1.3.4　存在問題

綜上所述,隨著數據分析和數據挖掘技術的發展,基于數據的方法已經在調度問題的建模和優化上有了廣泛應用,能夠較好地克服傳統調度建模和優化方法在求解復雜生產過程調度問題時所存在的不足。但總體上,基于數據的調度方法的研究目前還處于初步階段,理論和應用成果存在以下局限。

① 現有基于數據的調度研究側重于將數據分析方法和特定的調度建模和優化方法相結合(例如通過參數預測的方法改進啟發式調度規則,利用數據挖掘的方法構造自適應調度決策模型),缺乏總體上基于數據調度問題的解決方案。

② 在現有基于數據的調度研究中,對調度相關數據的預處理主要集中于數據聚類和特征選擇,對缺失值填補、相關性分析、常值檢測等數據預處理方法的關注度不足;此外,對常用算法存在的缺陷(如K均值聚類對初始聚類中心敏感)缺乏相應改進,以上問題在一定程度上限制了數據分析方法在實際生產系統上的應用。

③ 很多情況下,需要通過大量的離線仿真和優化生成學習樣本數據。因此對于大規模復雜制造系統而言,獲取學習樣本數據比較困難,而表征復雜制造系統調度環境的變量較多,從這樣的高維小樣本學習數據中構造出具有較高泛化能力的學習器有一定困難。