サロゲートモデルによる局所探索を適用した整数型Population-Based Incremental Learningと実用的な生産シミュレータを用いた加熱炉の階層的最適生産計画への改良型初期確率行列設定方法の提案

カテゴリ：研究会(論文単位)

論文No：ST25063,CT25098

グループ名：【C】電子・情報・システム部門 システム/【C】電子・情報・システム部門 制御合同研究会

発行日：2025/11/26

タイトル(英語)：Improved Initial Probability Matrix Setting Methods for Bilevel Optimal Production Scheduling of Heating Furnaces by Integer Form of Population-Based Incremental Learning with Surrogate Assisted Local Search and a Practical Production Simulator

著者名：任海 晟(明治大学),福山 良和(明治大学),高橋 賢二郎(三菱電機),川口 嵩平(三菱電機),佐藤 隆臣(三菱電機/東京大学)

著者名(英語)： Sei Tomi(Meiji University),Yoshikazu Fukuyama(Meiji University),Kenjiro Takahashi(Mitsubishi Electric Co.),Shuhei Kawaguchi(Mitsubishi Electric Co.),Takaomi Sato(Mitsubishi Electric Co./ The University of Tokyo)

キーワード：階層的最適化問題,整数型Ｐｏｐｕｌａｔｉｏｎ－Ｂａｓｅｄ　Ｉｎｃｒｅｍｅｎｔａｌ　Ｌｅａｒｎｉｎｇ,改良型初期確率行列設定方法,サロゲートモデル,生産シミュレータ,局所探索,bilevel optimization problem,integer form of population-based incremental learning,improved initial probability matrix setting method,surrogate model,production simulator,local search

要約(日本語)：本論文では，サロゲートモデルによる局所探索を適用した整数型Population-Based Incremental Learningと実用的な生産シミュレータを用いた加熱炉の階層的最適生産計画への改良型初期確率行列設定方法の適用を提案する。本論文では，より複雑な実際の生産現場を対象とし，生産割合最適化における初期確率行列設定方法を改良した。提案法の有効性はシミュレーションによって確認した。また，改良型初期確率行列設定方法と局所探索の寄与度についても確認した。

要約(英語)：This paper proposes two improved initial probability matrix setting methods for bilevel optimal production scheduling of heating furnaces by integer form of population-based incremental learning with surrogate assisted local search and a practical production simulator. The effectiveness of the proposed methods is confirmed using an optimal production scheduling problem of actual heating furnaces. In addition, the contributions of the improved initial probability matrix setting methods, and the local search are also evaluated.

本誌：2025年11月29日-2025年11月30日システム/制御合同研究会

本誌掲載ページ：65-70p

原稿種別：日本語

PDFファイルサイズ：1,288Kバイト