Reinforcement learning based solution approach for the open shop scheduling problem

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, Endüstri Mühendisliği Ana Bilim Dalı, Türkiye

Tezin Onay Tarihi: 2024

Tezin Dili: İngilizce

Öğrenci: OZAN BARAN DEMİRÇİVİ

Danışman: Gökalp Yıldız

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu tez, Açık Atölye Çizelgeleme Problemleri (AAÇP) için ilk kez Pekiştirmeli Öğrenme (PÖ) tabanlı bir çözüm önermektedir. AAÇP'yi diğer çizelgeleme problemi türlerinden ayıran ve AAÇP'yi benzersiz kılan bir özellik bulunmaktadır. Bu özellikte işler, sıralarından bağımsız olarak makinelere atanabilir. Bu özellik aynı zamanda AAÇP'nin çözülmesini de zorlaştırmaktadır. Bu nedenle birçok farklı çözüm yöntemi geliştirilmiştir. Bu tez üç algoritma içeren bir çözüm önermektedir. Bu üç algoritma; atama algoritması, ön çalışma algoritması ve son olarak PÖ algoritmasıdır. Atama algoritması işleri makinelere atarken, ön çalışma algoritması PÖ algoritması için kullanılacak parametreleri sağlar. Çözüm yaklaşımı literatürde en sık kullanılan problem türleri üzerinde test edilmiş ve diğer çalışmalarla karşılaştırılmıştır. RL tabanlı çözüm yaklaşımı, elde edilen sonuçlarla birçok çalışmanın önüne geçmeyi başarmıştır.