論文の概要: Metaheuristics for the Online Printing Shop Scheduling Problem
- arxiv url: http://arxiv.org/abs/2006.12344v2
- Date: Sun, 20 Feb 2022 10:34:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-18 06:14:10.671655
- Title: Metaheuristics for the Online Printing Shop Scheduling Problem
- Title（参考訳）: オンライン印刷ショップスケジューリング問題のメタヒューリスティックス
- Authors: Willian T. Lunardi, Ernesto G. Birgin, D\'ebora P. Ronconi, Holger
Voos
- Abstract要約: この実際のスケジューリング問題は、現代の印刷業界で現れたもので、シークエンシングの柔軟性を備えたフレキシブルなジョブショップスケジューリング問題に対応している。
この問題に対する局所探索戦略とメタヒューリスティックアプローチを提案し,評価した。
フレキシブルなジョブショップスケジューリング問題における古典的事例を用いた数値実験により,本事例に適用した場合,導入手法も競争力を持つことが示された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this work, the online printing shop scheduling problem introduced in
(Lunardi et al., Mixed Integer Linear Programming and Constraint Programming
Models for the Online Printing Shop Scheduling Problem, Computers & Operations
Research, to appear) is considered. This challenging real scheduling problem,
that emerged in the nowadays printing industry, corresponds to a flexible job
shop scheduling problem with sequencing flexibility; and it presents several
complicating specificities such as resumable operations, periods of
unavailability of the machines, sequence-dependent setup times, partial
overlapping between operations with precedence constraints, and fixed
operations, among others. A local search strategy and metaheuristic approaches
for the problem are proposed and evaluated. Based on a common representation
scheme, trajectory and populational metaheuristics are considered. Extensive
numerical experiments with large-sized instances show that the proposed methods
are suitable for solving practical instances of the problem; and that they
outperform a half-heuristic-half-exact off-the-shelf solver by a large extent.
Numerical experiments with classical instances of the flexible job shop
scheduling problem show that the introduced methods are also competitive when
applied to this particular case.
- Abstract（参考訳）: 本研究は、オンライン印刷店スケジューリング問題(lunardi et al., mixed integer linear programming and constraints programming models for the online printing shop scheduling problem, computers & operations research, to appear)におけるオンライン印刷店スケジューリング問題を考える。
近年の印刷業界で発生したこの挑戦的な実際のスケジューリング問題は、シークエンシングの柔軟性を備えた柔軟なジョブショップスケジューリング問題に対応しており、再利用可能な操作、マシンの不利用期間、シーケンス依存のセットアップ時間、優先制約のある操作間の部分的な重複、固定操作など、いくつかの複雑な特異性を示す。
この問題に対する局所探索戦略とメタヒューリスティックアプローチを提案し,評価した。
共通の表現スキームに基づいて、軌道と集団的メタヒューリスティックが考慮される。
大規模インスタンスを用いた大規模な数値実験により,提案手法は問題の実用事例を解くのに適しており,半ヒューリスティック半エクサクサオフザシェルフ解法よりも大幅に優れていることが示された。
フレキシブルなジョブショップスケジューリング問題の古典的な例を用いた数値実験により,本事例に適用した場合,導入手法も競争的であることが示された。
関連論文リスト
- Comprehensive Benchmarking Environment for Worker Flexibility in Flexible Job Shop Scheduling Problems [0.0]
生産スケジューリングにおいて、フレキシブルジョブショップスケジューリング問題(FJSSP)は、一連の操作を最適化し、それぞれの処理時間を異なるマシンに割り当てることを目的としている。
結果として生じる問題はFlexible Job Shop Scheduling Problem with Worker Flexibility (FJSSP-W)と呼ばれる。
本稿では、一般に受け入れられているFJSSPインスタンス402のコレクションを示し、労働者の柔軟性で拡張するアプローチを提案する。
