AUTOMATYZACJA PROCESÓW DYSKRETNYCH 2014 Mariusz
Transkrypt
AUTOMATYZACJA PROCESÓW DYSKRETNYCH 2014 Mariusz
AUTOMATYZACJA PROCESÓW DYSKRETNYCH 2014 Mariusz MAKUCHOWSKI Politechnika Wrocławska PROBLEM PRZEPŁYWOWY: PERMUTACYJNY, BEZ CZEKANIA, BEZ PRZESTOJÓW Streszczenie. W pracy porównuje si˛e harmonogramy różnych wariantów problemu przepływowego; problemu permutacyjnego, bez czekania i bez przestojów. Ocenia si˛e wpływ danego ograniczenia na wydłużenie harmonogramu oraz korelacj˛e długości harmonogramów dla wymienionych wariantów. Bada si˛e również efektywność zestawu algorytmów typu wstaw. Do eksperymentów numerycznych wykorzystuje si˛e znane z literatury przykłady testowe. FLOW SHOP PROBLEM: PERMUTATION, NO-WAIT, NO-IDLE Summary. The paper compares the schedules of different variants of the flow shop problem, namely permutation, no waiting and no idle flow shop problems. It assesses the impact of the constraints on the extension of the schedules and on correlations of the length of the schedules for these variants. It also examines the effectiveness of a set of insert type algorithms. The efficiency of the algorithms is tested on well–known literature benchmarks. 1. Wst˛ep Problem przepływowy jest sztandarowym problemem w teorii szeregowania zadań. Od kilkudziesi˛eciu lat cieszy si˛e on dużym zainteresowaniem zarówno ze strony teoretyków jak i praktyków. Modeluje on wiele rzeczywistych systemów przemysłowych np. taśmowe linie produkcyjne. W ogólnym problemie przepływowym należy wykonać określona˛ liczb˛e zadań produkcyjnych. Maszyny ustawione sa˛ w tzw. ciagu ˛ technologicznym a każda maszyna odpowiedzialna jest za wykonanie określonego etapu produkcyjnego. Zadania wykonywane sa˛ na wszystkich maszynach, przy czym marszruta technologiczna (kolejność odwiedzania maszyn przez zadanie) jest identyczna dla wszystkich zadań. Harmonogramowanie zadań w systemie przepływowym polega na wyznaczeniu dopuszczalnych momentów rozpocz˛ecia i zakończenia wykonywania wszystkich z zadań na poszczególnych maszynach. Celem optymalizacji jest wybranie takiego harmonogramu aby był on najlepszy w sensie zadanego kryterium. Spośród istniejacych ˛ kryteriów jednym z najcz˛eściej badanych jest kryterium minimalizacji długości harmonogramu, czyli minimalizacji czasu zakończenia realizacji wszystkich zadań. Harmonogram w którym kolejność wykonywania zadań na każdej z maszyn jest jednakowa, nazywany jest harmonogramem permutacyjnym. Czasami pomimo, iż produkcja pozwala na wykonywanie harmonogramów niepermutracyjnych, to nakłada si˛e sztuczne ograniczenie aby rozwiazanie ˛ było rozwiazaniem ˛ permutacyjnym. Post˛epowa- M.Makuchowski nie takie posiada zalety w postaci zmniejszenia przestrzeni rozwiazań ˛ oraz zwi˛ekszenia efektywności pracy algorytmów. Niestety w niektórych przypadkach instancji założenie te pozbawia nas możliwości znalezienia rozwiazania ˛ optymalnego. 