論文の概要: An Improved NSGA-II with local search for multi-objective energy-efficient flowshop scheduling problem

• arxiv url: http://arxiv.org/abs/2503.00588v1
• Date: Sat, 01 Mar 2025 18:56:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:19:45.147140
• Title: An Improved NSGA-II with local search for multi-objective energy-efficient flowshop scheduling problem
• Title（参考訳）: 多目的エネルギー効率フローホップスケジューリング問題に対する局所探索による改良NSGA-II
• Authors: Vigneshwar Pesaru, Venkataramanaiah Saddikuti,
• Abstract要約: 製造業におけるエネルギー消費は、効率の良いスケジュールに直接関係している。 提案されたアルゴリズムは、ベンチマーク問題でそれぞれFTとECの最小化を平均47%、平均15.44%改善した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: There has been an increasing concern to reduce the energy consumption in manufacturing and other industries. Energy consumption in manufacturing industries is directly related to efficient schedules. The contribution of this paper includes: i) a permutation flowshop scheduling problem (PFLSP) mathematical model by considering energy consumed by each machine in the system. ii) an improved non-dominated sorted genetic algorithm with Taguchi method with further incorporating local search (NSGA-II_LS) is proposed for the multi-objective PFLSP model. iii) solved 90 benchmarks problems of Taillard (1993) for the minimisation of flowtime (FT) and energy consumption (EC). The performance of the proposed NSGA_LS algorithm is evaluated on the benchmark problems selected from the published literature Li et. al, (2018). From these results, it is noted that the proposed algorithm performed better on both the objectives i.e., FT and EC minimization in 5 out of 9 cases. On FT objective our algorithm performed better in 8 out of 9 cases and on EC objective 5 out of 9 cases. Overall, the proposed algorithm achieved 47% and 15.44% average improvement in FT and EC minimization respectively on the benchmark problems. From the results of 90 benchmark problems, it is observed that average difference in FT and EC between two solutions is decreasing as the problem size increases from 5 machines to 10 machines with an exception in one case. Further, it is observed that the performance of the proposed algorithm is better as the problem size increases in both jobs and machines. These results can act as standard solutions for further research.
• Abstract（参考訳）: 製造業等におけるエネルギー消費削減への懸念が高まっている。 製造業におけるエネルギー消費は、効率の良いスケジュールに直接関係している。 本論文の貢献は以下のとおりである。 一 システム内の各機械が消費するエネルギーを考慮し、置換フローホップスケジューリング問題(PFLSP)の数学的モデル。 ii)多目的PSFSPモデルに対して,局所探索(NSGA-II_LS)をさらに取り入れた改良された非支配的ソート遺伝的アルゴリズムを提案する。 iii) フロータイム (FT) とエネルギー消費 (EC) の最小化のために, Taillard (1993) の90のベンチマーク問題を解いた。 提案するNSGA_LSアルゴリズムの性能は,論文Liなどから選択したベンチマーク問題に基づいて評価する。 と2018年)。 これらの結果から,提案アルゴリズムは,9例中5例において,FTとECの最小化の両目的に対して良好な性能を示した。 FTでは9例中8例,ECでは9例中5例で改善した。 提案されたアルゴリズムは、ベンチマーク問題に対してそれぞれFTとECの最小化を平均47%、平均15.44%改善した。 90のベンチマーク問題の結果から,問題のサイズが5台から10台に増大するにつれて,FTとECの平均差が減少していることが明らかとなった。 さらに,ジョブとマシンの両方で問題の大きさが大きくなるにつれて,提案アルゴリズムの性能が向上することが観察された。 これらの結果は、さらなる研究の標準的な解決策として機能する。

