盖尔斯:基于遗传算法和代本地搜索的有效多对象工作室调度器
Xiaorui Shao1, Fuladi Shubhendu Kshitij2, Chang Soo Kim3
1Industrial Science Technology Research Center, Pukyong National University, Busan, 608737, Korea.
Scientific reports
|January 24, 2024
概括
本研究介绍了GAILS,这是一种结合遗传算法 (GA) 和代本地搜索 (ILS) 的新方法,用于解决复杂的工作车间调度问题 (JSSP) 和灵活的工作车间调度问题 (FJSSP). GAILS有效地优化了生产指标,如产量和资源利用率.
科学领域:
- 运营研究 运营研究
- 工业工程 工业工程 工业工程
- 人工智能的人工智能
背景情况:
- 工作室调度问题 (JSSP) 对智能工厂至关重要,但仍然很复杂.
- 灵活的JSSP (FJSSP) 在现实世界的场景中比经典的JSSP更为普遍.
- 现有的方法往往专注于经典的JSSP,忽视了FJSSP的细微差别.
研究的目的:
- 提出一种有效的混合方法,GAILS,用于解决JSSP和FJSSP.
- 提高资源管理,生产效率和智能供应链运营.
- 通过专注于更现实的FJSSP来解决目前研究的局限性.
主要方法:
- 一种混合方法,将基因算法 (GA) 集成为全球解决方案和代本地搜索 (ILS) 进行本地优化.
- 将JSSP/FJSSP实例编码为GA的机器和子任务序列.
- 使用多目标优化 (制造周期,利用率,最大负载) 来指导ILS.
主要成果:
- 盖尔斯展示了强大的搜索能力,平衡全球勘探和当地开采.
- 对66个公共实例的比较分析表明GAILS对JSSP和FJSSP的有效性.
- 该方法在大多数测试实例中实现了最佳类型的解决方案,并超过了最先进的方法.
结论:
- 盖尔斯是一种非常有效的方法来解决复杂的JSSP和FJSSP.
- 拟议的方法显著改善了关键绩效指标,如制造商和资源利用率.
- 盖尔斯为增强智能工厂运营和供应链管理提供了强大的解决方案.
