×
Aykut乌祖诺格鲁;克里斯蒂安·加姆;斯特凡·沃尔;图马，阿克塞尔

用于调度并行串行批处理机器的学习增强启发式算法。 （英语） Zbl 07706541号

计算。操作。物件。 151，文章ID 106122，20 p.（2023）.
摘要：所解决的机器调度问题考虑了具有不兼容作业族、顺序相关设置时间、有限批处理能力、，以及与串行批处理特性相结合的任意大小（即，一个批的处理时间等于一个批中分组的所有作业的处理时间之和）。主要目标是最小化总加权延误，次要（次要）目标是最小化流动时间。这种调度问题出现在许多生产环境中，如切割操作（金属加工行业或服装行业）或工业3D打印。为了解决这个问题，我们提出了一种新的具有受控批量紧急度的多阶段构造启发式算法。此外，为了提高求解效率，我们使用适用于具有相关输出的多目标回归的机器学习方法（即神经网络），通过预测最合适的启发式参数来最小化启动次数。因此，必须考虑不同的学习方面和管道参数。此外，我们应用混合整数线性程序和具有高级终止条件的局部搜索机制来改进解决方案。为了评估新启发式算法的性能，我们使用了一组详尽的小型、大型和超大实例（具有对称欧几里德、非对称欧几里德和任意序列相关的设置时间）和文献中的启发式算法。结果表明，新的学习增强型启发式算法在求解质量和计算时间方面具有优势。

引用于1文件

MSC公司：

900亿 运筹学与管理科学

关键词：

连续配料;不兼容的工作族;与序列相关的设置时间;任意大小;总加权延迟时间;启发式;机器学习

软件：

Scikit公司;PMTK公司
PDF格式BibTeX公司 XML格式引用
\textit{A.Uzunoglu}等人，计算。操作。第151号决议，文章编号106122，20页（2023；Zbl 07706541）
全文： 内政部

