תזמון חנות זרימה הוא בעיה אבן הפינה במחקר תפעולי ותכנון הייצור.בצורה הקלאסית שלה, קבוצה של שיטות אימון היברידיות (FLT:0) 1 משרות הוקמו על ידי פעולות מחקר וייצור (FLT:2mreaFLT 3: 3) באותה סדר, וההמטרה היא לעתים קרובות למזער את תוחלת החיים - הזמן הכולל הנדרש כדי להשלים את כל העבודות, למרות עשרות שנים גדולות של בעיה אמיתית זו נשאר הגיוניים באופן יעיל, ולכן אין צורך בטכניקות יעילות של אלגוריתם מהיר.

חנות הזרמים שמחקה את הבעיה

(הופנה מהדף PFSP) היא הגרסאות הנפוצות ביותר של PFSP עם FLT:0mcioFLT:1 מכונות ו-FLT:2nOVAFLT 3 משרות, כל מבקר עבודה 1 עד FLT:4mFLT: 5 באותו סדר קבוע, ואת רצף של מקומות עבודה על כל מכונה הוא זהה המטרה של מציאת בעיה של מחזור חשמלי של 9.

(ב) ב[[1924]], [[1924]]]], [[1924]]]]]], [[1924]]]]]], [[1924]]]]]], [[1924]]]]]]]]]], [[1924]]]]]]]], [[1924]]]]]]]], [[1924]]]]]]]]]]]], [[1924]]]]]]]], [[1924]]

פתרון האמנה מתקרב

שיטות תיירותיות

הירריסטים הם אלגוריתמים משוערים שמסחר אופטימליות למהירותם של אלגוריתמים הכרחיים לתזמון בקנה מידה גדול או בזמן אמת.בין היוריסטים קונסטרוקטיביים, האלגוריתם של FLT:0 (Nawaz, Enscore, Ham) הוא תקן הזהב עבור זרימת מחסנית ® dospan minimization.Its על ידי עיבוד מוחלט של זמן, ולאחר מכן הוא מוסיף באופן הדרגתי כל עבודה לרמה של 5 פעמים בטווח הקצר של פתרונות.

מטאהירויים מספקים מסגרת ברמה גבוהה יותר עבור בריחה מהאופטימה המקומית.הדוגמאות הנפוצות החלות על תזמון חנות זרימה כוללות:

  • (FLT:0)Genetic Algorithms (GA): ibph:1) , Evolve אוכלוסייה של מוטציות דרך צלב ומוטציות, באמצעות לחץ בחירה כדי לשפר את איכות הפתרון.
  • (FLT:0) ,Simulated Annealing (SA): ⁇ FLT:1) מסמן את תהליך הנישא הפיזי על ידי קבלת פתרונות גרועים יותר, המאפשרים בריחה מ-Optima המקומי, SA היא פשוטה ליישום והחזקה עבור מקרים רבים.
  • (FLT:0)Tabu Search (TS): TS:FLT:1ir משתמש במבנים זיכרון כדי להימנע משיקום פתרונות שנחקרו לאחרונה. TS מייצרת לעתים קרובות פתרונות איכותיים, אך דורש תכנון זהיר של רשימת הטלופים והשכונה.
  • (הופנה מהדף ⁇ 0) חיפוש מקומי (ILS): irph:1 ,Alternnates בין חיפוש מקומי לבין הפרעה לחקור את מרחב הפתרון. ILS הוכיח מאוד יעיל בשילוב עם ה-NEH הראשוניתization.

הירריסטים מצטיינים כאשר תקציבים חישוביים הם הדוקים או כאשר ממדים בעייתיים עולים על גבולות של שיטות מדויקות.עם זאת, הם מספקים לא ערובה אופטימלית, אשר יכול להיות נסוג ביישומים של הפחתה גבוהה שבו לכל שנייה של הפחתה יש השפעה פיננסית.

