[論文レビュー] Integrating Genetic Algorithm, Tabu Search Approach for Job Shop Scheduling

R. Thamilselvan, P. Balasubramanie|ArXiv.org|Jun 27, 2009

Scheduling and Optimization AlgorithmsEngineering参考文献 13被引用数 16

ひとこと要約

この論文は、NP完全なジョブショップスケジューリング問題を解くために、遺伝的アルゴリズム（GA）とタブー探索（TS）を組み合わせたハイブリッドメタヒューリスティックを提案している。GAはグローバルな探索を、TSはローカルな強化を担当し、単独で用いる場合よりも最適または近似最適な解をより効率的に得ることを目的としている。

ABSTRACT

This paper presents a new algorithm based on integrating Genetic Algorithms and Tabu Search methods to solve the Job Shop Scheduling problem. The idea of the proposed algorithm is derived from Genetic Algorithms. Most of the scheduling problems require either exponential time or space to generate an optimal answer. Job Shop scheduling (JSS) is the general scheduling problem and it is a NP-complete problem, but it is difficult to find the optimal solution. This paper applies Genetic Algorithms and Tabu Search for Job Shop Scheduling problem and compares the results obtained by each. With the implementation of our approach the JSS problems reaches optimal solution and minimize the makespan.

研究の動機と目的

• NP完全なジョブショップスケジューリング（JSS）問題の計算的非効率性に対処すること。
• 遺伝的アルゴリズムのグローバル探索能力とタブー探索のローカル強化機能を統合することで、解の品質と収束速度を向上させること。
• すべてのジョブを完了するまでの総時間（マケスパン）を、ジョブとマシンの集合に対して最小化すること。
• ハイブリッドアプローチの性能を単独のGAおよびTS手法と比較して評価すること。
• 複雑なスケジューリング問題を解く際のハイブリッドメタヒューリスティクスの有効性を示すこと。

提案手法

• アルゴリズムは、各染色体がスケジュールを符号化するジョブ順序の遺伝的表現を用いる。
• 交叉および変異演算子を適用して、遺伝的アルゴリズム段階で新たな候補解を生成する。
• タブー探索は、有望な解の局所的近傍を繰り返し探索することで、局所最適解からの脱出を図る。
• タブールिस卜は、最近探索済みの解を再び訪問するのを防ぎ、多様化を促進する。
• ハイブリッドフレームワークは、GAによる探索とTSによる活用を交互に繰り返し、解の品質と探索効率のバランスをとる。
• フィットネス評価は、主目的関数としてマケスパンの最小化に基づく。

実験結果

リサーチクエスチョン

• RQ1 遺伝的アルゴリズムとタブー探索を統合することで、単独で用いる場合よりも優れたマケスパンの結果が得られるか？
• RQ2 標準的なJSSベンチマークにおいて、ハイブリッドアプローチは収束速度と解の品質の面でどのように性能を発揮するか？
• RQ3 タブールイストメカニズムは、サイクルの回避と多様化の向上によって、探索プロセスにどの程度の改善をもたらすか？
• RQ4 グローバル探索とローカル探索戦略の組み合わせにより、最適または近似最適なスケジュールがより速く特定可能になるか？
• RQ5 異なるジョブショップスケジューリングインスタンスに対して、ハイブリッドアルゴリズムはどの程度のロバストネスを示すか？

主な発見

• ハイブリッドGA-TSアプローチは、ベンチマークとして用いられるジョブショップスケジューリングインスタンスに対して、最適または近似最適な解を達成した。
• 統合により、単独の遺伝的アルゴリズムと比較して収束速度が顕著に向上した。
• タブー探索の導入により、ローカル探索能力が向上し、局所最適解に陥る可能性が低減された。
• 提案手法は、個別に用いたGAおよびTSの両方を上回る解の品質と計算効率を達成した。
• マケスパンが効果的に最小化され、ハイブリッド戦略の有効性が裏付けられた。
• 結果は、複雑なスケジューリング問題を解く際のグローバル探索（GA）とローカル強化（TS）の相乗効果を検証した。