参考文献：

[1] 阿加瓦尔，A。；科拉克，S。；Eryarsoy，E.，《流程车间调度问题的改进启发式：自适应学习方法》，欧洲期刊Oper。第169、3、801-815号决议（2006年）·兹比尔1079.90044
[2] Akyol，D.E.，神经网络在启发式调度算法中的应用，计算。工业工程，46，4，679-696（2004）
[3] Akyol，D.E。；Bayhan，G.M.，《神经网络生产调度进化综述》，计算机。工业工程，53，1，95-122（2007）
[4] 阿尔梅德，C。；Mönch，L.，在并行批处理机器上调度具有不兼容族的作业的元启发式，J.Oper。Res.Soc.，62，12，2083-2096（2011）
[5] 阿扎德，A。；Negahban，A。；Moghaddam，M.，一种用于优化随机车间调度问题中调度规则选择的混合计算机模拟人工神经网络算法，国际生产研究杂志，50，2，551-566（2012）
[6] 阿扎德，A。；Shoja，B.M。；莫加达姆，M。；阿萨扎德，S.M。；Akbari，A.，一种神经网络元模型，用于识别确定性车间调度问题中优先级调度规则和总工期的最佳组合，Int.J.Adv.Manuf.Technol。，67, 5-8, 1549-1561 (2013)
[7] 巴拉苏布拉马尼安，H。；Mönch，L。；福勒，J.W。；Pfund，M.E.，基于遗传算法的具有不相容作业族的并行批处理机器调度，以最小化总加权拖期，《国际生产研究杂志》，42，8，1621-1638（2004）·Zbl 1099.90537号
[8] Bertolini，M。；梅佐戈里，D。；内罗尼，M。；Zammori，F.，《工业应用的机器学习：综合文献综述》，专家系统。申请。，175，第114820条pp.（2021）
[9] 博尔查尼，H。；瓦兰多，G。；比尔扎，C。；Larrañaga，P.，《多产出回归调查》，Wiley Interdiscip。版本：Data Min.Knowl。发现。，5, 5, 216-233 (2015)
[10] 布兰克，J。；希尔德布兰特，T。；Scholz-Reiter，B.，调度规则的超神经进化：规则表示的比较，进化。计算。，23, 2, 249-277 (2015)
[11] 布兰克，J。；Nguyen，S。；皮卡德，C.W。；Zhang，M.，生产调度启发式的自动化设计：综述，IEEE Trans。进化。计算。，20, 1, 110-124 (2016)
[12] 伯克，E.K。；Gendreau，M。；海德，M。；Kendall，G。；奥乔亚，G。；厄兹坎，E。；Qu，R.，《超神经科学：现状调查》，J.Oper。Res.Soc.，64、12、1695-1724（2013）
[13] Burke，E.K.、Hyde，M.R.、Kendall，G.、Ochoa，G.和oodward，E.（2010年）。超神经方法的分类。M.Gendreau和J.-Y.Potvin（编辑），《运筹学与管理科学国际丛书》：第146卷。元启发式手册（第二版，449-468），Springer Science+Business Media·Zbl 1198.90002号
[14] 卡斯蒂略，F。；Gazmuri，P.，《批量确定和生产调度的遗传算法》，国际先进制造技术杂志。，77, 1-4, 261-280 (2015)
[15] Chen，J.Y。；Pfund，M.E。；福勒，J.W。；蒙哥马利特区。；Callarman，T.E.，复合调度规则的鲁棒缩放参数，IIE Trans。，42, 11, 842-853 (2010)
[16] 陈，S。；方，S。；Tang，R.，《云制造中基于强化学习的多项目调度方法》，《国际生产研究》，57，10，3080-3098（2019）
[17] El-Bouri，A.，最小化动态flowshop中平均拖期的合作调度方法，计算。操作。研究，39，7，1305-1314（2012）·Zbl 1251.90139号
[18] El-Bouri，A。；Balakrishnan，S。；Popplewell，N.，《单台机器上的作业排序：神经网络方法》，欧洲期刊Oper。第126、3、474-490号决议（2000年）·Zbl 0976.90040号
[19] 弗雷塔格，M。；Hildebrandt，T.，《通过基于多目标仿真的优化自动设计复杂制造系统的调度规则》，CIRP Ann.Manuf.Technol。，65, 1, 433-436 (2016)
