變時亦僅限于同日的運輸勤務(wù)交換。若所選擇的機率大于預(yù)先設(shè)定的機率，則首先隨機選擇欲進(jìn)行基因突變的時間，其次則尋找可進(jìn)行基因突變的運具，亦將該時間的兩個運具互換，若否，則不進(jìn)行基因突變。其基因突變方法如圖7所示。
經(jīng)染色體交換與基因突變的步驟后，再進(jìn)行樣本替換(步驟S306)，以依據(jù)染色體的評估值來將樣本進(jìn)行排序，并選出較優(yōu)的樣本(例如為評估值較低的樣本)，其中，每一樣本的評估值(Score)是可由目標(biāo)函數(shù)值組合求出。例如，將目標(biāo)函數(shù)分為兩部分，其一為營運成本的最小化與公平性指標(biāo)的平均化程度，另一為各限制式的不滿足程度，其中，以運具而言，其相關(guān)的限制條件為1.運具整備時間班次與班次間清理運具或檢查運具可用狀態(tài)所需時間；2.運具無加油運行時間(運具巡航時間)運具不需新增燃料時的總運行時間；3.運具停留非維修基地時間(運具保養(yǎng)時間間隔)運具必須接受各類維修保養(yǎng)的時間間隔；4.運輸勤務(wù)組員用餐時間提供運輸勤務(wù)組員一段固定的用餐期間；及5.運具班次運行時間時刻表中運具由起點至終點的運行時間。
而染色體違反各限制式的項目總數(shù)與相對應(yīng)的懲罰值的乘積，即為限制式違反成本，一個可行解其限制式違反懲罰成本應(yīng)為零。以數(shù)學(xué)式可表示如下，Penaty_Cons＝PConsModTurnArround*NConsModTurnArround+PConsModCruise*NConsModCruisel+PConsModMaintain*NConsModMaintain+PConsMealTm*NConsMealTm+PConsTripTm*NConsTripTm其中，PconsModTumArround為欲減少違反運具整備時間限制的限制式懲罰值；NConsModTumArround為某樣本中所有違反運具整備時間限制的總數(shù)；PconsModCruise為欲減少違反運具巡航時間的限制式懲罰值；NConsModCruise為某樣本中所有運具巡航時間限制的總數(shù)；PConsModMaintain為欲減少違反運具保養(yǎng)時間間隔限制式懲罰值；NconsModMaintain為某樣本中所有違反運具保養(yǎng)時間間隔限制的總數(shù)；PConsMealTm為欲減少違反運輸勤務(wù)組員用餐時間的限制式懲罰值；NConsMealTm為某樣本中所有違反運輸勤務(wù)組員用餐時間限制的總數(shù)；PConsTripTm為欲減少違反運具班次運行時間的限制式懲罰值；NConsTripTm為某樣本中所有違反運具班次運行時間限制的總數(shù)。
又運具的營運成本與公平性指標(biāo)類包括1.運具利用效率(FIFO評估)期使班次銜接時間的總和最小化，表示為Cost_FIFO=Σi=1n-1TmTurnArroundi,i+1*WTmTurnArround]]>其中，Cost_FIFO為班次銜接總時間過大的發(fā)生成本；TmTurnAroun di，i+1為第i與第i+1個間的時間間隔，WTmTumArround為欲減少班次銜接總時間現(xiàn)象的權(quán)重。
2.連續(xù)班次的相同起訖地點(運具調(diào)度成本)前班次的終點與本班次的起點一致性要求，表示為Cost_ModDispatch=Σi=1n-1NConnecti,i+1*WConnect]]>其中，NConnecti，i+1為發(fā)生班次銜接地點不同的數(shù)目；Wconnect為欲減少運具調(diào)度成本的權(quán)重。
