基于 GPU 的并行遗传算法求解节能动态柔性流水车间调度问题
分布式、并行与集群计算
2019-03-27 v1
摘要
由于新的政府法规、客户的环境关切以及能源成本的持续上升，近年来能源效率正成为工业制造过程的一项基本参数。大多数在调度问题中考虑能源方面的工作都聚焦于静态调度。但事实上，调度问题在真实世界中具有动态性，执行时刻后会有不确定的新到达工件。本文提出一种考虑新到达工件、以峰值功率值为指标的动态节能柔性流水车间调度模型。由于该问题系强 NP-hard，我们开发了基于优先级的混合并行遗传算法，结合预测式主动完全重调度方法。为在动态环境中实现加速以满足短响应需求，所提方法被设计为与 NVIDIA CUDA 软件模型高度一致。最后通过数值实验表明，我们的方法不仅能取得优于传统静态方法的性能，还能通过大幅降低时间需求获得具竞争力的结果。
引用
@article{arxiv.1903.10741,
title = {GPU based parallel genetic algorithm for solving an energy efficient dynamic flexible flow shop scheduling problem},
author = {Jia Luo and Shigeru Fujimura and Didier El Baz},
journal= {arXiv preprint arXiv:1903.10741},
year = {2019}
}
备注
Journal of Parallel and Distributed Computing, Elsevier, 2018