[20] Gahm，C.，《具有不兼容作业族、顺序相关设置时间和任意大小的并行串行批调度问题的扩展实例集》，门捷利数据，V2（2022）
[21] Gahm，C.，通过具有相关输出的多目标回归学习启发式参数的数据集，门捷利数据，V1（2022）
[22] Gahm，C。；Uzunoglu，A。；沃尔，S。；甘希尼茨，C。；Tuma，A.，《在分层生产计划中应用机器学习预测复杂嵌套解决方案》，欧洲期刊Oper。研究，296，3819-836（2022）·兹比尔1490.90109
[23] Gahm，C。；沃尔，S。；Tuma，A.，《调度具有不兼容作业族、顺序相关设置时间和任意大小的并行串行批处理机器》，《国际生产研究杂志》，1-24（2021）
[24] 盖革，C.D。；Uzsoy，R.，《学习批处理器调度的有效调度规则》，《国际生产研究杂志》，46，6，1431-1454（2008）·Zbl 1160.90392号
[25] 盖革，C.D。；Uzsoy，R。；Aytu，H.，《优先级调度规则的快速建模和发现：一种自主学习方法》，J.Sched。，9, 1, 7-34 (2006) ·Zbl 1154.90451号
[26] Giglio，D.，具有顺序相关批设置和可控处理时间的单机系列调度的最优控制策略，J.Sched。，18, 5, 525-543 (2015) ·Zbl 1328.90049号
[27] 古德费罗，我。；Y.本吉奥。；科尔维尔，A.，《深度学习》。自适应计算和机器学习（2016），麻省理工学院出版社：麻省理工学院出版社，英国伦敦，马萨诸塞州剑桥·Zbl 1373.68009号
[28] Heger，J。；布兰克，J。；希尔德布兰特，T。；Scholz-Reiter，B.，《使用顺序相关的设置时间动态调整流程车间中的调度规则参数》，《国际生产研究杂志》，54、22、6812-6824（2016）
[29] Heger，J。；Voss，T.，在具有强化学习的灵活流程车间场景中动态调整ATCS规则的k值，《国际生产研究杂志》，1-15（2021）
[30] Helo，P。；Phuong，D。；Hao，Y.，云制造-调度作为钣金制造的服务，Comput。操作。决议，110，208-219（2019）·Zbl 1458.90305号
[31] 约旦，C。；Drexl，A.，《批量排序的离散批量和调度》，Manag。科学。，44, 5, 698-713 (1998) ·Zbl 0989.90065号
[32] Kaminsky，A.，《构建并行程序：SMP、集群和Java》（2010），《课程技术：波士顿课程技术》
[33] Kim，首席执行官。；最小值，H.-S。；Yih，Y.，多目标FMS调度的归纳学习和神经网络集成，国际生产研究杂志，36，9，2497-2509（1998）·Zbl 0953.90522号
[34] Kim，S.-Y。；李，Y.-H。；Agnihotri，D.，《使用启发式规则和神经网络对作业排序的混合方法》，《生产计划》。控制，6，5，445-454（1995）
[35] Koonce，D。；Tsai，S.-C.，《使用数据挖掘在作业车间调度的遗传算法解决方案中找到模式》，计算。工业工程，38，3，361-374（2000）
[36] Lee，Y.-H。；Bhaskaran，K。；Pinedo，M.L.，一种启发式方法，通过序列相关设置最小化总加权拖期，IIE Trans。，29, 1, 45-52 (1997)
[37] Lee，Y.-H。；Pindo，M.L.，《在具有序列相关设置时间的并行机器上调度作业》，欧洲期刊Oper。决议，100，3，464-474（1997）·Zbl 0917.90193号
[38] 李，X。；Olafsson，S.，《使用数据挖掘发现调度规则》，J.Sched。，8, 6, 515-527 (2005) ·Zbl 1123.90031号
[39] 林，C.-C。；邓德杰。；Chih，Y.-L。；Chiu，H.-T.，使用多类深Q网络的边缘计算智能制造调度，IEEE Trans。Ind.Inf.，15，7，4276-4284（2019）
[40] Malve，S。；Uzsoy，R.，在具有动态作业到达和不兼容作业族的并行相同批处理机器上最小化最大延迟的遗传算法，计算。操作。研究，34，10，3016-3028（2007）·兹比尔1185.90086
[41] Melki，G。；卡诺，A。；凯克曼，V。；Ventura，S.，通过相关回归元链进行多目标支持向量回归，Inf.Sci。，415-416, 53-69 (2017) ·Zbl 1443.62160号