論文 参考訳（メタデータ） (2025-01-27T15:56:12Z) - Flexible Job Shop Scheduling via Dual Attention Network Based
Reinforcement Learning [73.19312285906891]
フレキシブルなジョブショップスケジューリング問題(FJSP)では、複数のマシンで操作を処理でき、操作とマシンの間の複雑な関係が生じる。
近年, 深層強化学習(DRL)を用いて, FJSP解決のための優先派遣規則(PDR)を学習している。
本稿では,Deep機能抽出のための自己注意モデルと,スケーラブルな意思決定のためのDRLの利点を生かした,エンドツーエンド学習フレームワークを提案する。
論文 参考訳（メタデータ） (2023-05-09T01:35:48Z) - A Hierarchical Temporal Planning-Based Approach for Dynamic Hoist
Scheduling Problems [11.66506213335498]
ホイストスケジューリングは、自律デバイスの開発で産業応用の電気めっきのボトルネックとなっている。
適応型PDDLの形で新しい時間計画問題としてホイストスケジューリング問題を定式化する。
この問題に対するソリューションメソッドの評価に使用できる実生活ベンチマークインスタンスのコレクションを提供する。
論文 参考訳（メタデータ） (2022-12-11T05:30:44Z) - Solving workflow scheduling problems with QUBO modeling [0.0]
スケジューリング問題を表す新しいQUBOを開発し、入力問題に対する複雑性にQUBOがどのように依存するかを示す。
我々は、この複雑さを軽減するために、この特定の応用の分解法を導出し、提示する。
論文 参考訳（メタデータ） (2022-05-10T12:38:17Z) - A heuristic method for data allocation and task scheduling on
heterogeneous multiprocessor systems under memory constraints [14.681986126866452]
本稿では,メモリ制約下でのデータ割り当てとタスクスケジューリングの問題に焦点をあてる。
本稿では,いくつかの特徴を組み合わせたタブ探索アルゴリズムを提案する。
実験により,提案アルゴリズムは比較的高品質な解を妥当な計算時間で得られることを示した。
論文 参考訳（メタデータ） (2022-05-09T10:46:08Z) - Concepts and Algorithms for Agent-based Decentralized and Integrated
Scheduling of Production and Auxiliary Processes [78.120734120667]
本稿ではエージェントベースの分散型統合スケジューリング手法について述べる。
要求の一部は、線形にスケールする通信アーキテクチャを開発することである。
このアプローチは、工業的要件に基づいた例を使って説明されます。
論文 参考訳（メタデータ） (2022-05-06T18:44:29Z) - Non-Clairvoyant Scheduling with Predictions Revisited [77.86290991564829]
非論理的スケジューリングでは、優先度不明な処理条件でジョブをスケジューリングするためのオンライン戦略を見つけることが課題である。
我々はこのよく研究された問題を、アルゴリズム設計に(信頼できない)予測を統合する、最近人気の高い学習強化された設定で再検討する。
これらの予測には所望の特性があり, 高い性能保証を有するアルゴリズムと同様に, 自然な誤差測定が可能であることを示す。
論文 参考訳（メタデータ） (2022-02-21T13:18:11Z) - A Two-stage Framework and Reinforcement Learning-based Optimization
Algorithms for Complex Scheduling Problems [54.61091936472494]
本稿では、強化学習(RL)と従来の運用研究(OR)アルゴリズムを組み合わせた2段階のフレームワークを開発する。
スケジューリング問題は,有限マルコフ決定過程 (MDP) と混合整数計画過程 (mixed-integer programming process) の2段階で解決される。
その結果,本アルゴリズムは,アジャイルな地球観測衛星スケジューリング問題に対して,安定かつ効率的に十分なスケジューリング計画を得ることができた。
論文 参考訳（メタデータ） (2021-03-10T03:16:12Z) - Learning to solve the single machine scheduling problem with release
times and sum of completion times [0.76146285961466]
我々は,機械学習の分野とスケジューリング理論の手法を組み込んだ新しいアルゴリズムによる,ハードシングルマシンスケジューリング問題の解に着目する。
これらは、ハード問題のインスタンスを最適性に解決された単純なインスタンスに変換します。
論文 参考訳（メタデータ） (2021-01-04T16:40:18Z) - Combining Deep Learning and Optimization for Security-Constrained
Optimal Power Flow [94.24763814458686]
セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。
SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。
本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
論文 参考訳（メタデータ） (2020-07-14T12:38:21Z) - Dynamic Multi-Robot Task Allocation under Uncertainty and Temporal
Constraints [52.58352707495122]
本稿では,不確実性およびマルチエージェント協調の下での逐次意思決定における重要な計算課題を分離するマルチロボット割当アルゴリズムを提案する。
都市におけるマルチアームコンベヤベルトピック・アンド・プレイスとマルチドローン配送ディスパッチの2つの異なる領域における広範囲なシミュレーション結果について検証を行った。
論文 参考訳（メタデータ） (2020-05-27T01:10:41Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。