資訊工程學系

Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/60

本系前身「資訊教育學系」成立於民國七十四年,首先招收大學部學生,民國九十年成立資訊工程研究所碩士班,而後於民國九十五年進行系、所調整合併為「資訊工程學系」;並於九十六年成立博士班。本系目前每年約招收大學部四十餘人,碩士班六十餘人,博士班約五人,截至民國一百零四年十一月止,總計現有大學部一百九十多人,碩士班一百二十多人,博士班二十三人,合計學生人數約為三百三十多位。

News

Browse

Search Results

Now showing 1 - 2 of 2
  • Item
    以強化突變機制之基因演算法求解多目標彈性零工式工廠排程問題
    (2013) 陳弘奇
    如何有效分配資源以及提高生產效率、降低生產成本,是製造業一直以來想要達到的目標,這就是為何十幾年來生產排程問題可以如此的熱門。排程問題大部分都屬於組合最佳化問題,零工式工廠排程問題(Job-shop Scheduling Problem, JSP)便是其一。由於此類問題的複雜度很高,通常難以求得最佳解。彈性零工式工廠排程問題(Flexible Job-shop Scheduling Problem, FJSP)則為零工式工廠排程問題的延伸,主要透過分配製程的作業機台(路由問題),以及變換製程在機台上的順序(排序問題)來最小化最大完工時間(makespan)、機台總工作量(total workload)和最大機台工作量(maximum workload)。 本論文所提出的演算法主體為基因演算法(Genetic Algorithm, GA),搭配交換關鍵製程以及重新插入關鍵製程來做突變,並且強化插入關鍵製程的方式。而為了求得在多個目標上的最佳化,本論文採用柏拉圖分級法(Pareto ranking)當作選擇機制,目的在於找到柏拉圖最佳解(Pareto optimal solutions)。 實驗的問題為 BR data 的十個測試問題。本論文提出的演算法在非凌越解(non-dominated solutions)個數較多的問題中能大幅度更新目前的已知非凌越解。
  • Item
    基因演算法結合二階段最佳化演算法解決集合涵蓋問題之研究
    (2005) 張書維; Shu-Wei Chang
    最佳化問題中有一廣為周知的問題為集合涵蓋問題(SCP),因其可作為許多資源選擇問題的模型,因此在現實生活中有許多重要的應用。由於集合涵蓋問題為一NP-hard問題,而基因演算法也常被使用來求解此類問題,且可獲得不錯的結果。本論文設計一混合式基因演算法(TGA),其結合二階段最佳化演算法(TPOA)與基因演算法(GA)來求解集合涵蓋問題。TGA使用TPOA來產生GA之初始族群,能夠盡可能產生一些好的基因於族群中,並保證其在族群中有一定的數量,以提高這些好的基因在早期於族群中之存活率,期望這些好的基因能夠提供GA快速的收斂,以及提高尋找最佳解的機會。由實驗結果顯示,TGA可較使用亂數產生族群之Beasly和Chu所提出的GA (BeCh GA)能在短時間內得到較佳的解,而在長時間中兩者則是差不多的。因此TGA提供一增加GA初始族群之多變性與強化性之系統化架構,可以有效的讓GA在短時間內獲得一近似最佳解,而不減少GA尋找最佳解的機會。