[論文レビュー] A Hybrid Bacterial Foraging Algorithm For Solving Job Shop Scheduling Problems

S. Narendhar, T. Amudha|arXiv (Cornell University)|Nov 21, 2012

Scheduling and Optimization Algorithms被引用数 5

ひとこと要約

本稿では、ジョブショップスケジューリング問題（JSSP）を解くために、細菌群集的最適化（BFO）と蟻コロニー最適化（ACO）を統合したハイブリッド細菌群集的最適化（HBO）アルゴリズムを提案する。ACOのグローバルサーチ能力とBFOのローカル最適化能力を組み合わせることで、ベンチマークJSSPインスタンスにおいて、標準的なBFOに比べて優れた収束性と解の品質を達成し、解の最適性と計算効率の両面で優れている。

ABSTRACT

Bio-Inspired computing is the subset of Nature-Inspired computing. Job Shop Scheduling Problem is categorized under popular scheduling problems. In this research work, Bacterial Foraging Optimization was hybridized with Ant Colony Optimization and a new technique Hybrid Bacterial Foraging Optimization for solving Job Shop Scheduling Problem was proposed. The optimal solutions obtained by proposed Hybrid Bacterial Foraging Optimization algorithms are much better when compared with the solutions obtained by Bacterial Foraging Optimization algorithm for well-known test problems of different sizes. From the implementation of this research work, it could be observed that the proposed Hybrid Bacterial Foraging Optimization was effective than Bacterial Foraging Optimization algorithm in solving Job Shop Scheduling Problems. Hybrid Bacterial Foraging Optimization is used to implement real world Job Shop Scheduling Problems.

研究の動機と目的

• 従来のジョブショップスケジューリング問題（JSSP）における計算複雑性と部分最適解の問題に対処すること。
• 探索と活用の両方の能力を向上させるために、蟻コロニー最適化（ACO）と統合した細菌群集的最適化（BFO）の性能を向上させること。
• 標準的なJSSPベンチマークで、より優れた解の品質と高速な収束を達成するハイブリッドメタヒューリスティックを開発すること。
• 実世界および有名なJSSPテストインスタンス上で、ハイブリッドアルゴリズムの有効性を検証すること。

提案手法

• ハイブリッドアルゴリズムは、細菌群集的最適化の走査運動と増殖メカニズムを、蟻コロニー最適化のフェロモンに基づく経路選択と統合する。
• 細菌群集的最適化はローカルサーチと解の最適化に使用され、一方で蟻コロニー最適化はフェロモンの痕跡を通じてグローバルサーチを導く。
• 探索（ACOによる）と活用（BFOによる）のバランスを取るためのハイブリッドフィットネス評価メカニズムを採用する。
• 収束速度と解の多様性を向上させるために、動的ステップサイズと走査運動戦略を適用する。
• 初期化、フェロモン更新、細菌の移動、解の評価という複数段階の反復プロセスを用いたアルゴリズムの実装。
• ハイブリッドアプローチでは、ACOのフェロモン値とBFOのフィットネスの重み付き組み合わせを用いて解の生成をガイドする。

実験結果

リサーチクエスチョン

• RQ1 蟻コロニー最適化を細菌群集的最適化と統合することで、ジョブショップスケジューリング問題における解の品質が向上するか？
• RQ2 標準的な細菌群集的最適化と比較して、ハイブリッドアルゴリズムの収束速度と解の最適性はどのように異なるか？
• RQ3 ハイブリッドアプローチは、さまざまなサイズのJSSPベンチマークインスタンスにおいても頑健性を維持するか？
• RQ4 フェロモンに基づく探索と細菌群集的最適化のダイナミクスを組み合わせることで、解の多様性とローカルサーチ効率にどのような影響があるか？

主な発見

• 提案されたハイブリッド細菌群集的最適化（HBO）アルゴリズムは、有名なJSSPベンチマークインスタンスにおいて、標準的なBFOに比べて顕著に優れた最適解を達成した。
• ハイブリッドアプローチは、Taillardのベンチマークインスタンスを含むさまざまな問題サイズにおいて、より速い収束と改善された解の品質を示した。
• ACOの統合によりグローバルサーチ能力が向上し、部分最適解への過早収束の可能性が低減された。
• 複数回のテストランにおいて、マケスパンと解の安定性の両面で一貫した性能向上が確認された。