2. Model matematyczny Dany jest zbiór n zadań J = {1, 2, . . . , n} oraz zbiór m maszyn M = {1, 2, . . . , m}. Każde zadanie j ∈ J ma być wykonane kolejno na maszynie, w kolejności zgodnej z numeracja˛ maszyn. Proces wykonywania zadania j ∈ J na maszynie l ∈ M nazywamy operacja˛ i notujemy jako par˛e (j, l). Dla każdej operacji (j, l) dany jest pj,l > 0 czas jej realizacji. Podstawowe założenia dotyczace ˛ produkcji to: (i) operacje wykonuje si˛e bez przerw, (ii) maszyna może wykonywać co najwyżej jedna˛ operacj˛e w danym momencie, (iii) nie można równocześnie wykonywać kilku operacji tego samego zadania. Harmonogramem dopuszczalnym nazywamy S(j, l) momenty rozpocz˛ecia i/lub C(j, l) momenty zakończenia wykonywania operacji (j, l), l ∈ M , j ∈ J spełniajac ˛ a˛ wszystkie wymienione powyżej ograniczenia. Pomi˛edzy momentami rozpocz˛ecia i zakończenia każdej z operacji zachodzi: C(j, l) = S(j, l) + pj,l . Dla każdego dopuszczalnego harmonogramu można wyznaczyć funkcj˛e jego oceny. W niniejszej pracy rozpatrywane kryterium to Cmax moment wykonania wszystkich operacji; Cmax = maxj∈J C(j, m). Problem polega na znalezieniu harmonogramu dopuszczalnego minimalizujacego ˛ wybrane kryterium. 2.1. Przypadki szczególne problemu przepływowego Uwzgl˛ednienie dodatkowych założeń odnośnie produkcji, powoduje nałożenie dodatkowych wymagań (ograniczeń) wzgl˛edem poszukiwanego harmonogramu. Ze wzgl˛edu na dodatkowe ograniczenia problem przepływowy tworzy nowe szczególne przypadki. W niniejszej pracy porównywać b˛edziemy ze soba˛ trzy przypadki szczególne: • permutacyjny problem przepływowym (ang. permutation flow shop problem) - w którym wymaga si˛e aby kolejność wykonywania zadań na wszystkich maszynach była jednakowa, [4, 5]; • problem przepływowy bez czekania (ang. no-wait flow shop problem) - w którym żada ˛ si˛e aby rozpocz˛ecie wykonywania danego zadania na kolejnej maszynie rozpoczynało si˛e bezzwłocznie po zakończeniu obróbki na maszynie wcześniejszej, [6, 9]; • (permutacyjny) problem przepływowym bez przestojów (ang. no-idle flow shop problem) - żada ˛ si˛e, aby każda z maszyn pracowała bez przestoju, [2, 8]. Kolejne wymienione problemy w notacji Grahama [3] oznacza si˛e jako F ∗ ||Cmax , F |no−wait|Cmax i F |no−idle|Cmax . Własności problemu bez czekania wymuszaja,˛ iż rozwiazanie ˛ dopuszczalne jest z definicji rozwiazaniem ˛ permutacyjnym. Przeciwnie, samo ograniczenie bez przestojów nie wymusza permutacyjnego charakteru harmonogramu. Jednakże, w dalszej cz˛eści pracy odnoszac ˛ si˛e do rozwiazań ˛ bez przestojów, b˛edziemy mieli na uwadze wyłacznie ˛ permutacyjne harmonogramy bez przestojów. Najcz˛eściej dodatkowe ograniczenia bez czekania i bez przestojów wydłużaja˛ harmonogram, lecz nie jest to reguła.˛ Inne bardzo ciekawe własności powyższych problemów opisane Problem przepływowy: permutacyjny, bez czekania, bez przestojów Harmonogram permutacyjny maszyna 1 J1 J2 J3 J1 maszyna 2 J2 J3 J1 maszyna 3 J2 J3 Harmonogram z ograniczeniem bez czekania maszyna 1 J1 J2 J3 J1 maszyna 2 J2 J3 J1 maszyna 3 J2 J3 Harmonogram z ograniczeniem bez przestojów maszyna 1 J1 J2 J3 J1 maszyna 2 J2 J3 J1 maszyna 3 J2 J3 Rys. 1. Harmonogramy problemu przepływowego z dodatkowymi ograniczeniami sa˛ w pracy [1]. Przykładowe harmonogramy analizowanych problemów przedstawione zostały na rys. 1. 