שיטות פעולה

אלגוריתמים Exact מבטיחים למצוא את הפתרון האופטימלי, אך המורכבות הגרועה ביותר שלהם היא אקספוננציאלית.עבור PFSP, הגישות המדויקות הבולטות ביותר הן:

  • (FLT:0)Branch and Bound (B&Bori): ®FLT:1 באופן שיטתי מנהרות חלקית תוך שימוש במגבלות נמוכות (למשל, שלטון ג'ונסון להפחתה של שתי מכונות, גבולות מבוססי מכונה) כדי לזרז את עץ החיפוש.
  • (ה-iLP):0 (Mixed-Integer Linear Programming) (MILP): פשט את הבעיה באמצעות משתנים בינאריים לעבודה, הסדרת משתנים רצופים ומשתנים רצופים לזמני השלמתם.הפתרונות המודרניים כמו גורובי או CPLEX יכולים להתמודד עם מקרים קטנים עד בינוניים, אבל דגמי MILP הופכים לגדולים באופן בלתי חוקי עבור FLT:2n > 50LTF:3 LT.
  • (ב) [13]:0 (Constraint Programming) (CP): FLT:FLT:1 מודלים של מגבלות תזמון באמצעות מגבלות גלובליות (למשל, FLT:2noOverlapphirFLT 3: 3) וחיפוש ממצה יכול להיות תחרותי עבור בעיות עם מגבלות מורכבות אבל לעתים קרובות חסר את הכוח התחתון של B&B טהור לעשות minimization.

הצמיחה האקספוננציאלית של מרחב החיפוש היא שיטות מדויקות הן לעתים רחוקות מעשיות לבדן עבור מקרים בעולם האמיתי עם מאות מקומות עבודה.מגבלה זו יוצרת הזדמנות טבעית להיברידיזציה.

הצורך בגישה היברידית

זרמי טהור יכולים להיות מהירים אך הם לכודים לעתים קרובות באופטימה המקומית, בעוד שיטות מדויקות הן שלמות אך יקרות חישובית.גישה היברידית שואפת ללכוד את הטוב ביותר של שניהם: להשתמש בירויים כדי להנחות את החיפוש לעבר אזורים מבטיחים של מרחב הפתרון, ולאחר מכן ליישם טכניקות מדויקות כדי לחדד את הפתרונות או להוכיח את איכותם.הסינרגיה יכולה להפחית את הזמן כדי להגיע לפתרונות קרובים-אופטימליים, במקרים מסוימים, קרוב, קרוב למקרים מסוימים, קרוב למקרים אופטימליים למקרים רבים יותר, כי היו מקרים שלא היו מקרים גדולים יותר.

סביבות תזמון תעשייתיות כרוכות לעתים קרובות בקבלת החלטות חוזרת עם חלונות זמן מוגבלים - למשל, ריצוף מבוסס שינוי על רצפת מפעל.כאן, היברידית אשר מייצרת במהירות לוח זמנים כמעט-אופטימית היא הרבה יותר חשובה מאשר שיטה טהורה אשר מסתיימת לאחר המועד האחרון עבר. , להיפך, עבור ציון או תכנון אסטרטגי, היכולת של שיטות מדויקות כדי לגוון אופטימליות יכול להיות משופר על ידי זהויות כי הוא לספק ראשוניות.

מיסים של שיטות היברידיות

גישות היברידיות יכולות להיות מסווגות באופן רחב לשתי קטגוריות: היברידיות שיתופיות ואינטגרטיביות.קולוריגות לרוץ בדיוק ואלגוריתמים היררניים באופן זמני או במקביל, כל אחת תורמת לפתרון משותף או כבולה. היברידיות אינאינטגרטיבית מטביעה פרדיגמה אחת בתוך השנייה - לדוגמה, באמצעות שיטה מדויקת לחקור מרחב תת-מרחב מזוהה על ידי עתידני, או באמצעות הססנית לשיפור פתרונות בתוך ענף.

