文献

J-GLOBAL ID：201702278249292490   整理番号：17A1253785

関連の無い並列マシンスケジューリング問題のための学習オートマトンを用いた適応大規模近傍探索【Powered by NICT】

An Adaptive Large Neighborhood Search with Learning Automata for the Unrelated Parallel Machine Scheduling Problem

著者 (4件)： Cota Luciano Perdigao (Graduate Program in Electrical Engineering, Federal University of Minas Gerais, Belo Horizonte, Brazil) ,  Guimaraes Frederico Gadelha (Department of Electrical Engineering, Universidade Federal de Minas Gerais, Belo Horizonte, Brazil) ,  de Oliveira Fernando B. (Department of Computer and Systems, Universidade Federal de Ouro Preto, Joao Monlevade, Brazil) ,  Souza Marcone J. Freitas (Department of Computer Science, Universidade Federal de Ouro Preto, Brazil)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CEC  ページ： 185-192  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本研究では,段取時間による無関連並列機械スケジューリング問題を扱い,メイクスパンを最小化することを目的とした。除去と挿入を用いた発見的方法と方法の確率を適応させる学習オートマトン(LA)を用いた適応大規模近傍探索(ALNS)メタヒューリスティックを提案した。LAで計算可能な関数は,行動を選択するための確率ベクトルを更新する,六--除去および六挿入法に相当した。もハンガリーアルゴリズムに基づく新しい挿入法,部分問題を最適に解くための適用を提案した。提案した方法の性能を検証するために行った計算実験。150ジョブ10マシンまでの問題に関して,文献で利用可能なインスタンスの集合を実験に使用した。提案したLA ALNSを文献からの三の他のアルゴリズムと比較した。結果は,筆者らのアルゴリズムは,実験の定義された条件下でほとんどの場合(88%)における優れた性能を持つことを示唆した。統計的試験もLA ALNSは文献からの他のアルゴリズムよりも優れていることを示唆した。提案した方法は問題の例のための最も適切なヒューリスティックスを選択する自動的に学習オートマトンにおける適応と学習を通したすることができた。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： アルゴリズム ,  *近傍探索法 ,  発見的方法 ,  *並列計算機 ,  ベクトル ,  *スケジューリング
準シソーラス用語： 部分問題 ,  メイクスパン ,  並列機械スケジューリング ,  段取時間 ,  *学習オートマトン , 【Automatic Indexing@JST】

分類 (2件)： 工程管理  (KB03030P) ,  オートマトン理論  (JB04000O)

タイトルに関連する用語 (7件)： 並列マシン ,  スケジューリング ,  問題 ,  学習オートマトン ,  適応 ,  大規模 ,  近傍探索