2.2. Model perutacyjno–grafowy W każdym z wymienionych powyżej przypadków, dopuszczalny harmonogram może być jednoznacznie zdefiniowany przez sekwencj˛e wykonywania zadań. Dlatego wygodnie jest stosować model permutacyjno–grafowy, w którym zmienna˛ decyzyjna˛ jest permutacja π zbioru zdań J; π = (π(1), π(2), . . . , π(n)). Zbiór wszystkich możliwych permutacji oznaczamy przez Π. Wartościa˛ kryterium jest długość najdłuższej ścieżki w skierowanym grafie: G(π) = (J × M, E T ∪ E K (π)). (1) Wierzchołek (j, l), j ∈ J, l ∈ M reprezentuje operacj˛e (j, l) i ma obcia˛żenie pj,l . Zbiór nieobcia˛żonych łuków E T reprezentuje zbiór ograniczeń technologicznych; T E = m n [ [ j∈J l=2 (j, l − 1), (j, l) o . (2) M.Makuchowski a) ··· zadanie π(1) zadanie π(n) maszyna 1 π(1), 1 π(2), 1 ··· π(n),1 maszyna 2 π(1), 2 π(2), 2 ··· π(n),2 .. . .. . .. . maszyna m π(1), m π(2), m b) .. . ··· π(n), m N I1 c) π(1), 1 π(2), 1 ··· π(n),1 π(1), 1 π(2), 1 ··· π(n),1 π(1), 2 π(2), 2 ··· π(n),2 π(1), 2 π(2), 2 ··· π(n),2 .. . .. . π(n), m π(1), m N Wπ(1) N Wπ(n) .. . .. . π(1), m π(2), m ··· .. . NI m π(2), m .. . ··· π(n), m Rys. 2. Modele grafowe harmonogramów: a) permutacyjny, b) z ograniczeniem bez czekania, c) permutacyjny z ograniczeniem bez postojów Zbiór nieobcia˛żonych łuków E K (π) reprezentuje ograniczenia kolejnościowe wynikajace ˛ z przyj˛etej kolejności wykonywania zadań; K E (π) = n [ n [ (π(i − 1), l), (π(i), l) o . (3) i=2 l∈M Graf G(π) dla permutacyjnego problemu przepływowego przedstawiony jest na rys. 2a. Ponieważ długość najdłuższej ścieżki w grafie G(π) oznaczonej przez Cmax (π) równa si˛e momentowi wykonania wszystkich zadań, analizowany problem sprowadza si˛e do znalezienia π ∗ ∈ arg min Cmax (π). (4) π∈Π W przypadku uwzgl˛edniania dodatkowego ograniczenia bez-czekania, najwygodniej jest transformować analizowany problem do asymetrycznego problemu komiwojażera [10]. Jednakże można także uwzgl˛ednić ograniczenie bez czekania dodajac ˛ do Problem przepływowy: permutacyjny, bez czekania, bez przestojów grafu G(π) zbiór obcia˛żonych łuków ENW = [ n (j, m), (j, 1) o . (5) j∈J Łuk łacz ˛ acy ˛ ostatnia˛ i pierwsza˛ operacj˛e zadania j ∈ J jest obcia˛żony ujemna˛ suma˛ trwania wszystkich operacji tego zadania; N Wj = − X pj,l . (6) l∈M Graf reprezentujacy ˛ rozwiazanie ˛ π problemu z ograniczeniem bez czekania przedstawiony jest na rys.2b. W przypadku gdy uwzgl˛edni si˛e ograniczenie bez przestojów, model grafowy należy rozbudować o zbiór obcia˛żonych łuków: ENI = [ n (π(n), l), (π(1), l) o . (7) l∈M Graf reprezentujacy ˛ sekwencje zadań π z ograniczeniem bez przestojów przedstawiony jest narys.2c. Łuk łacz ˛ acy ˛ ostatnia˛ i pierwsza˛ operacje wykonywana˛ na maszynie l ∈ M obcia˛żony jest suma˛ czasów trwania operacji wykonywanych na tej maszynie; N Il = − X pj,l . (8) j∈J W modelach permutacyjno–grafowych analizowanych problemów wyst˛epuja˛ pewne podobieństwa. Struktura grafu prezentujacego ˛ harmonogram z ograniczeniem bez czekania jest taka sama jak