ה-Hyberatives Hybrids

בתכנית שיתוף הפעולה הפשוטה ביותר, הוא עתידני יוצר תחילה פתרון איכותי שניתן להשיגו.הפתרון הזה מועבר בשיטה מדויקת כפתרון ראשוני של Integer (או התחלה חמה) כדי להפחית את גודל העץ בעל גודל גבוה וגובהו.השיטה המדויקת עשויה גם להשתמש בספירת הפתרון האקלימי כתנאי ראשוני, המאפשרת דחיפות מוקדמת, בדיוק יכולה לפתור בעיה אקדמייתיתיתיתיתית בלבד.

שיתוף פעולה במקביל הואיאיסטי ופתרונות מדויקים בו זמנית על חלקים שונים של הבעיה או על גרסאות מופרכות, שיתוף פתרונות טובים באמצעות לוח שחור מרכזי. גישה זו היא בעלת ערך במיוחד בסביבות מחשוב ענן שבו ניתן לנצל מעבדים מרובים.

היברידיים

אסטרטגיות אינטגרטיביות מטושטשות את הקו בין היסטרי לבין מדויק.דוגמה בולטת היא (FLT:0matheuristicsFLT:1, שבו טכניקות תכנות מתמטיות משמשות לחקור את השכונה של פתרון הירריסטי.לדוגמה, חיפוש שכונה גדול (LNS) עשוי לבחור באופן מצע של מקומות עבודה כדי לתקן באמצעות מפתור MILP, בעוד שאר השאר נשאר דוגמה קבועה של שימוש ב-promepromepromepromepromeproremeremeremeremeremeremeremes.com הוא בדיוק פתרון שיטות.com

אסטרטגיות היברידיות ספציפיות ב Flow Shop Scheduling

« « « ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

אחת האסטרטגיות ההיברידיות המוצלחות ביותר עבור PFSP היא לספק ענף וקשורה לפתרון ראשוני של NEH או metaheuristic.הההסב של פתרון זה הופך לסעיף הראשוני של מחקרים שונים, כי השימוש אפילו אידיוט יכול להפחית את מספר חקר B& B מול 50–90% בהשוואה לאלגוריתם קר.

צמצם את המקרר באמצעות Metaheuristics

בשיטות מדויקות, גבולות נמוכים הם קריטיים עבור ריצה, אבל מחשוב הדוק לעתים קרובות דורש פתרון בעיה רגועה בדיוק - אשר עצמו עשוי להיות יקר. היברידיות יכול להשתמש metaheuristics כמו סימולציה נשימה כדי לחפש את הדוגמה הטובה ביותר האפשרי של הרפיה מוגבלת נתונה. לדוגמה, הגבול התחתון מבוסס על שלטון ג'ונסון עבור שתי מכונות יכול להיות משופר על ידי כמעט פיצול מכונות; הוא יכול ביעילות לחקור אלה פיצולים כדי לייצר פיצול חזק יותר.

חיפוש מקומי עם שכונות Exact

חיפוש מקומי אינטגרטיבי (ILS) שוב ושוב חל על הפרעה ואחריו שיפור מקומי.הצעד לשיפור המקומי ניתן להחליף בשיטה מדויקת החוקרת שכונה גדולה - המכונה FLT:0exact גדול של חיפוש שכונה (LNS)FLT:1 בהקשר זה, המפת המדויק (למשל, מנוע MILP או CP) מקבל פתרון יעיל ולוח הזמנים הטוב ביותר בתוך מערכת הפעלה מוגדרת, בתנאי שהוא מוגדר באופן יעיל, כי הוא מוגדר כגודל של מקומות עבודה מוגבלים.

