Development of Evolution Algorithm for Shop Scheduling Problem
Loading...
Date
2020-06-25
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Tato diplomová práce je zaměřena na výzkum evolučních algoritmů (EA) v oblasti plánování zakázkové výroby a na vývoj nové strategie za účelem zlepšení výkonu. Sekvenční rovrhovací problem (JSSP) je jedním z nejsložitějších plánovacích problémů a nalezení optimálního řešení je vzhledem ke složitosti velmi obtížné. Byly přezkoumány existující evoluční algoritmy a pro řešení sekvenčního rozvrhovacího problému byl vybrán jeden z široce používaných genetických algoritmů. Pro porovnání efektivnosti EA jsou vygenerovány nejprve Aktivní plány pro pro eta lonové problémy JSSP na základě různých prioritních pravidel . Poté je přezkoumána struktura a hlavní parametry jednoduchého genetického algoritmu (SGA) a na základě toho je v SGA navržena a implementována nová strategie nahrazení (opakovaně použitelná substituční strategie - RSS). Implementace RRS v SGA zlepšuje výsledky a také byl experimentován její dopad na dva různé typy reprezentací chromozomů. Navržený MSGAJO je považován mezi testovanými za nejlepší genetický algoritmus, který dává nejlepší hodnoty promísení pro případy problému JSSP.
This thesis is aimed at research of evolution algorithms (EA) in the field of the shop scheduling problems and to develop a new strategy in order to improve the performance. Job shop scheduling problem (JSSP) is one of the most complex scheduling problem and finding the optimal solution is very difficult due to their complexity. Existing evolution algorithms were reviewed and one of the best and widely used genetic algorithm is selected for solving job shop scheduling problem. Active schedules for JSSP were generated based on various dispatching rules with the help of most used problem instances to compare effectiveness of EA. Then the structure and the major parameters of simple genetic algorithm (SGA) is reviewed and based on that a new strategy for replacement (Reusable Replacement Strategy) is proposed and implemented in the SGA. The implementation of RRS in SGA improves the results and also its impact on two different type of chromosome representations were experimented. The developed MSGAJO is concluded to be the best genetic algorithm among tested to give the best makespan values for the JSSP problem instances.
This thesis is aimed at research of evolution algorithms (EA) in the field of the shop scheduling problems and to develop a new strategy in order to improve the performance. Job shop scheduling problem (JSSP) is one of the most complex scheduling problem and finding the optimal solution is very difficult due to their complexity. Existing evolution algorithms were reviewed and one of the best and widely used genetic algorithm is selected for solving job shop scheduling problem. Active schedules for JSSP were generated based on various dispatching rules with the help of most used problem instances to compare effectiveness of EA. Then the structure and the major parameters of simple genetic algorithm (SGA) is reviewed and based on that a new strategy for replacement (Reusable Replacement Strategy) is proposed and implemented in the SGA. The implementation of RRS in SGA improves the results and also its impact on two different type of chromosome representations were experimented. The developed MSGAJO is concluded to be the best genetic algorithm among tested to give the best makespan values for the JSSP problem instances.
Description
Subject(s)
Jednoduchý genetický algoritmus, plánování pracovních obchodů, dispečerská pravidla, evoluční algoritmy, Simple genetic algorithm, Job shop scheduling, Dispatching rules, Evolution Algorithms