达南杰·蒂鲁瓦迪;安德烈亚斯·恩斯特（Andreas T.Ernst）。;高拉夫·辛格 资源受限作业调度的并行蚁群优化。 （英语） Zbl 1350.90013号 安·Oper。物件。 242，第2期，355-372（2016）. 摘要：在矿业供应链中，出现了大规模的组合优化问题。这些是NP-hard，通常需要大量计算资源来解决它们。特别是，随着问题规模的增加，运行时开销可能变得越来越难以承受。并行方法提供了一种通过在独立或共享存储器体系结构中使用几个处理器来管理这种运行时问题的方法。然而，如何使串行优化算法在并行环境中发挥最佳性能尚不清楚。在这里，我们考虑了一个资源受限的调度问题，该问题源于采矿供应链，提出了两种流行的元神经算法，蚁群优化（ACO）和模拟退火，并研究了如何在由多个核组成的共享内存体系结构上最好地并行化这些方法。ACO的解决方案构建框架本质上是并行的，允许相对简单的并行实现。然而，为了获得最佳性能，ACO需要一个局部搜索元素。这显著地使并行化复杂化。考虑了几种具有局部搜索元素的并行ACO方案，并对其进行了实证评估。我们发现带局部搜索的ACO是最有效的单线程算法。最好的并行实现可以在显著减少运行时间的情况下获得与串行方法类似的质量结果。 引用于4文件 MSC公司： 90B06型 运输、物流和供应链管理 90C27型 组合优化 90C59 数学规划中的近似方法和启发式 关键词：蚁群优化;资源受限作业调度;并行蚁群优化;模拟退火 PDF格式BibTeX公司 XML格式引用 \textit{D.Thiruvady}等人，《Ann.Oper》。第242号决议第2、355--372号（2016年；Zbl 1350.90013） 全文： 内政部 参考文献： [1] 艺术，EHL；Korst，JHM；拉霍温，PJM；Lenstra，JK（编辑），模拟退火，91-120（1997），组合优化中的局部搜索·Zbl 0905.90140号 [2] Ballestin，F.和Trautmann，N.（2008年）。一种迭代局部搜索启发式算法，用于求解资源约束的加权提前度项目调度问题。《国际生产研究杂志》，466231-6249·Zbl 1154.90353号 ·doi:10.1080/00207540701420560 [3] Bertsimas，D.和Tsitsiklis，J.（1993年）。模拟退火。统计科学，8，10-15·doi:10.1214/ss/1177011077 [4] Blum，C.和Roli，A.（2003年）。组合优化中的元启发式：概述和概念比较。ACM计算调查，35，268-308·doi:10.1145/93753.937505 [5] Brucker，P.、Drexl，A.、Mohring，R.、Neumann，K.和Pesch，E.（1999）。资源约束的项目调度：符号、分类、模型和方法。《欧洲运筹学杂志》，112，3-41·Zbl 0937.90030号 ·doi:10.1016/S0377-2217（98）00204-5 [6] Chang，Y.L.、Chen，K.S.、Huang，B.、Chang，W.Y.、Benediktsson，J.和Chang，L.（2011）。一种用于高维遥感图像波段选择的并行模拟退火方法。IEEE应用地球观测和遥感专题期刊，4（3），579-590·doi:10.1109/JSTARS.2011.2160048 [7] 捷克语、ZJ.、。，Czarnas，P.（2002）。带时间窗车辆路径问题的并行模拟退火算法。关于并行、分布式和基于网络的处理的第十届欧洲微观研讨会，第376-383页。 [8] Dagum，L.和Menon，R.（1998年）。OpenMP：用于共享内存编程的行业标准API。计算科学工程，IEEE，5（1），46-55·数字对象标识代码：10.1109/99.660313 [9] Delisle，P.、Krajecki，M.、Gravel，M.和Gagné，C.（2001）。用OpenMP并行实现蚁群优化元启发式算法。在并行体系结构和编译技术国际会议上，第三届OpenMP欧洲研讨会（EWOMP’01）的会议记录·Zbl 1225.90162号 [10] Dorigo，M.（1992年）。优化、学习和自然算法。博士论文，博士。Elettronica公司·Zbl 1168.90660号 [11] Dorigo，M.和Gambardela，L.M.（1997）。蚁群系统：解决旅行推销员问题的合作学习方法。IEEE进化计算汇刊，153-66·doi:10.1109/4235.585892 [12] Dorigo，M.和Stützle，T.（2004年）。蚁群优化。马萨诸塞州剑桥：麻省理工学院出版社·邮编1092.90066 [13] Ellab，I.、Calamai，P.和Basir，O.（2007年）。多蚁群系统的交换策略。信息科学，177（5），1248-1264·doi:10.1016/j.ins.2006.09.016 [14] 安永会计师事务所（Ernst，AT）、辛格（Singh，G）（2012年）。资源受限机器调度问题的拉格朗日粒子群优化。2012年IEEE进化计算大会（CEC），第1-8页·Zbl 1154.90353号 [15] Kirkpatrick，S.、Gelett，C.和Vecchi，M.（1983年）。通过模拟退火进行优化。科学，220221-230·Zbl 1225.90162号 ·doi:10.1126/science.220.4598.671 [16] Ling，C.、Hai Ying，S.、Shu，W.（2012年）。大规模并行处理器上的并行蚁群算法及其对旅行商问题的收敛性分析。信息科学，199:31-42。doi:10.1016/j.ins.2012.02.055，WOS:000304221600003·Zbl 1248.90076号 [17] Onbašolu，E.和zdamar，L.（2001）。全局优化中的并行模拟退火算法。《全局优化杂志》，19，27-50·Zbl 1168.90660号 ·doi:10.1023/A:1008350810199 [18] Ram，J.D.、Sreenivas，T.H.和Subramaniam，G.K.（1996）。并行模拟退火算法。并行分布式计算杂志，37（2），207-212·doi:10.1006/jpdc.1996.0121 [19] Randall，M.和Lewis，A.（2002年）。蚁群优化的并行实现。并行与分布式计算杂志，62（9），1421-1432·Zbl 1063.68095号 ·doi:10.1006/jpdc.2002.1854 [20] Singh，G.和Ernst，A.T.（2011年）。部分共享资源的资源约束调度。《运营研究快报》，39（5），363-368·Zbl 1235.90067号 [21] Singh，G.、Weikilcher，R.（2008）。部分共享资源的协作资源约束调度。在2008年IEEE/WIC/ACM关于网络智能和智能代理技术的国际会议上，IEEE，第2卷，第359-365页。 [22] Singh，G.和Weikilcher，R.（2011年）。一种用于分散分数共享资源约束调度的多智能体系统。网络智能和代理系统，9（2），99-108。 [23] Stützle，T.、López Ibáñez，M.和Dorigo，M.（2010年）。简要概述蚁群优化的应用。伦敦：威利。 [24] Thiruvady，D.、Singh，G.、Ernst，A.T.和Meyer，B.（2012年）。共享资源受限调度问题的基于约束的蚁群算法。国际生产经济学杂志，141230-242·doi:10.1016/j.ijpe.2012.06.012 [25] Valls，V.、Quintanilla，S.和Ballestin，F.（2003）。资源约束的项目调度：一种关键活动重新排序启发式方法。《欧洲运筹学杂志》，149282-301·Zbl 1032.90011号 ·doi:10.1016/S0377-2217（02）00768-3 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。