מבנה ודור טור עם תת-קרקעיות הייסטריות

עבור חנויות גדולות מאוד של זרימה, גישות קידוד כמו Dantzig-Wolfe רפורמה או בנדרס decomposition משמשים לעתים קרובות. subproblem - למשל, בעיה לוח זמנים חד-מכונה - ניתן לפתור בדיוק אם קטן, אבל עבור ספירות מכונה גדולות, הוא יכול ליצור עמודות מבטיחות (schedules עבור כל מכונה) אשר נבחרו על ידי אדן.

היברידיות מבוססות אוכלוסייה: memetic Algorithms

אלגוריתמים (MAs) משלבים חיפושים גלובליים מבוססי אוכלוסייה (למשל, אלגוריתמים גנטיים) עם הזיכוך המקומי של אנשים באמצעות היוריסטים או שיטות מדויקות.עבור חנויות זרימה, MA עשוי להשתמש ב- GA כדי לפתח מוטציות, ולאחר מכן ליישם ציון סניף-ומרכז-ד-גל-מחדש-מחדש-מחדש-המרכז-החיפוש מקומי על חברי האוכלוסייה העליונה.

יישומים ומחקרי מקרים

ייצור: קווי אספה וחנות עבודה

שיטות היברידיות מופצות באופן נרחב ברכב וברכב אלקטרוניקה, שבו מאות משרות עוברות דרך עשרות תחנות.לדוגמה, יצרנית רכב גדולה מיושמת מערכת היברידית אשר תחילה מפעילה NEH שונה כדי לקבוע פעולות של בידוד גוף לבן, ולאחר מכן משתמשת ב- MILP עבור 20% הסופי של לוח הזמנים שבו התערבות רובוטית מתפתלת דורש תיאום מדויק.

לוגיסטיקה ושרשרת אספקה

מתקני קרוס-דוקקינג ומחסנים נבחרים לעתים קרובות לעקוב אחר מבנה חנות זרימה. A מקרה מחקר של ספק לוגיסטיקה אירופאי השתמש היברידית של אלגוריתם הירריסטי של משלוחים קבוצתיים על ידי יעד, ולאחר מכן ליישם ניסוח קצר-פת בדיוק כדי לקבוע את משימות העגינה המפלט.זמן עיבוד ההיברידי למנת 45 דקות עד 10, פגישה עם החלון של שירות רק-in-in-in-in-Service של הלקוח.

מרכז נתונים Scheduling

מרכזי נתונים מודרניים לוחצים על משימות חישוביות (משרות) על צינורות של GPUs ומעבדים מיוחדים - חנות זרימה טבעית. גישה היברידית האחרונה השתמש heistial רב כוכבים לייצר רצפי עבודה ראשוניים, ולאחר מכן ליישם מודל תכנות מעצורים כדי לספק מגבלות כוח קירור תוך צמצום זמן הריצה הכולל.השיט השיג לוח זמנים של 92% איכות (פעמי ⁇ 5%) עבור פחות מ קיבולת גבוהה של מקומות עבודה.

יתרונות משותפים ומסחר

היתרון העיקרי של ההיבריזציה הוא היכולת לייצר פתרונות באיכות גבוהה עבור מקרים גדולים, מורכבים בשבריר מהזמן הנדרש על ידי שיטות מדויקות טהורות. על סטים סטנדרטיים (למשל, 20×20 של Taillard, 50 ×20, 100 ×20), גישות היברידיות להשיג פערים אופטימליים ממוצעים מתחת ל-1% בתוך דקות, בעוד B& טהור;B עשוי לדרוש שעות לא להשלים, לספק בעיות היברידיות כדי לשלב את האפשרות של חומר חיובי, או לשילוב של שימוש ב- לדוגמה, כדי ליצור שימוש ב-i-i-i- לדוגמה, כדי ליצור שימוש ב-iativeativeativeativeativeativeativeativeativeativeity, כדי ליצור מספר שנים.

