2.1 IntroductionIn this research, s

2.1 Introduction
In this research, scheduling theory, job shop scheduling in particular, is adapted to
scheduling the sugarcane rail system. Many problems in real life are classified as
scheduling problems; where scheduling is defined as the allocation of resources over
time to perform a collection of tasks (Baker, 1974). Each resource (machine) has its
own features and configurations while each task (job) can be described by its
processing time, resource requirement, start and finish time. Resources can be
equated to machines in a job shop scenario and tasks can be equated to jobs.
Scheduling makes decisions by optimising one or more objectives. These decisions
are called solutions. The easiest approach to obtain the best solution is to evaluate all
solutions and then select the best. The main problem with this approach is that the
number of tested solutions grows exponentially with the size of the problem (in a
combinatorial optimisation problem). As a result, the computation time of this
approach increases as the size of the problem grows, making it harder to solve these
problems in reasonable time, even in small cases. Many heuristic and metaheuristic
techniques have been developed to solve large-scale problems. The main core of
these techniques is to reduce the solution space to reach good solutions in a short
time. Many scheduling problems are hard to solve and are called NP-hard
(nondeterministic polynomial time), where no algorithm can solve these problems in
polynomial time (the solution can be provided in predetermined and finite number of
steps) (Lawler et al., 1993).

ผลลัพธ์ (ไทย) 1:

2.1 บทนำในงานวิจัยนี้ ทฤษฎี การจัดกำหนดการผลิตร้านเฉพาะ จะปรับให้แผนระบบรถไฟอ้อย ปัญหาหลายอย่างในชีวิตจริงแบ่งออกเป็นปัญหาการจัดกำหนดการ ที่วางแผนไว้เป็นการปันส่วนทรัพยากรมากกว่าเวลาในการดำเนินการชุดงาน (เบเกอร์ 1974) ทรัพยากรแต่ละรายการ (เครื่อง) มีความเป็นเจ้าของลักษณะการทำงานและการกำหนดค่าในขณะที่แต่ละงาน (งาน) สามารถอธิบายได้โดยการเวลาประมวลผล ความต้องการทรัพยากร เริ่มต้น และสิ้นสุดเวลา ทรัพยากรสามารถเป็นequated กับเครื่องในร้านงาน สถานการณ์และงานสามารถจะ equated กับงานได้จัดทำให้การตัดสินใจ โดย optimising หนึ่ง หรือหลายวัตถุประสงค์ ตัดสินใจเหล่านี้จะเรียกว่าโซลูชั่น เป็นวิธีที่ง่ายสุดได้รับการ ประเมินทั้งหมดโซลูชั่นแล้วเลือกดีที่สุด ปัญหาหลักของวิธีนี้คือการจำนวนวิธีทดสอบเติบโตเป็นทวีคูณเมื่อ มีขนาดของปัญหา (ในการปัญหาคุณภาพปัญหา) เป็นผล เวลาคำนวณนี้วิธีเพิ่มเป็นเติบโตขนาดของปัญหา การทำให้ยากที่จะแก้ปัญหาเหล่านี้ปัญหาในเวลาที่เหมาะสม ในกรณีที่ขนาดเล็กแม้แต่ หลายแล้ว และ metaheuristicได้รับการพัฒนาเทคนิคการแก้ปัญหาขนาดใหญ่ หลักของเทคนิคเหล่านี้คือการ ลดพื้นที่แก้ปัญหาถึงวิธีแก้ไขปัญหาที่ดีในระยะสั้นเวลา ยากต่อการแก้ไขปัญหาการจัดกำหนดการหลาย และเรียกว่า NP หนัก(ถูกพหุนามเวลา), ซึ่งอัลกอริทึมไม่สามารถแก้ปัญหาเหล่านี้ในเวลาโพลิโนเมีย (โซลูชั่นสามารถแสดงได้ในจำนวนจำกัด และกำหนดไว้ตอน) (Lawler et al., 1993)

ผลลัพธ์ (ไทย) 2:

