論文の概要: Refined Iterated Pareto Greedy for Energy-aware Hybrid Flowshop Scheduling with Blocking Constraints
- arxiv url: http://arxiv.org/abs/2510.03377v1
- Date: Fri, 03 Oct 2025 13:52:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-07 16:52:58.947363
- Title: Refined Iterated Pareto Greedy for Energy-aware Hybrid Flowshop Scheduling with Blocking Constraints
- Title（参考訳）: ブロッキング制約を考慮したエネルギーを考慮したハイブリッドフローショップスケジューリングのための繰り返しパレートグリーディ
- Authors: Ahmed Missaoui, Cemalettin Ozturk, Barry O'Sullivan,
- Abstract要約: 製造業セクターは、エネルギーの最大の消費国の一つとして、この課題から除外されていない。
エネルギー効率の高いスケジューリングは、製造会社を惹きつけ、迅速な展開が可能で、すぐに影響を示すことができるため、消費を減らす方法である。
- 参考スコア（独自算出の注目度）: 2.1165011830664673
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The scarcity of non-renewable energy sources, geopolitical problems in its supply, increasing prices, and the impact of climate change, force the global economy to develop more energy-efficient solutions for their operations. The Manufacturing sector is not excluded from this challenge as one of the largest consumers of energy. Energy-efficient scheduling is a method that attracts manufacturing companies to reduce their consumption as it can be quickly deployed and can show impact immediately. In this study, the hybrid flow shop scheduling problem with blocking constraint (BHFS) is investigated in which we seek to minimize the latest completion time (i.e. makespan) and overall energy consumption, a typical manufacturing setting across many industries from automotive to pharmaceutical. Energy consumption and the latest completion time of customer orders are usually conflicting objectives. Therefore, we first formulate the problem as a novel multi-objective mixed integer programming (MIP) model and propose an augmented epsilon-constraint method for finding the Pareto-optimal solutions. Also, an effective multi-objective metaheuristic algorithm. Refined Iterated Pareto Greedy (RIPG), is developed to solve large instances in reasonable time. Our proposed methods are benchmarked using small, medium, and large-size instances to evaluate their efficiency. Two well-known algorithms are adopted for comparing our novel approaches. The computational results show the effectiveness of our method.
- Abstract（参考訳）: 再生不可能なエネルギー源の不足、供給の地政学的問題、価格の上昇、気候変動の影響により、世界経済はよりエネルギー効率の良いソリューションを運用のために開発せざるを得ない。
製造業セクターは、エネルギーの最大の消費国の一つとして、この課題から除外されていない。
エネルギー効率の高いスケジューリングは、製造会社を惹きつけ、迅速な展開が可能で、すぐに影響を示すことができるため、消費を減らす方法である。
本研究では, ブロッキング制約 (BHFS) を伴うハイブリッドフローショップスケジューリング問題について, 自動車から医薬品に至るまで, 多くの産業において典型的な製造環境である, 最新の完成時間 (メースパン) と総エネルギー消費を最小化するために検討した。
エネルギー消費と顧客注文の最新完了時間は、通常、目的と矛盾している。
そこで我々はまず,新しい多目的混合整数プログラミング(MIP)モデルとして問題を定式化し,パレート最適解を求めるための拡張エプシロン制約法を提案する。
また、効果的な多目的メタヒューリスティックアルゴリズムである。
Refined Iterated Pareto Greedy (RIPG) は、大規模インスタンスを適切な時間で解決するために開発された。
提案手法は,小型,中型,大型のインスタンスを用いてベンチマークを行い,その効率性を評価する。
我々の新しいアプローチを比較するために、よく知られた2つのアルゴリズムが採用されている。
計算結果から,本手法の有効性が示された。
関連論文リスト
