[论文解读] Integrating Genetic Algorithm, Tabu Search Approach for Job Shop Scheduling

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

Scheduling and Optimization Algorithms参考文献 13被引用 16

一句话总结

本文提出一种混合元启发式算法，结合遗传算法（GA）与禁忌搜索（TS），以解决NP完全的作业车间调度问题，目标是最小化完工时间。该方法利用GA进行全局探索，TS进行局部强化，相较于单独使用任一方法，能更高效地获得最优或近似最优解。

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.

研究动机与目标

• 解决NP完全作业车间调度（JSS）问题的计算不可解性。
• 通过整合遗传算法的全局搜索能力与禁忌搜索的局部强化能力，提升解的质量与收敛速度。
• 在一组作业与机器中，最小化完工时间——即完成所有作业所需的总时间。
• 评估混合方法相较于独立的GA与TS方法的性能表现。
• 证明混合元启发式算法在求解复杂调度问题中的有效性。

提出的方法

• 该算法采用作业序列的遗传表示，其中每个染色体编码一个调度方案。
• 在遗传算法阶段，应用交叉与变异算子生成新的候选解。
• 禁忌搜索被迭代应用于有希望解的局部邻域，以跳出局部最优。
• 禁忌列表可防止重新访问最近探索过的解，从而增强多样化搜索。
• 混合框架在基于GA的探索与基于TS的开发之间交替进行，以平衡解的质量与搜索效率。
• 适应度评估基于最小化完工时间，即主要目标函数。

实验结果

研究问题

• RQ1 遗传算法与禁忌搜索的结合是否能产生优于单独使用任一方法的完工时间结果？
• RQ2 在标准JSS基准测试中，该混合方法在收敛速度与解质量方面表现如何？
• RQ3 禁忌列表机制在防止循环并增强多样化方面，对搜索过程的改善程度如何？
• RQ4 全局与局部搜索策略的结合是否能更快识别出最优或近似最优调度？
• RQ5 该混合算法在不同作业车间调度实例中的鲁棒性如何？

主要发现

• 混合GA-TS方法在标准作业车间调度实例中获得了最优或近似最优解。
• 与独立的遗传算法相比，该集成显著提升了收敛速度。
• 引入禁忌搜索增强了局部搜索能力，降低了陷入局部最优的可能性。
• 所提方法在解质量与计算效率方面均优于单独的GA与TS。
• 完工时间得到有效最小化，证明了混合策略的有效性。
• 结果验证了全局探索（GA）与局部强化（TS）之间协同作用在求解复杂调度问题中的有效性。