因此，染色體的目標(biāo)函數(shù)主要包括班機利用效率最大化和限制式違反懲罰成本，可以下式表之SCORE＝Cost_FIFO+Cost_ModDispatch+Penalty_Cons，如以圖4B的染色體為例，若僅考慮運具整備時間限制及運具調(diào)度成本，且PconModTurnAround＝50Wconnect＝100則Score＝Penalty_Cons+Cost_ModDispatch＝(1+0)×50+(0+1)×100所以812及813違反運具整備時間限制，822及838起降地點不一致，導(dǎo)致運具調(diào)度成本增加。然一可行解的樣本評估值僅包括運具刮用率程度。，如下式SCORE＝Cost_FIFO+Cost_ModDispatch。
因此，只要檢查限制式的違反數(shù)目是否為零，即可知道其解是否為可行解。整個演算法的結(jié)束條件可為總執(zhí)行代數(shù)限制或當(dāng)限制式的違反數(shù)目為零時，其樣本評估值的變化在0.001之內(nèi)，如下式，|SCOREg-SCOREg-1|/SCOREg-1＜0.001其中，SCOREg與SCOREg-1分別為當(dāng)限制式的違反數(shù)目為零時，本次與前次運算的樣本評估值。反之，如未符合結(jié)束條件，則以所獲得的樣本為親代樣本，再執(zhí)行步驟S302至S306，如此重復(fù)執(zhí)行直到符合結(jié)束條件，即可獲致最佳化的結(jié)果。
由以上的說明可知，本發(fā)明的遺傳演算法采二維矩陣式編碼方式，能充分表達(dá)問題特性，產(chǎn)生較高的解效率，且以多執(zhí)行緒達(dá)成系統(tǒng)操作與問題求解演茸法獨立運作與并行開發(fā)的架構(gòu)，提高系統(tǒng)資源利用效率與系統(tǒng)開發(fā)時程。
綜上所述，本發(fā)明無論就目的、手段及功效，在在均顯示其迥異于習(xí)知技術(shù)的特征，實為一極具實用價值的發(fā)明。惟應(yīng)注意的是，上述諸多實施例僅是為了便于說明而舉例而已，本發(fā)明所主張的權(quán)利范圍自應(yīng)以申請專利范圍所述為準(zhǔn)，而非僅限于上述實施例。
權(quán)利要求
1.一種用于運具調(diào)度派遣的演算方法，其特征在于，主要包括下述的步驟(A)設(shè)定運具調(diào)度基本資料；以及(B)以多執(zhí)行緒啟動以遺傳演算法為核心的最佳化運具調(diào)度派遣表產(chǎn)生元件，以便找尋滿足訂定的限制條件與目標(biāo)，其包括步驟(B1)隨機產(chǎn)生多個初始樣本，每一初始樣本是為一包含有多個運輸勤務(wù)的二維化運具調(diào)度編碼表，該運具調(diào)度編碼表的縱向索引代表運具，橫向索引代表時間順序，該運具調(diào)度編碼表及其運輸勤務(wù)是對應(yīng)遺傳演算法的染色體及基因；(B2)以前述樣本為親代樣本，依據(jù)定義的目標(biāo)函數(shù)與限制式，進(jìn)行樣本評估，以求取其染色體的樣本評估值；(B3)運用輪盤法則使評估值較為優(yōu)良的染色體增加被選中的機會；(B4)以單點切割法和雙點切割法的選擇機率進(jìn)行染色體交配及基因突變；(B5)進(jìn)行樣本替換，以局部基因交換方式進(jìn)行，依據(jù)染色體的樣本評估值來將樣本進(jìn)行排序，并選出較優(yōu)的樣本，其中，每一樣本的評估值是可由目標(biāo)函數(shù)與限制式違反成本所決定以及(B6)當(dāng)執(zhí)行次數(shù)已達(dá)限制，或當(dāng)限制式的違反數(shù)目為零時，其樣本評估值的變化在一預(yù)設(shè)值之內(nèi)時，則結(jié)束執(zhí)行，否則，以所獲得的樣本為親代樣本，再執(zhí)行步驟(B2)至(B5)。
2.如權(quán)利要求1所述的用于運具調(diào)度派遣的演算方法，其特征在于，其中于步驟(B3)中，是依每個染色體的評估值大小分別給予不同的被選取機率。
