以自我学习神经网路混合邻近有哪些信誉好的足球投注网站演算法作营建重复性排.docVIP

以自我學習神經網路混合鄰近有哪些信誉好的足球投注网站演算法作營建重複性排程問題1楊秉蒼、2呂淑鈴、3葉怡成、4詹勳山1、4正修技術學院土木工程系1Instructor, Department of Civil Engineering,Cheng Shiu Institute of Technology President2台灣建築經理股份有限公司2Taiwan Real-Estate Management CORP.3中華大學土木工程學系3Professor, Department of Civil Engineering, Chung Hua University摘 要本研究擬以自我學習神經網路混合鄰近有哪些信誉好的足球投注网站演算法作營建重複性排程問題。近年來，營建自動化技術發展甚為迅速，大量使用機具施工或將生產工廠化，使傳統要徑法排程演算技術，無法運用於大量重複性排程問題，因此突顯重複性排程的重要性。不過重複性排程數學性質屬於NP-Complete的問題，所以問題求解演算技術，便格外顯得重要，為此本研究擬以自我學習神經網路混合鄰近有哪些信誉好的足球投注网站演算法解此問題，為強化網路特徵能量運動方程，本研究將問題轉換為ATSP（非對稱型態旅行推銷員問題）問題求解，並以自走式吊車排程問題為例，進行問題探討。關鍵詞：重複性排程、Flow Shop排程、類神經網路、自我學習神經網路、鄰近有哪些信誉好的足球投注网站演算法一、前 言近年來，由於工程規模日益擴大，勞力資源面臨短缺的現象，因此政府於民國七十八年提出營建自動化十年計畫，其中一環，即大量採用自動化機具施工，以降低對勞力的依賴，由於大量機具化施工或生產工廠化，使得營建施工排程問題，成為重複性的排程問題，此問題並無法以傳統要徑法（Critical Path Method ：CPM）進行施工排程處理。CPM為1950年代後期，由杜邦公司開發出來，以要徑法控制營建施工進度是近代營建管理一大特色，要徑法以網路分析技術表示施工計畫的細節，使得整體工程明確顯示於圖面上，易於工程規劃與管制，並透過要徑控制，方便管理整體工程進度，不過CPM應用上，因CPM各作業均依先行作業之完成而儘早開始，對於資源間施工效率差異所產生之問題，只能以虛作業等方式進行處理，非真實反應實際施工邏輯與資源數量之關聯性；且多數重複性工程為有限資源及重複相同作業施作，需使用相同之施工資源，當相同作業出現在不同工作時，網圖技術即難以處理；另外，在分析最佳工期時，CPM僅能在要徑作業項目內增加資源投入量，造成相同作業於不同工作間有相異之資源投入量與重複性工程固定資源數量產生衝突，產生分析上之困難[1,2]。重複性排程問題，由於問題表達方式與特殊型態Flow Shop排程問題近似，所以營建工程重複性排程問題，可轉換為特殊型態Flow Shop排程問題處理[3,4,5]。由於工程規模的影響，有時一項大型的專案工程可將其分割成數項小型專案工程表示，若加上上述機具的限制，則構成了資源受限多專案營建排程問題，例如某建築專案工程預定建造3棟建築物，施工作業配合機具（例如吊車）運作，將作業壓縮為3項作業，各建築物的施工時間及作業關係，如圖1所示。其中，Bi表示專案工程編號或名稱，Oij表示作業（或施工機具）的編號，tij表示機具施工花費時間。由於各作業的施工機具均僅有一組，如何在同作業施作不相互衝突的情形下，使得營建工期為最短，便成為一項困難的難題，此問題型態即為營建重複性排程問題。B1t11t12T13O11O12O13B2t21t22t23O21O22O23B3t31t32t33O31O32O33圖1 營建重複性排程問題作業時間關係1991年林宏澤[3]，為處理重複性排程問題，曾將Flow Shop排程問題在考量作業連續性施工的狀態下，提出特殊型態Flow Shop排程問題，然問題處理上具有極高的複雜度，因此將特殊型態Flow Shop排程問題，轉換為ATSP的問題處理，並以分支界定法求最佳解，不過分支界定法應用上，面臨較大尺寸的問題，仍具組合爆炸的特性。以具有n個專案工程為例，問題求解組合率有n!種組合，若n=10，則問題有效合法組合有3,628,800種，在問題求解上屬於NP-Complete的問題，所以問題處理上，無法以傳統數學解析模式進行分析。 以往研究者對於TSP問題之求解方法大致可方為兩類，一類為求問題最佳解的方法，另一類為啟發式的解法解TSP問題的方法。近年來，由於人工智慧領域快速的成長，一些較好的演算法不斷被提出，如類神經網路、遺傳演算法、限制邏輯程式、門檻接受法等。使得上述複雜的問題得以在較短的時間內，求得最佳解或近似最佳解，在各種演算工具中，類神經網路是近年來發展較速的演算工具之一。以類神經網路作TSP問題首推1985年Hopfield和Tank[6]提出Hopfield-Tank神經網路有