雷米亚·科马达斯;普拉卡什·科特查 使用计算智能算法在不同的并行机上调度作业。 （英语） 兹比尔1436.90166 Bennis，Fouad（编辑）等人，元启发式优化的自然启发方法。科学和工程中的算法和应用。查姆：施普林格。模型。最佳方案。科学。Technol公司。16, 441-464 (2020). 摘要：计算智能（CI）技术能否成功解决组合调度问题，关键取决于该问题的有效建模。在本章中，我们研究了在一组不同的并行机问题上具有不同发布和到期日期的一组作业的调度，以最小化处理成本。根据文献中报告的问题，评估了五种最新CI技术的性能，即人工蜂群、基于动态邻域学习的粒子群优化、遗传算法、多种群集成差分进化（MPEDE）和基于清洁教学的优化。从750个独特的试验（5个问题2个数据集5个算法15次运行）中观察到，MPEDE对于较大的问题表现出优于其他四个算法的性能。关于整个系列，请参见[Zbl 1432.90007]. MSC公司： 90 C59 数学规划中的近似方法和启发式 90B35型 运筹学中的确定性调度理论 关键词：行程安排;人工蜂群;粒子群优化;遗传算法;差异演化;基于教学的优化 软件：世界癌症协会 PDF格式BibTeX公司 XML格式引用 \textit{R.Kommadath}和\textit{P.Kotecha}，模型。最佳方案。科学。Technol公司。16、441--464（2020年；Zbl 1436.90166） 全文： DOI程序 参考文献： [1] Allahverdi A、Ng CT、Cheng TCE、Kovalyov MY（2008）《关于设置时间或成本的调度问题的调查》。欧洲运营研究杂志187（3）：985-1032·Zbl 1137.90474号 ·doi:10.1016/j.ejor.2006.06.060 [2] Chauhan SS，Kotecha P（2018）基于连续变量的高效多单元生产计划策略。应用软计算68:458-477·doi:10.1016/j.asoc.2018.03.012 [3] Chauhan SS、Sivadurgaprasad C、Kadambur R、Kotecha P（2018）使用整数变量和最新优化算法的性能评估解决组合生产计划问题的新策略。Swarm Evolo计算，43:225-243·doi:10.1016/j.swevo.2018.04.004 [4] Chung SH、Tai YT、Pearn WL（2009）在准备时间不同且作业大小任意的并行批处理机器上最小化制造周期。国际J生产研究47（18）：5109-5128·Zbl 1198.90174号 ·网址：10.1080/00207540802010807 [5] Jo repinšek M，Liu SH，Mernik L（2012）基于学习的优化算法教学注释。信息科学212:79-93·doi:10.1016/j.ins.2012.05.0009 [6] Deb K（2001）使用进化算法的多目标优化。纽约威利，ISBN 978-81-265-2804-2·Zbl 0970.90091号 [7] Dobson G，Arai Yano C（1994），周期调度，以最小化批处理流水线中的库存。欧洲药典Oper Res 75（2）：441-461·Zbl 0806.90063号 ·doi:10.1016/0377-2217（94）90087-6 [8] Eskandar H、Sadollah A、Bahreinejad A、Hamdi M（2012）水循环算法——一种用于解决约束工程优化问题的新型元启发式优化方法。计算结构110-111:151-166·doi:10.1016/j.compstruc.2012.07.010 [9] Hasda RK、Bhattacharjya RK、Bennis F（2017）《解决设施布局问题的改进遗传算法》。国际J互动设计手册11（3）：713-725·doi:10.1007/s12008-016-0362-z [10] Hooker JN（2005）规划和调度的混合方法。约束条件10（4）：385-401·邮编1122.90054 ·doi:10.1007/s10601-005-2812-2 [11] Hooker JN，Ottosson G，Thorsteinson ES，Kim HJ（1999）关于组合优化中约束传播和线性规划的集成。摘自：第16届全国人工智能会议论文集。奥兰多，麻省理工学院出版社，第136-141页 [12] Jain V，Grossmann IE（2001）一类优化问题的混合MILP/CP模型算法。INFORMS J计算13（4）：258-276·Zbl 1238.90106号 ·doi:10.1287/ijoc.13.4.258.9733 [13] Kashan AH，Karimi B（2009）用于调度并行机的离散粒子群优化算法。