A Genetic Algorithm to Minimize the Total Tardiness for M-Machine Permutation Flowshop Problems
Ładowanie...
Data
2012
Tytuł czasopisma
ISSN czasopisma
Tytuł tomu
Wydawca
Nowy Sacz School of Business – National-Louis University
Abstrakt
The m-machine, n-job, permutation flowshop problem with the total tardiness objective
is a common scheduling problem, known to be NP-hard. Branch and bound, the usual
approach to finding an optimal solution, experiences difficulty when n exceeds 20.
Here, we develop a genetic algorithm, GA, which can handle problems with larger n.
We also undertake a numerical study comparing GA with an optimal branch and bound
algorithm, and various heuristic algorithms including the well known NEH algorithm and
a local search heuristic LH. Extensive computational experiments indicate that LH is an
effective heuristic and GA can produce noticeable improvements over LH.
Permutacyjny problem przepływowy (ang. permutation flowshop problem) z m maszynami i n zadaniami oraz minimalizacją sumy opóźnień jest znanym zagadnieniem z zakresu szeregowania zadań. Zagadnienie to należy do kategorii NP-trudnych problemów optymalizacji kombinatorycznej. Metoda podziału i ograniczeń (ang. branch and bound), popularne podejście do rozwiązania problemu, doświadcza trudności (biorąc pod uwagę czas potrzebny dla znalezienia rozwiązania optymalnego) gdy n przekracza 20. W niniejszej pracy, proponujemy algorytm genetyczny GA dla rozwiązywania zagadnienia dla dużych wartości n. Przytaczamy wyniki obszernego studium obliczeniowego, które porównuje fukcjonowanie algorytmu GA z metodą podziału i ograniczeń oraz metodami heurystycznymi - znanym algorytmem NEH i heurystyką lokalnego przeszukiwania LH. Rezultaty obliczeniowe wskazują, że metoda LH jest wydajnym algorytmem heurystycznym i że metoda GA oferuje możliwość poprawy wyników w porównaniu z algorytmem LH.
Permutacyjny problem przepływowy (ang. permutation flowshop problem) z m maszynami i n zadaniami oraz minimalizacją sumy opóźnień jest znanym zagadnieniem z zakresu szeregowania zadań. Zagadnienie to należy do kategorii NP-trudnych problemów optymalizacji kombinatorycznej. Metoda podziału i ograniczeń (ang. branch and bound), popularne podejście do rozwiązania problemu, doświadcza trudności (biorąc pod uwagę czas potrzebny dla znalezienia rozwiązania optymalnego) gdy n przekracza 20. W niniejszej pracy, proponujemy algorytm genetyczny GA dla rozwiązywania zagadnienia dla dużych wartości n. Przytaczamy wyniki obszernego studium obliczeniowego, które porównuje fukcjonowanie algorytmu GA z metodą podziału i ograniczeń oraz metodami heurystycznymi - znanym algorytmem NEH i heurystyką lokalnego przeszukiwania LH. Rezultaty obliczeniowe wskazują, że metoda LH jest wydajnym algorytmem heurystycznym i że metoda GA oferuje możliwość poprawy wyników w porównaniu z algorytmem LH.
Opis
Słowa kluczowe
genetic algorithm, scheduling, permutation flowshop, tardiness, algorytm genetyczny, planowanie, permutacja, opóźnienia
Cytowanie
Chung, Ch., Flynn, J., Walter, R., Staliński, P., A Genetic Algorithm to Minimize the Total Tardiness for M-Machine Permutation Flowshop Problems. Journal of Entrepreneurship, Management and Innovation (JEMI), 2012, vol. 8, nr 2 : Contemporary Management Concepts. Ed. by P. Staliński, s. 26-43