関連論文リスト

• Evaluation and Efficiency Comparison of Evolutionary Algorithms for Service Placement Optimization in Fog Architectures [1.3723120574076126]
  この研究は霧のサービス配置の問題に対する3つの進化的アルゴリズムを比較した。 NSGA-IIは、目的の最高最適化と解空間の最高多様性を得た。 WSGAアルゴリズムは、他の2つのアルゴリズムに関して何の利益も示さなかった。
  論文  参考訳（メタデータ） (2025-01-17T05:21:00Z)
• Faster WIND: Accelerating Iterative Best-of-$N$ Distillation for LLM Alignment [81.84950252537618]
  本稿では,反復的BONDと自己プレイアライメントの統一的なゲーム理論接続を明らかにする。 WINレート支配(WIN rate Dominance, WIND)という新しいフレームワークを構築し, 正規化利率支配最適化のためのアルゴリズムを多数提案する。
  論文  参考訳（メタデータ） (2024-10-28T04:47:39Z)
• Sample-efficient Bayesian Optimisation Using Known Invariances [56.34916328814857]
  バニラと制約付きBOアルゴリズムは、不変目的を最適化する際の非効率性を示す。 我々はこれらの不変カーネルの最大情報ゲインを導出する。 核融合炉用電流駆動システムの設計に本手法を用い, 高性能溶液の探索を行った。
  論文  参考訳（メタデータ） (2024-10-22T12:51:46Z)
• Evaluating the Practicality of Quantum Optimization Algorithms for Prototypical Industrial Applications [44.88678858860675]
  本稿では,量子近似最適化アルゴリズム (QAOA) と量子断熱アルゴリズム (QAA) の応用について検討する。 我々は,これらの2つのアルゴリズムの性能を,選択した評価指標を用いて,ソリューションの品質の観点から比較する。
  論文  参考訳（メタデータ） (2023-11-20T09:09:55Z)
• Efficient Joint Optimization of Layer-Adaptive Weight Pruning in Deep Neural Networks [48.089501687522954]
  ディープニューラルネットワーク(DNN)のための新しい層適応型重み決定手法を提案する。 我々のアプローチは、レイヤ適応型プルーニングスキームを設計するためのすべてのレイヤの集団的影響を考慮に入れている。 我々の実験は、ImageNetとCIFAR-10データセット上の既存の手法よりも、我々のアプローチの方が優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-21T03:22:47Z)
• Qubit efficient quantum algorithms for the vehicle routing problem on NISQ processors [48.68474702382697]
  時間窓付き車両ルーティング問題(VRPTW)は、ロジスティクス業界で直面する一般的な最適化問題である。 そこで本研究では,以前に導入した量子ビット符号化方式を用いて,バイナリ変数の数を削減した。
  論文  参考訳（メタデータ） (2023-06-14T13:44:35Z)
• Using Differential Evolution to avoid local minima in Variational Quantum Algorithms [0.0]
  変分量子アルゴリズム(VQA)は、量子コンピューティングを利用する最も有望なNISQ時代のアルゴリズムの一つである。 本研究の目的は,局所的ミニマ問題や大理石高原問題の影響を回避・低減できる代替最適化手法を検討することである。
  論文  参考訳（メタデータ） (2023-03-21T20:31:06Z)
• An Efficient Multi-Indicator and Many-Objective Optimization Algorithm based on Two-Archive [7.7415390727490445]
  本稿では,2階層型(SRA3)に基づくインジケータに基づく多目的最適化アルゴリズムを提案する。 評価指標の性能に基づいて環境選択の優れた個人を効率よく選び、追加パラメータを設定することなく親の選択に適応パラメータ戦略を利用することができる。 DTLZおよびWFG問題に関する実験により、SRA3は高い効率を維持しつつ、優れた収束性と多様性を有することが示された。
  論文  参考訳（メタデータ） (2022-01-14T13:09:50Z)
• TIGER: Topology-aware Assignment using Ising machines Application to Classical Algorithm Tasks and Quantum Circuit Gates [2.4047296366832307]
  ゲートベースの量子コンピューティングでは、トポロジー的な方法でタスクをゲートにマップすることを目的とするマッピング問題が存在する。 既存のタスクアプローチは、物理最適化アルゴリズムのいずれかに基づいており、異なるスピードとソリューション品質のトレードオフを提供する。 本稿では,Ising マシンを用いてトポロジ対応の代入問題を解くアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-09-21T19:46:59Z)
• Space-efficient binary optimization for variational computing [68.8204255655161]
  本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。 また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
  論文  参考訳（メタデータ） (2020-09-15T18:17:27Z)
• Adaptivity of Stochastic Gradient Methods for Nonconvex Optimization [71.03797261151605]
  適応性は現代最適化理論において重要であるが、研究されていない性質である。 提案アルゴリズムは,PL目標に対して既存のアルゴリズムよりも優れた性能を保ちながら,PL目標に対して最適な収束性を実現することを実証した。
  論文  参考訳（メタデータ） (2020-02-13T05:42:27Z)

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。