Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightDeneysel sonuçlar, çözüm kalitesi açısından SA (%0,6 sapma) ve TS'nin (%3,0 sapma) GENIUS-CP'den (%6,3 sapma) daha üstün olduğunu göstermektedir.
📌 3 Maddede Bu Makale
Özet
Sıraya bağlı hazırlık sürelerine sahip işlerin tek bir makine üzerinde çizelgelenerek toplam ağırlıklı gecikmenin en küçüklenmesi (1 | sᵢⱼ | Σ wⱼTⱼ) NP-zor yapıda bir problemdir ve gerçek üretim sistemlerinde sıklıkla karşılaşılır [source: 1]. Bu çalışmada, literatürde öncelikli olarak araç rotalama problemleri için geliştirilen GENIUS-CP algoritması söz konusu çizelgeleme problemine uyarlanmıştır. Önerilen yöntemde, genelleştirilmiş yerleştirme hareketi kısıt programlama tabanlı bir alan daraltma yapısıyla birleştirilmiş; algoritmaya çoklu başlangıç stratejisi entegre edilerek paralel hesaplama altyapısı kurulmuştur. Yöntem, Cicirello benchmark üretim parametrelerine uygun 24 örnek üzerinde EDD, ATCS, Tavlama Benzetimi (SA), Tabu Arama (TS) ve Genetik Algoritma (GA) ile karşılaştırılmıştır. Deneysel sonuçlar, çözüm kalitesi açısından SA (%0,6 sapma) ve TS'nin (%3,0 sapma) GENIUS-CP'den (%6,3 sapma) daha üstün olduğunu göstermektedir. Ancak, tek başlangıçlı GENIUS-CP varyantı, söz konusu çözüm kalitesine bir saniyenin altında (0,42 s) ulaşarak yerel arama tabanlı yöntemlerden önemli ölçüde daha kısa gerçek çalışma süresi sergilemiştir. Çoklu başlangıçlı paralel varyant ise mevcut örnek boyutlarında kalitede belirgin bir artış sağlamadan paralel hesaplama maliyeti nedeniyle süreyi uzatmıştır. Elde edilen bulgular, GENIUS-CP'nin tek başına bir metasezgisel olarak değil, hibrit algoritmalar için son derece hızlı ve yüksek kaliteli başlangıç çözümü üreten güçlü bir inşa sezgiseli olarak konumlandırılmasının avantaj sağlayacağını ortaya koymaktadır.
Abstract
Scheduling jobs on a single machine with sequence-dependent setup times to minimize the total weighted tardiness (1 | sᵢⱼ | Σ wⱼTⱼ) is an NP-hard problem frequently encountered in real production systems. In this study, the GENIUS-CP algorithm, originally developed in the literature primarily for vehicle routing problems, is adapted to the scheduling problem in question. In the proposed method, the generalized insertion move is combined with a constraint programming-based domain reduction structure; a multi-start strategy is integrated into the algorithm to establish a parallel computing framework. The method is compared with EDD, ATCS, Simulated Annealing (SA), Tabu Search (TS), and Genetic Algorithm (GA) on 24 instances generated according to the Cicirello benchmark parameters. Experimental results show that SA (0.6% deviation) and TS (3.0% deviation) outperform GENIUS-CP (6.3% deviation) in terms of solution quality. However, the single-start GENIUS-CP variant achieves this solution quality in under one second (0.42 s), demonstrating a significantly shorter actual computation time compared to the local search-based methods. The parallel multi-start variant, on the other hand, prolonged the computation time due to parallelization overhead without providing a notable improvement in quality for the current instance sizes. The findings reveal that it would be advantageous to position GENIUS-CP not as a standalone metaheuristic, but as a powerful constructive heuristic that generates extremely fast and high-quality initial solutions for hybrid algorithms.