עם זאת, קיימות שינויים מסחריים.העיצוב של היברידית מורכב יותר: מפתחים חייבים לבחור אילו רכיבים לשלב, כיצד לתקשר נתונים ביניהם, וכאשר לעבור מהתיירות למצבים מדויקים. ⁇ Parameter הופך מאתגר יותר, ואת ראש חישובי של התנגשויות מול שני פותרים שונים (למשל, C++ הוא עתידני ו- Python MILPr) יכול לשלול כמה רווחים מקובלים, אך ורק אם כן, יכול להיות בעל פוטנציאל, אם כן, הוא מסוגל לרוץ עם זאת, עם תרחישים היברידיים מקובלים, אך ורק כדי להתמודד עם זאת, אם כן, אם כן, הוא יכול להיות בעל טווחים, אם כן, אם כן, הוא אפשרי, אם כן, אם כן, הוא הנכון, הוא יכול להיות בעל טווח זה אפשרי, אם כן, אם כן, אם כן, עם זאת, עם זאת, עם זאת, עם זאת, אם כן, עם זאת, עם זאת, עם זאת, עם זאת, עם זאת, עם זאת, עם זאת, הוא יכול להיות בעל טווח נורמלי, עם זאת, עם זאת, הוא יכול להיות בעל טווח נורמלי, אם כן, אם כן, אם כן, אם כן, הוא יכול להיות, עם זאת, הוא יכול להיות מסוגל, אם כן, אם כן, הוא יכול להיות מסוגל, אם כן, אם

כיוונים עתידיים

התקדמות מהירה בלמידה של מכונה (ML) פותחות דרכים חדשות עבור תזמון חנות זרימה היברידית. ML יכול לחזות אילו הוא צפוי לבצע את הטוב ביותר עבור מקרה מסוים, או אפילו ללמוד לייצר שינויים ראשוניים הדומים לוח זמנים כמעט-אופטימיים. Reinforcement Learning כבר הוחל על אופטימיזציה דינאמית אשר אסטרטגיה היברידית (למשל, אלגוריתמים לעומת דיפרנציות) לשימוש בכל כיוון שהוא מבטיח (AQ) הוא יכול לספק אופטימיזציה קלאסית של אלגוריתמים (aOmereatives) כ-A) הוא יכול לספק אלגוריתמים (aOQ) כ-AXL) כ-AOQ) הוא מבטיח אופטימיזציה מתאימה לשילוב זה יכול לספק אלגוריתמים (aOQ) כ-AXLXLXL).

תזמון בזמן אמת עם כניסות עבודה דינמיות והתמוטטות מכונה גם קורא להיברידיות הסתגלות שיכולים לשחזר את הטנוס.ענן פתרונות היברידיים המבוססים על ענן להקצות כוח מחשוב מדויק רק כאשר יש צורך כבר להיות אבטיפוס בתעשייה.

מסקנה

תזמון חנות זרימה נשאר בעיה אופטימיזציה משולבת מאתגרת, אבל גישות היברידיות המשלבות את היוריסטים עם שיטות מדויקות הוכיחו להיות הפתרון המעשי היעיל ביותר. על ידי מינוף המהירות של היוריסטים כדי להנחות חיפוש וכוח של אלגוריתמים מדויקים לחדד פתרונות ולספק גבולות, ההיברידיים האלה להשיג איזון של איכות ויעילות חישובית כי שיטות טהורות לא יכולות להתאים.

(ב) ראו את הסקר ה-FLT:0 (הידוע) של המטא-העתידים ההיברידיים לתזמון קניות על ידי רואיז ומרטורטוטFLT:1, האלגוריתם של ה-NH:2המקוריים של Nwaz, Enscore, and HamFLT 3: and the FLT:4mathe Future המסגרת של Bosch Manetti andzzoF:5eral, 17 , 17 , 17 מדריכים של טקטיקות טקטיקות טקטיקות טקטיקות של טקטיקות טקטיקות טקטיקות טקטיקות טקטיקות טקטיקות טקטיקות טקטיקות טקטיקות טקטיקות .