[42] Mönch，L。；齐默尔曼，J。；Otto，P.，《在并行批处理机器上调度族不兼容且准备时间不相等的作业的机器学习技术》，《工程应用》。Artif公司。英特尔。，19, 3, 235-245 (2006)
[43] Mouelhi-Chibani，W。；Pierreval，H.，训练神经网络实时选择调度规则，计算机。工业工程，58，2，249-256（2010）
[44] Murphy，K.P.，《机器学习：概率观点》（4。打印。（修复了许多拼写错误）。《自适应计算和机器学习系列》（2013），麻省理工学院出版社：麻省理学院出版社剑桥，马萨诸塞州
[45] Naddef，D。；Santos，C.，单机器问题的单程批处理算法，Discret。申请。数学。，21, 2, 133-145 (1988) ·Zbl 0661.90044号
[46] Nguyen，S。；梅，Y。；Zhang，M.，《生产调度的遗传编程：一项统一框架的调查》，《复杂智能》。系统。，3, 1, 41-66 (2017)
[47] Nguyen，S。；张，M。；约翰斯顿，M。；Tan，K.C.，《利用遗传编程学习车间作业调度的迭代调度规则》，《国际先进制造技术》。，67, 1-4, 85-100 (2013)
[48] Nguyen，S。；张，M。；Tan，K.C.，代理辅助遗传编程与调度规则自动设计的简化模型，IEEE Trans。赛博。，47, 9, 2951-2965 (2017)
[49] Olafsson，S。；Li，X.，从优化调度数据中学习有效的新单机调度规则，国际生产经济学杂志。，128, 1, 118-126 (2010)
[50] Park，Y。；Kim，S。；Lee，Y.-H.，应用神经网络和启发式规则在并行机上调度作业，计算。工业工程，38，1，189-202（2000）
[51] 佩德雷戈萨，F。；瓦罗佐，G。；Gramfort，A。；米歇尔，V。；蒂里昂，B。；格里塞尔，O。；布隆德尔，M。；Prettenhofer，P.，Scikit-learn：《蟒蛇中的机器学习》，J.Mach。学习。第12号决议，2825-2830（2011年）·Zbl 1280.68189号
[52] 裴，J。；刘，X。；帕尔达洛斯，P.M。；风扇，W。；Yang，S.，在具有多个作业类型和顺序相关设置时间的单个串行批处理机器上调度恶化的作业，Ann.Oper。第249号、第1-2号、第175-195号决议（2017年）·Zbl 1357.90057号
[53] Pfund，M。；福勒，J.W。；加德卡里，A。；Chen，Y.，在具有设置时间和准备时间的并行机器上调度作业，Comput。工业工程，54，4，764-782（2008）
[54] 皮卡德，C.W。；希尔德布兰特，T。；布兰克，J。；Heger，J。；Scholz-Reiter，B.，复杂动态调度问题调度规则集的进化生成，国际生产经济学杂志。，145, 1, 67-77 (2013)
[55] 普里奥雷，P。；戈麦斯，A。；皮诺，R。；Rosillo，R.，《使用机器学习的制造系统动态调度：更新综述》，Artif。智力。工程设计。分析。制造，28，1，83-97（2014）
[56] 普里奥雷，P。；de La Fuente，D。；普恩特，J。；Parreño，J.，《柔性制造系统动态调度的机器学习算法比较》，《工程应用》。Artif公司。英特尔。，19, 3, 247-255 (2006)
[57] 普里奥雷，P。；庞特，B。；普恩特，J。；Gómez，A.，使用集成方法的基于学习的柔性制造系统调度，计算。工业工程，126282-291（2018）
[58] Raaymakers，W.H.M。；Weijters，A.，《间歇加工行业的Makespan估计：回归分析和神经网络之间的比较》，《欧洲期刊》，Oper。决议，145，1，14-30（2003）·兹比尔1012.90514
[59] Reyes，O。；Ventura，S.，通过基于参数共享的深度网络执行多目标回归，国际神经系统杂志。，29, 9, 1950014 (2019)
[60] 罗德里格斯，J.J。；Juez-Gil，M。；López-Nozal，C。；阿尔奈兹·冈萨雷斯。，多目标回归的旋转森林，国际J.马赫。学习。赛博。(2021)
[61] 沙菲，R。；拉比，M。；Mirzaeyan，M.，《多处理机无等待两级流水线车间中最大完工时间估计的自适应神经模糊推理系统》，国际计算机杂志。集成。制造，24，10，888-899（2011）
