[논문 리뷰] A Hybrid Bacterial Foraging Algorithm For Solving Job Shop Scheduling Problems

S. Narendhar, T. Amudha|arXiv (Cornell University)|2012. 11. 21.

Scheduling and Optimization Algorithms인용 수 5

한 줄 요약

이 논문은 작업장 스케줄링 문제(JSSP)를 해결하기 위해 박테리아 번식 최적화(BFO)와 개미 군집 최적화(ACO)를 융합한 하이브리드 박테리아 번식 최적화(HBO) 알고리즘을 제안한다. 개미 군집 최적화의 전역 탐색 능력과 박테리아 번식 최적화의 국소 정밀 조정 능력을 결합함으로써, 표준 박테리아 번식 최적화보다 더 뛰어난 수렴성과 해의 품질을 확보하였으며, 벤치마크 JSSP 인스턴스에서 최적해의 질과 계산 효율성 측면에서 뛰어난 성능을 발휘하였다.

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.

연구 동기 및 목표

• 기존 작업장 스케줄링 문제(JSSP)의 계산 복잡도와 부분 최적해 문제를 해결하기 위해.
• 탐색과 이용 능력을 향상시키기 위해 개미 군집 최적화(ACO)를 박테리아 번식 최적화(BFO)에 통합함으로써 BFO의 성능을 향상시키기 위해.
• 표준 JSSP 벤치마크에서 더 나은 해의 품질과 더 빠른 수렴성을 확보하는 하이브리드 메타휴리스틱을 개발하기 위해.
• 실제 산업 현장 및 잘 알려진 JSSP 테스트 인스턴스에서 하이브리드 알고리즘의 효과성을 검증하기 위해.

제안 방법

• 하이브리드 알고리즘은 박테리아 번식 최적화의 운동 및 번식 메커니즘과 개미 군집 최적화의 페로몬 기반 경로 선택 방식을 융합한다.
• 박테리아 번식 최적화는 국소 탐색과 해의 정밀 조정을 위해 사용되며, 개미 군집 최적화는 페로몬 흔적을 통해 전역 탐색을 이끈다.
• 탐색(ACO를 통해)과 이용(BFO를 통해)을 균형 잡는 하이브리드 적합도 평가 메커니즘이 적용된다.
• 수렴 속도 향상과 해의 다양성 확보를 위해 동적 스텝 크기 및 운동 전략이 적용된다.
• 다단계 반복 프로세스를 사용하여 알고리즘을 구현한다: 초기화, 페로몬 갱신, 박테리아 이동, 해 평가.
• 하이브리드 접근법은 ACO의 페로몬 값과 BFO의 적합도를 가중 조합하여 해 생성을 이끈다.

실험 결과

연구 질문

• RQ1 개미 군집 최적화를 박테리아 번식 최적화와 융합함으로써 작업장 스케줄링 문제에서 해의 품질을 향상시킬 수 있는가?
• RQ2 하이브리드 알고리즘이 표준 박테리아 번식 최적화 대비 수렴 속도와 최적해의 질 측면에서 어떻게 비교되는가?
• RQ3 다양한 크기의 JSSP 벤치마크 인스턴스에서 하이브리드 접근법은 안정성을 유지하는가?
• RQ4 페로몬 기반 탐색과 박테리아 번식 동역학을 융합함으로써 해의 다양성과 국소 탐색 효율성에 어떤 영향을 미치는가?

주요 결과

• 제안된 하이브리드 박테리아 번식 최적화(HBO) 알고리즘이 잘 알려진 JSSP 벤치마크 인스턴스에서 표준 박테리아 번식 최적화보다 유의미하게 더 나은 최적해를 달성하였다.
• 하이브리드 접근법은 타일러의 벤치마크 인스턴스를 포함한 다양한 문제 크기에서 더 빠른 수렴과 향상된 해의 품질을 보였다.
• ACO의 통합으로 전역 탐색 능력이 향상되어 부분 최적해로의 조기 수렴 가능성을 감소시켰다.
• 다중 테스트 런에서 메이크스팬과 해의 안정성 측면에서 일관된 성능 향상이 관찰되었다.