Discrete particle swarm optimization and differential evolution algorithms for flow shop scheduling problems

Abstract

Bu çalışmada akış tipi atölyelerdeki işlerin toplam tamamlanma sürelerini minimize etmeye çalıştım. Toplam tamamlanma süresi işlerin bitiş zamanını gösteren performans kriteridir. Sürü parçacık optimizasyonu ve ayırtedici evrimsel algoritması akış tipi atölyelerdeki gibi kombinatoryel optimization problemlerini çözmek için kullanılan sezgisel yöntemlerdir. Bu iki farklı yöntem, akış tipi çizelgeleme problemleri için toplam tamamlanma süresini minimize etme kriteri altında önerildi. Algoritmalarda Taillard veri setinin işlem süreleri kullanıldı. Her bir algoritmanın işlemci süreleri ve performans değerleri hesapları elde edildi. Her iki algoritmanın m makinadaki en optimal iş sıralamasındaki performansları karşılaştırıldı. Yapılan deneylerde SPPSO ve DDE algoritmaları, PSO ve DPSO algoritmalarına karşın daha iyi sonuçlar vermiştir.

In this study, I tried to minimize the makespan of jobs in flow shops. The makespan criterion is a measure for total completion time of all jobs. Particle Swarm Optimization and Differential Evolution algorithms are heuristic methods used for solving combinatorial optimization problems like flow shop scheduling problems. These two different methods are proposed for the flow shop scheduling problem with minimizing makespan criterion. The algorithms are implemented using the processing time of Taillard benchmark data sets. The computational results are obtained to evaluate the fitness and cpu time for each algorithm. The performances of both algorithms to find optimal processing sequence for the jobs through m machines are compared. It is concluded from the experiments that SPPSO and DDE algorithms performed better results to compare PSO and DPSO algorithms.