排程問題日趨複雜，競爭激烈的大環境下，如何有效率地管理生產排程，在短時間內求取近似最佳解，已經成為重要的議題。陳柏志(2012)所提出的礦工基因演算法(Miner Genetic Algorithm, MGA)改良基因演算法(Genetic Algorithm, GA)的不足，並在求解旅行商問題(Travelling Salesman Problem, TSP)上得到相當大的改善成果。本研究使用礦工基因演算法解算總加權完工時間最小化之單機生產排程問題，並以基因演算法做為比較基準。本研究由OR-library 排程問題的加權延後問題中選取工作數為40之問題，總共有125個不同的問題做測試。實驗結果顯示在一定時間內使用礦工基因演算法所求解出的值遠比基因演算法優良許多，收斂速度及收尋能力較為佳。

It is an urgent issue to manage production schedules with efficiency by a given time for industries in today's complicated environment and competition. Chen (2012) proposed Miner Genetic Algorithm (MGA) improved Genetic Algorithm (GA) deficiencies, making the Travelling Salesman Problem (TSP) to obtain a considerable improvement on the results. This study compares Miner Genetic Algorithm with Genetic Algorithm as criterion to determine single machine scheduling problems with a minimum total weighted complete time. There are total 125 weighted delaying problems in OR-library. Every problem consists of 40 jobs with individual weighting and processing time. The compared analysis results the Miner Genetic Algorithm is excellent in value of solving, rate of convergence and searching capability with a given duration time. Additionally, these excellences will significantly help decrease the solving generations.

參考文獻
中文文獻：
[1] 李春日(2007年)，「模糊-基因演算法於單機排程之研究」，國立台灣科技大學工業管理系碩士學位論文。
[2] 李佩玲(2006年)，「以混合基因與粒子群演算法求解旅行銷售員問題」，中原大學資訊管理學系碩士論文。
[3] 林秋萍(2008年)，「不同啟發式演算法應用於考量整備時間之單機排程問題之比較」，國立成功大學工業與資訊管理碩士在職專班碩士論文。
[4] 林昇甫、徐永吉(2009年)，遺傳演算法及其應用，第1-5頁，台北，五南圖書出版公司。
[5] 林家富、劉宏毅、蔡金橤、郭東義(2010年)，「含菁英政策之基因演算法於模式最佳化近似的應用」，工程科技與教育學刊 第7卷，第3期，第437- 444頁。
[6] 林仲璋、陳柏志、張旭翔、葉瑞徽(2012年)，「利用礦工基因演算法解算旅行商問題」，中國工業工程學會2012年會暨學術研討會論文。
[7] 施智懷(2004年)，具動態權重之混合基因演算法求解順序相依整備時間下單機排程問題之研究」，華梵大學資訊管理研究所碩士論文。
[8] 陳建良(1995年)，排程概述，機械工業雜誌，第53卷，第122-137頁。
[9] 陳柏志(2012年)，「以礦工基因演算法求解旅行商問題」，國立臺灣科技大學工業管理系碩士學位論文。
[10] 曾郁展(2005年)，「DSP-Based之即時人臉辨識系統」，國立中 山大學電機系碩士論文。
[11] 楊智偉(2011年)，「基因演算法於單機排程之改良」，國立中山大學應用數學系研究所碩士論文。
[12] 趙文涼(2001年)，「基因演算法於單機交期絕對偏差及整備成本最小化排程問題之應用」，元智大學工業工程研究所碩士論文。
[13] 劉明芳(2008年)，「基因演算法於單機排程具有學習效果雙準則之應用」，逢甲大學統計與菁算所碩士論文。
[14] 賴郁玲(2005年)，「以基因演算法求解最少延遲工作數下總延遲時間最小化之單機排程問題」，南台科技大學工業管理研究所碩士論文。

英文文獻:
[15] V. A. Armentano and R. Mazzini, "A genetic algorithm for scheduling on a single machine with set-up times and due dates." Production Planning and Control, Vol. 11, no. 7, pp. 713-720, 2000.
[16] J. H. Holland, Adaptation in Natural and Artificial System, Ann Arbor: The University of Michigan Press, 1975.
[17] M. Kuroda and Z. Wang, "Fuzzy job shop scheduling." International Journal of Production Economics, Vol. 44, no. 1-2, pp. 45-51, 1996.
[18] S. Li, "A hybrid two-stage flowshop with part family, batch production, major and minor set-ups." European Journal of Operational Research, Vol. 102, no. 1, pp. 142-156, 1997.
[19] J. Liu and L. Tang, "A modified genetic algorithm for single machine scheduling." Computers and Industrial Engineering, Vol. 37, no. 1-2, pp. 43-46, 1999.
[20] S. Melouk, P. Damodaran, and P. Chang, "Minimizing makespan for single machine batch processing with non-Identical job sizes using simulated annealing." International Journal of Production Economics, Vol. 87, no. 2, pp. 141-147, 2004.
[21] J. M. Moore, "An n-job, one machine sequencing algorithm for minimizing the number of late jobs." Management Science, Vol. 15, no. 1, pp. 102-109, 1968.
[22] M. R. Noraini and J. Geraghty, "Genetic algorithm performance with different selection strategies in solving TSP." Proceedings of the World Congress On Engineering, Vol. 2, 2011.
[23] C.N Potts and L.N V. Wassenhove, "A decomposition algorithm for the single machine total tardiness problem." Operation Research Letters, Vol. 1, no. 5, pp. 177–181, 1982.
[24] M. Sevaux and S. Dauzere-Peres, "Genetic algorithms to minimize the weighted number of late jobs on a single machine." European Journal of Operational Research, Vol. 151, no. 2, pp.296-306, 2003.

參考網站:
[25] http://people.brunel.ac.uk/~mastjjb/jeb/orlib/wtinfo.html