[62] 沙赫拉比，J。；阿迪比，医学硕士。；Mahootchi，M.，动态车间调度中参数估计的强化学习方法，计算。工业工程，110，75-82（2017）
[63] 沙瓦里，O。；Logendran，R.，《具有双标准目标的混合流水车间批处理和调度》，《国际生产经济学杂志》。，179, 239-258 (2016)
[64] 沙瓦里，O。；Logendran，R.，一种增强的禁忌搜索算法，用于最小化具有期望批量下限的未更新并行机器上的批处理和调度问题中的双标准目标，计算。操作。决议，77，154-176（2017）·Zbl 1391.90316号
[65] 沈，L。；Buscher，U.，《解决车间制造系统中的串行批处理问题》，Eur.J.Oper。第221、1、14-26号决议（2012年）·Zbl 1253.90119号
[66] 沈，L。；Gupta，J.N.D.，《流水线车间批量可用性的家庭调度以最小化完工时间》，J.Sched。，21, 2, 235-249 (2018) ·Zbl 1392.90067号
[67] 沈，L。；Mönch，L。；Buscher，U.，《并行机器和作业族串行批处理问题的迭代方法》，Ann.Oper。第206、1、425-448号决议（2013年）·Zbl 1271.90037号
[68] Shiue，Y.-R。；Guh，R.-S。；Lee，K.C.，《基于机器学习的实时调度系统的开发：使用基于包装器特征选择方法的集成》，《国际生产研究》，50，20，5887-5905（2012）
[69] Shiue，Y.-R。；Lee，K.-C。；Su，C.-T.，使用强化学习方法的智能工厂实时调度，计算。工业工程，125，604-614（2018）
[70] Spyromitros-Xioufis，E。；Tsoumakas，G。；格罗夫斯，W。；Vlahavas，I.，《通过输入空间扩展的多目标回归：将目标视为输入，马赫数》。学习。，104, 1, 55-98 (2016) ·兹比尔1454.68134
[71] Stricker，N。；Kuhnle，A。；Sturm，R。；Friess，S.，半导体行业自适应订单调度的强化学习，CIRP Ann.Manuf.Technol。，67, 1, 511-514 (2018)
[72] 苏普皮亚，Y。；Omar，M.K.，在单机环境中进行批处理和排序决策的混合禁忌搜索，Comput。工业工程，78，135-147（2014）
[73] 特林达德，R.S。；de Araújo，O.C.B。；Fampa，M.H.C。；Müller，F.M.，《批处理机器调度问题中的建模和对称破缺》，《国际生产研究杂志》，56，22，7031-7048（2018）
[74] 瓦伦特，J.M。；Schaller，J.E.，单机加权二次拖期调度问题的调度启发式，计算。操作。研究，39，9，2223-231（2012）·Zbl 1251.90195号
[75] Vepsalainen，A.P.J。；莫顿，T.E.，《加权拖期成本的车间优先级规则》，马纳。科学。，33, 8, 1035-1047 (1987)
[76] 沃ß，S。；Witt，A.，《混合流水车间调度作为一个具有批处理要求的多模式多项目调度问题：一个实际应用》，Int.J.Prod.Econ。，105, 2, 445-458 (2007)
[77] 沃格曼，W。；Dembczyánski，K。；Hüllermier，E.，《多目标预测：问题和方法的统一观点》，Data Min.Knowl。光盘。，33, 2, 293-324 (2019) ·兹比尔1464.62399
[78] 瓦什内克，B。；Reichteller，A。；贝尔兹纳，L。；Altenmüller，T。；Bauernhansl，T。；Knapp，A。；Kyek，A.，利用深度强化学习优化全球生产调度，Procedia CIRP，721264-1269（2018）
[79] 韦克曼，G.R。；甘杜里，C.V。；Koonce，D.A.，神经网络作业车间调度程序，J.Intell。制造，19，2，191-201（2008）
[80] 徐，D。；Shi，Y。；Tsang，I.W。；Ong，Y.-S。；龚，C。；沈，X.，多输出学习调查，IEEE Trans。神经网络学习。系统。，31, 7, 2409-2429 (2020)
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。