分时电价下任务调度–人员排班组合问题的代理模型求解研究

摘要

在分时电价背景下，制造成本和人力成本往往难以取得平衡：晚上电价较低但人员加班费较高，白天人员时薪较低而电价却较高。若将两个问题联合建模，则规模较大，不易求解。在实际应用中，较多采用先进行任务调度，再对人员排班的分阶段建模求解方法，但该求解思路难以保证得到较低成本的解。针对这一问题，提出一种代理模型的方法，以GA算法生成两个子问题的多组较优可行解作为训练样本，利用BP神经网络、深度学习及宽度学习系统分别拟合组合问题的代理模型，并采用BFGS法寻优。随着工件与工序数目的增加，本文所提供的自适应采样算法能有效解决维数灾问题。算例结果表明，新方法能得到明显优于利用遗传算法分阶段求解得到的结果，能为企业节省高达11.91%的电费与人力总成本。

关键词

代理模型 / 基于仿真的优化 / 宽度学习系统 / 变尺度法 / 自适应采样