计算工业工程56（1）：216-223·doi:10.1016/j.cie.2008.05.007 [14] Kashan AH，Karimi B，Jenabi M（2008）用于调度具有任意作业大小的并行批处理机器的混合遗传启发式算法。计算运算结果35（4）：1084-1098·Zbl 1180.90126号 ·doi:10.1016/j.cor.2006.07.005 [15] Kotecha PR、Bhushan M、Gudi RD（2011）约束编程和遗传算法。Stoch Glob Optim世界科学2:619-675。https://doi.org/10.1142/9789814299213_0018 ·doi:10.1142/9789814299213_0018 [16] Lee WC，Wu CC，Chen P（2006）在相同的并行机器上实现最大跨度最小化的模拟退火方法。国际先进制造技术杂志31（3）：328-334·doi:10.1007/s00170-005-0188-5 [17] Lenstra JK，Shmoys DB，TardosÉ（1990）调度无关并行机的近似算法。数学课程46（1）：259-271·Zbl 0715.90063号 ·doi:10.1007/BF01585745 [18] Liang JJ，Qin AK，Suganthan PN，Baskar S（2006）用于多模态函数全局优化的综合学习粒子群优化器。IEEE Trans-Evol计算10（3）：281-295·doi:10.1109/TEVC.2005.857610 [19] Liu B，Wang L，Jin YH（2007）一种有效的基于PSO的模因算法用于流水车间调度。IEEE Trans-Syst Man-Cybern B Cybern 37（1）：18-27·doi:10.1109/TSMCB.2006.883272 [20] Maharana D，Kotecha P（2019）用灰色狼优化算法和JAYA算法优化Job Shop调度问题。收录于：Panigrahi B.、Trivedi M.、Mishra K.、Tiwari S.、Singh P.（编辑）《通信与计算科学中的智能创新》。《智能系统与计算进展》，第669卷。新加坡施普林格 [21] Mastrolilli M，Gambardella LM（2000）《灵活车间问题的有效邻域函数》。J表3（1）：3-20·Zbl 1028.90018号 ·doi:10.1002/（SICI）1099-1425（200001/02）3:1<3:：AID-JOS32>3.0.CO；2年 [22] Mernik M，Liu SH，Karaboga D，Ch repinšek M（2015）通过提供新的实现，澄清在比较人工蜂群算法变体时的误解。信息科学291:115-127·Zbl 1355.68238号 ·doi:10.1016/j.ins.2014.08.040 [23] Mirjalili S（2015）Moth火焰优化算法：一种新颖的受自然启发的启发式范式。基于知识的系统8:228-249·doi:10.1016/j.knosys.2015.07.006 [24] Moslei G，Mahnam M（2011）使用粒子群优化和局部搜索的多目标柔性车间调度问题的Pareto方法。国际生产经济杂志129（1）：14-22·doi:10.1016/j.ijpe.2010.08.004 [25] Nasir M，Das S，Maity D，Sengupta S，Halder U，Suganthan PN（2012）基于动态邻域学习的粒子群优化算法，用于全局数值优化。信息科学209:16-36·doi:10.1016/j.ins.2012.04.028 [26] Pezzella F，Morganti G，Ciaschetti G（2008）柔性车间调度问题的遗传算法。计算运算结果35（10）：3202-3212·Zbl 1162.90014号 ·doi:10.1016/j.cor.2007.02.014 [27] Pfund M，Fowler JW，Gupta JND（2004）单目标无关并行机确定性调度问题算法综述。J Chin Inst工业工程21（3）：230-241 [28] Punnathanam V，Kotecha P（2016）阴阳对优化：一种新的轻量级优化算法。工程应用Artif Intell 54:62-79，http://bit.ly/31SmmYE ·doi:10.1016/j.engappai-2016.04.004 [29] Wu G，Mallipeddi R，Suganthan PN，Wang R，Chen H（2016）基于多种群的突变策略集合的差异进化。信息科学329:329-345·doi:10.1016/j.ins.2015.09.09 [30] Xia W，Wu Z（2005）一种有效的多目标混合优化方法·doi:10.1016/j.cie.2005.01.018 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。