- Green Economic Load Dispatch: A Review and Implementation [0.0]
発電機の経済派遣は火力発電所にとって大きな関心事である。
生物の進化と社会行動に基づく現代の人工知能(AI)技術は、そのような問題を解決するために用いられている。
論文 参考訳（メタデータ） (2025-05-31T20:59:59Z) - Comparative Analysis of Evolutionary Algorithms for Energy-Aware Production Scheduling [0.0]
NSGA-III,HypE,および$theta$-DEAをエネルギーを考慮したスケジューリングのためのメメティックメタヒューリスティックとして適用する。
これらの適応されたメタヒューリスティックスは、環境選択に対して異なるアプローチを示す。
論文 参考訳（メタデータ） (2025-04-22T07:54:05Z) - Surpassing legacy approaches to PWR core reload optimization with single-objective Reinforcement learning [0.0]
単目的および多目的の最適化のための深層強化学習(DRL)に基づく手法を開発した。
本稿では、PPO(Proximal Policy Optimization)を用いて、RLに基づくアプローチの利点を実証する。
PPOは学習可能なウェイトを持つポリシーで検索機能を適応し、グローバル検索とローカル検索の両方として機能する。
論文 参考訳（メタデータ） (2024-02-16T19:35:58Z) - A Safe Genetic Algorithm Approach for Energy Efficient Federated
Learning in Wireless Communication Networks [53.561797148529664]
フェデレートラーニング(FL)は、従来の集中型アプローチとは対照的に、デバイスが協調的にモデルトレーニングを行う分散技術として登場した。
FLの既存の取り組みにもかかわらず、その環境影響は、無線ネットワークへの適用性に関するいくつかの重要な課題が特定されているため、まだ調査中である。
現在の研究は遺伝的アルゴリズム(GA)アプローチを提案しており、FLプロセス全体のエネルギー消費と不要な資源利用の両方を最小化することを目標としている。
論文 参考訳（メタデータ） (2023-06-25T13:10:38Z) - Sustainable AIGC Workload Scheduling of Geo-Distributed Data Centers: A
Multi-Agent Reinforcement Learning Approach [48.18355658448509]
生成的人工知能の最近の進歩は、機械学習トレーニングの需要が急増し、エネルギー消費の大幅な増加によるコスト負担と環境問題を引き起こしている。
地理的に分散したクラウドデータセンタ間でのトレーニングジョブのスケジューリングは、安価で低炭素エネルギーのコンピューティング能力の使用を最適化する機会を浮き彫りにする。
本研究では,実生活におけるワークロードパターン,エネルギー価格,炭素強度を組み込んだクラウドシステムと対話することで,マルチエージェント強化学習とアクタクリティカルな手法に基づく最適協調スケジューリング戦略の学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-04-17T02:12:30Z) - A Reinforcement Learning Approach for Scheduling Problems With Improved
Generalization Through Order Swapping [0.0]
JSSP は NP-hard COP のカテゴリに分類される。
近年,COPの解法にDRLを用いる研究が注目され,解の質や計算効率の面で有望な結果が示されている。
特に、制約されたジョブのディスパッチにおいてよく機能すると考えられるポリシ・グラディエントパラダイムを採用するPPOアルゴリズムを採用する。
論文 参考訳（メタデータ） (2023-02-27T16:45:04Z) - Predict+Optimize Problem in Renewable Energy Scheduling [31.032838966665828]
本稿では IEEE-CIS Technical Challenge on Predict+ for Renewable Energy Scheduling のソリューションをベンチマークする。
光GBMアンサンブルを用いた最適化手法は、少なくとも2%のエネルギーコスト削減を実現した。
この研究の新規性は、現実の再生可能エネルギースケジューリング問題に適用される予測+方法論の包括的評価にある。
論文 参考訳（メタデータ） (2022-12-21T02:34:12Z) - Data-Driven Chance Constrained AC-OPF using Hybrid Sparse Gaussian
Processes [57.70237375696411]
入力不確実性を伴う潮流方程式をモデル化するために,スパースプロセスとハイブリッドガウスプロセス(GP)フレームワークを用いた高速データ駆動構成を提案する。
提案手法の有効性は,複数のIEEEテストケースに対して,最大2倍の高速かつ高精度な解を示す数値的な研究によって主張する。
論文 参考訳（メタデータ） (2022-08-30T09:27:59Z) - 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) - Risk-Aware Energy Scheduling for Edge Computing with Microgrid: A
Multi-Agent Deep Reinforcement Learning Approach [82.6692222294594]
マイクログリッドを用いたMECネットワークにおけるリスク対応エネルギースケジューリング問題について検討する。
ニューラルネットワークを用いたマルチエージェントディープ強化学習(MADRL)に基づくアドバンテージアクター・クリティック(A3C)アルゴリズムを適用し,その解を導出する。
論文 参考訳（メタデータ） (2020-02-21T02:14:38Z)
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。