2.1
ความรู้เบื้องต้นในงานวิจัยนี้ทฤษฎีการตั้งเวลา,
ช่วงเวลาที่ร้านงานโดยเฉพาะอย่างยิ่งมีการปรับให้เข้ากับการตั้งเวลาระบบรถไฟอ้อย
ปัญหามากมายในชีวิตจริงจะจัดเป็นปัญหาการตั้งเวลา; การจัดตารางเวลาที่ถูกกำหนดให้เป็นการจัดสรรทรัพยากรในช่วงเวลาที่จะดำเนินการคอลเลกชันของงาน (เบเกอร์ 1974)
แต่ละทรัพยากร (เครื่อง)
มีของคุณสมบัติของตัวเองและการกำหนดค่าในขณะที่งานแต่ละงาน(งาน)
สามารถอธิบายได้ด้วยของเวลาการประมวลผลความต้องการทรัพยากรที่เริ่มต้นและเสร็จสิ้นเวลา
ทรัพยากรที่สามารถบรรจุเครื่องในสถานการณ์ร้านงานและงานที่สามารถบรรจุงาน.
ตั้งเวลาทำให้การตัดสินใจโดยการเพิ่มหนึ่งหรือมากกว่าหนึ่งวัตถุประสงค์
การตัดสินใจเหล่านี้จะเรียกว่าการแก้ปัญหา
ที่ง่ายที่สุดวิธีการเพื่อให้ได้ทางออกที่ดีที่สุดคือการประเมินทั้งหมดโซลูชั่นและจากนั้นเลือกที่ดีที่สุด ปัญหาหลักด้วยวิธีนี้คือว่าจำนวนของโซลูชั่นการทดสอบเติบโตชี้แจงกับขนาดของปัญหา(ในปัญหาการเพิ่มประสิทธิภาพcombinatorial) ในฐานะที่เป็นผลให้เวลาในการคำนวณนี้วิธีการเพิ่มขนาดของปัญหาที่เติบโตขึ้นทำให้มันยากที่จะแก้ปัญหาเหล่านี้ปัญหาที่เกิดขึ้นในเวลาที่เหมาะสมแม้ในกรณีที่มีขนาดเล็ก แก้ปัญหาและ metaheuristic หลายเทคนิคที่ได้รับการพัฒนาเพื่อแก้ปัญหาขนาดใหญ่ แกนหลักของเทคนิคเหล่านี้คือการลดพื้นที่การแก้ปัญหาที่จะไปถึงการแก้ปัญหาที่ดีในระยะสั้นเวลา ปัญหาการตั้งเวลาหลายยากที่จะแก้ปัญหาและจะเรียกว่ารุ่น NP-ยาก(เวลาพหุนาม nondeterministic) ซึ่งขั้นตอนวิธีการที่ไม่สามารถแก้ปัญหาเหล่านี้ในเวลาพหุนาม(โซลูชั่นที่สามารถให้ในจำนวนที่กำหนดไว้และ จำกัด ของขั้นตอน) (Lawler et al., 1993 )

ผลลัพธ์ (ไทย) 3:

2.1 บทนำ
ในการวิจัยนี้กำหนดทฤษฎี งานร้านจัดโดยเฉพาะ ถูกดัดแปลงให้
ตารางระบบรถไฟอ้อย . หลายปัญหาในชีวิตจริง จะจัดเป็นตารางปัญหา
; การวางแผน หมายถึง การจัดสรรทรัพยากรมากกว่า
เวลาแสดงคอลเลกชันของงาน ( Baker , 1974 ) แต่ละทรัพยากร ( เครื่อง ) มี
คุณสมบัติและการตั้งค่าของตัวเองในขณะที่แต่ละงาน ( งาน ) สามารถอธิบายโดย
การประมวลผลเวลา ทรัพยากร ความต้องการ เริ่มต้นและสิ้นสุดเวลา ทรัพยากรสามารถ
equated กับเครื่องจักรในสถานการณ์งานร้านค้าและงานที่สามารถ equated กับงาน
ตารางตัดสินใจโดยซหนึ่งหรือมากกว่าหนึ่งวัตถุประสงค์ การตัดสินใจเหล่านี้
เรียกว่า โซลูชั่นวิธีที่ง่ายที่สุดที่จะได้รับโซลูชั่นที่ดีที่สุดคือต้องประเมินทั้งหมด
โซลูชั่นและจากนั้นเลือกที่ดีที่สุด ปัญหาด้วยวิธีนี้คือว่า
จำนวนการทดสอบโซลูชั่นเติบโตชี้แจงกับขนาดของปัญหา ( ใน
ปัญหาการเพิ่มประสิทธิภาพ ) เป็นผลให้เวลาในการประมวลผลของวิธีการนี้
เพิ่มขึ้นตามขนาดของปัญหาจะทำให้มันยากที่จะแก้ปัญหาเหล่านี้
ปัญหาในเวลาที่เหมาะสม แม้ในคดีเล็กๆ และหลายแบบเมต้า วริสติค
เทคนิคได้ถูกพัฒนาขึ้นเพื่อแก้ปัญหาขนาดใหญ่ ที่แกนหลักของ
เทคนิคเหล่านี้ เพื่อลดช่องว่างการเข้าถึงโซลูชั่นโซลูชั่นที่ดีในเวลาสั้น ๆ

ปัญหาการจัดตารางหลายยากที่จะแก้ และจะเรียกว่า NP มาก
( nondeterministic พหุนามครั้ง )ไม่มีวิธีที่สามารถแก้ปัญหาเหล่านี้ใน
พหุนามเวลา ( สามารถแก้ปัญหาให้ไว้ล่วงหน้าและจำนวนจำกัดของ
ขั้นตอน ) ( ลอว์เลอร์ et al . , 1993 ) .