3.如權(quán)利要求1所述的用于運具調(diào)度派遣的演算方法，其特征在于，其中于步驟(B4)中，染色體交配是以基因群交換的方法，產(chǎn)生結(jié)合父代優(yōu)良基因的子代樣本。
4.如權(quán)利要求3所述的用于運具調(diào)度派遣的演算方法，其特征在于，其中在進(jìn)行染色體交配時，是以鉛直方向切割染色體。
5.如權(quán)利要求4所述的用于運具調(diào)度派遣的演算方法，其特征在于，其中在進(jìn)行染色體交配時，若所選擇的機率大放預(yù)先設(shè)定的機率，則采用雙點切割法來進(jìn)行染色體交配，若否，則采用單點切割法來進(jìn)行染色體交配。
6.如權(quán)利要求1所述的用于運具調(diào)度派遣的演算方法，其特征在于，其中于步驟(B4)中，基因突變是以局部基因交換的方法，使樣本能具有多樣性，擴大樣本的搜尋空間，避免陷入局部最佳解。
7.如權(quán)利要求6所述的用于運具調(diào)度派遣的演算方法，其特征在于，其中于進(jìn)行基因突變時，若所選擇的機率大于預(yù)先設(shè)定的機率，則首先隨機選擇欲進(jìn)行基因突變的時間，其次則尋找可進(jìn)行基因突變的運輸資源，亦將該時間的兩個運輸資源互換。
8.如權(quán)利要求1所述的用于運具調(diào)度派遣的演算方法，其特征在于，其中還包含一步騾(C)以輸出一最佳化運輸資源調(diào)度派遣表。
9.如權(quán)利要求1所述的用于運具調(diào)度派遣的演算方法，其特征在于，其中該限制條件包括運具整備時間、運具無加油運行時間、運具停留非維修基地時間、運輸勤務(wù)組員用餐時間、及運具班次運行時間。
10.如權(quán)利要求9所述的用于運具調(diào)度派遣的演算方法，其特征在于，其中限制式違反成本是為染色體違反各限制式的項目總數(shù)與相對應(yīng)的懲罰值的乘積。
11.如權(quán)利要求9所述的用于運具調(diào)度派遣的演算方法，其特征在于，其中目標(biāo)函數(shù)包括運具利用效率及連續(xù)班次的相同起訖地點。
12.如權(quán)利要求11所述的用于運具調(diào)度派遣的演算方法，其特征在于，其中染色體的樣本評估值為SCORE＝Cost_FIFO+Cost_ModDispatch+Penalty_Cons，當(dāng)中，Cost_FIFO為班次銜接總時間過大的發(fā)生成本，Cost_ModDispatch為運具調(diào)度成本，Penalty_Cons為限制式違反成本。
13.如權(quán)利要求12所述的用于運具調(diào)度派遣的演算方法，其特征在于，其中Penalty_Cons為零。
全文摘要
本發(fā)明是為一種用于運具調(diào)度派遣的演算方法，是以多執(zhí)行緒啟動以遺傳演算法為核心的最佳化運具調(diào)度派遣表產(chǎn)生元件，以便找尋滿足訂定的限制與目標(biāo)，該最佳化運具調(diào)度派遣表產(chǎn)生元件首先隨機產(chǎn)生多個代表二維化運具調(diào)度編碼表的初始樣本，每一運具調(diào)度編碼表包含有多個運輸勤務(wù)，該運具調(diào)度編碼表及其運輸勤務(wù)是對應(yīng)遺傳演算法的染色體及基因；再以前述樣本為親代樣本，依據(jù)定義的目標(biāo)函數(shù)與限制式，進(jìn)行樣本評估；并運用輪盤法則使評估值較為優(yōu)良的染色體增加被選中的機會；經(jīng)染色體交配及基因突變后，進(jìn)行樣本替換，以依據(jù)樣本的評估值選出較優(yōu)的樣本。
文檔編號G06F17/00GK1410911SQ01142279
公開日2003年4月16日 申請日期2001年9月26日 優(yōu)先權(quán)日2001年9月26日
發(fā)明者張劭卿, 蔡明汶, 黃志威, 鐘毓驥 申請人:財團(tuán)法人資訊工業(yè)策進(jìn)會