针对具有排序灵活性与基于位置学习效应的柔性作业车间调度问题的局部搜索与轨迹元启发式方法
最优化与控制
2024-03-26 v1
摘要
本文考虑具有排序灵活性与基于位置学习效应的柔性作业车间调度问题。在 [K. A. G. Araujo, E. G. Birgin, and D. P. Ronconi, Technical Report MCDO02022024, 2024] 中，针对同一问题引入了模型、构造启发式方法与基准实例。在本工作中，我们致力于开发有效且高效的求解方法。为此，我们考虑了一种局部搜索方法与四种轨迹元启发式方法。在局部搜索中，我们证明了仅重新分配关键路径上操作的经典策略可能会错过更优质量的邻居，这与无学习效应的情形相反。因此，我们分析了一种替代的邻域约减类型，仅消除不优于当前解的邻居。此外，我们还提出了一种邻域裁剪，并经实验验证其显著减小了邻域规模，在有效性损失极小的情况下提升了效率。我们对局部搜索与元启发式方法进行了广泛的数值实验。实验表明，基于约减邻域构建的禁忌搜索在应用于大规模实例时，相较于其他三种元启发式方法（即迭代局部搜索、贪婪随机自适应搜索过程与模拟退火）表现突出。在无排序灵活性的经典实例上的实验表明，所引入的方法相较于文献中的方法同样表现突出。所有引入的方法以及所发现的实例与解均免费提供。总体而言，我们构建了一个可用于未来工作的测试套件。
引用
@article{arxiv.2403.16787,
title = {Local search and trajectory metaheuristics for the flexible job shop scheduling problem with sequencing flexibility and position-based learning effect},
author = {Kennedy A. G. Araújo and Ernesto G. Birgin and Débora P. Ronconi},
journal= {arXiv preprint arXiv:2403.16787},
year = {2024}
}