Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightÖnerilen genetik algoritmanın kromozom temsili, rassal anahtar sayılara dayanmaktadır.
📌 3 Maddede Bu Makale
Özet
Bu çalışmada, bölünebilir ve sıra bağımlı hazırlık süreli işler içeren, ilişkisiz paralel makine çizelgeleme probleminde, en büyük tamamlanma zamanının en küçüklenmesi hedeflenmiştir. Çalışmada, tekstil endüstrisinde, dokuma tezgâhlarının çizelgelenmesi gerçek problemi dikkate alınmıştır. Her makineye özgü, işi tipine ve makine yapısına bağlı olarak değişen işleme süreleri söz konusudur. Makine ve iş sırası bağımlı hazırlık süreleri de mevcuttur ve tüm işler sıfır anında hazırdır. Tüm işler, zamanında teslimatı sağlayabilmek için, alt işlere bölünebilmektedir. İşlerin bölünmesi durumu, özellikle de paralel makinelerde, literatürde nadiren çalışılmıştır. Problemin NP-zor yapısından dolayı, gerçek hayata dair, büyük boyutlu problemlerin çözümü için sezgisel ve metasezgisel yöntemler kullanılmaktadır. Genetik algoritmalar (GA), yüksek adaptasyon ve kolay gerçekleşme özelliklerinden dolayı en çok tercih edilen yaklaşımlardır. Önerilen genetik algoritmanın kromozom temsili, rassal anahtar sayılara dayanmaktadır. Çizelge, rassal
Abstract
This paper addresses the unrelated parallel machine scheduling problem with sequence-dependent setup times and job splitting to minimize maximum completion time (makespan). We consider a real-life problem of scheduling looms in a textile industry. Each machine has its own processing times according to the characteristics of the machine as well as the job types. There are machine- and sequence-dependent setup times, and all of the jobs are available at time zero. All of the jobs can be divided into sub-jobs in order to deliver the orders on time. Job splitting has rarely been studied in the literature, especially in the case of parallel machines. Because of the problem’s NP-hard structure, heuristics and metaheuristics have been used to solve real-life large-scale problems. Genetic algorithms (GA) are the most preferred approach of this type given their capabilities, such as high adaptability and easy realization. The proposed GA’s chromosome representation is based on random keys. The schedule is constructed using a sequence of random key numbers. The main contribution of this paper is to introduce a novel approach that performs job splitting and scheduling simultaneously; to the best of our knowledge, no work has been published with this approach. An important improvement proposed in this paper is assigning the number of sub-jobs dynamically. In addition, the new approach is tested on a real-life problem, and the computational results validate the effectiveness of the proposed algorithm