struktura grafu harmonogramu permutacyjnego z ograniczeniem bez przestojów; rys.2. Majac ˛ tylko sam graf reprezentujacy ˛ jedno z wymienionych uszeregowań, (przy niewidocznych nazwach wierzchołków) nie w sposób jest rozpoznać, który z harmonogramów jest modelowany. Mimo podobieństwa grafów modelujacych ˛ rozwia˛ zania, właściwości omawianych problemów sa˛ różne. Różnica wynika w zmianach jakie nast˛epuja˛ w grafach dla różnych permutacji zadań π ∈ Π. Problem z ograniczeniem bez czekania byłby równoważny permutacyjnemu problemowi bez przestojów gdyby była ustalona kolejność wykonywania zadań, a zmienna˛ decyzyjna˛ była by sekwencja maszyn. Podobnie, gdyby w permutacyjnym problemie bez przestojów należało wybrać sekwencj˛e maszyn a kolejności zadań była by ustalona to odpowiadało by to dokładnie zagadnieniu bez czekania. Różnica w omawianych problemach widoczna jest także w akceleracji obliczania wartości funkcji celu dla kolejności zadań π ∈ Π. W przypadku ograniczenia bez czekania można dokonać wst˛epnych obliczeń (o złożoności obliczeniowej O(mn2 )) wyznaczajac ˛ przyrost długości harmonogramu dla każdej pary zadań. Nast˛epnie wyznaczenie długości harmonogramu polega na wyznaczeniu sumy przyrostów odpowiednich wartości każdej pary sasiednich ˛ zadań w permutacji π. Złożoność obliczenia wyznaczenia długości harmonogramu (nie uwzgl˛edniajac ˛ jednorazowych obliczeń wst˛epnych) wynosi w tym przypadku O(n). Podobnej akceleracji nie można zastosować w przypadku ograniczenia bez postoju, dla którego złożoność wyznaczenia długości harmonogramu wynosi O(nm). 3. Badania eksperymentalne W niniejszej cz˛eści przebadany zostanie wpływ dodatkowych ograniczeń typu bez czekania, oraz bez przestoju na długość harmonogramu. Badania podzielone zostały na trzy cz˛eści w których porównywano kolejno: M.Makuchowski Tabela 1 Średnia długość wzgl˛edna losowych harmonogramów Typ harmonogramu Grupa instancji n×m Permutacyjny Bez czekania Bez przestojów Fmin Favg Fmax Fdev Fmin Favg Fmax Fdev Fmin Favg Fmax Fdev 20 × 5 20 × 10 20 × 20 50 × 5 50 × 10 50 × 20 100 × 5 100 × 10 100 × 20 200 × 10 200 × 20 500 × 20 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.17 1.16 1.12 1.11 1.11 1.10 1.09 1.08 1.07 1.06 1.05 1.04 1.40 1.35 1.26 1.27 1.25 1.21 1.21 1.19 1.16 1.14 1.12 1.08 0.055 0.047 0.035 0.037 0.033 0.027 0.028 0.025 0.020 0.018 0.016 0.011 1.35 1.45 1.47 1.53 1.75 1.93 1.64 1.94 2.22 2.10 2.50 2.81 1.61 1.73 1.75 1.71 1.97 2.18 1.78 2.11 2.42 2.22 2.66 2.92 1.84 1.98 2.00 1.87 2.16 2.40 1.90 2.27 2.61 2.34 2.80 3.02 0.067 0.075 0.076 0.046 0.056 0.064 0.033 0.042 0.050 0.031 0.039 0.027 1.10 1.26 1.50 1.08 1.19 1.50 1.05 1.19 1.42 1.14 1.33 1.22 1.28 1.47 1.71 1.21 1.36 1.69 1.15 1.31 1.58 1.23 1.45 1.31 1.52 1.76 1.96 1.39 1.56 1.92 1.29 1.49 1.78 1.37 1.60 1.42 0.058 0.068 0.061 0.042 0.051 0.056 0.032 0.038 0.046 0.029 0.037 0.026 Wszystko 1.00 1.10 1.22 0.029 1.89 2.09 2.27 0.050 1.25 1.40 1.59 0.045 • wpływ dodatkowych ograniczeń na średnia˛ długości harmonogramu; • korelacja długości rozwiazań ˛ problemów przepływowych z dodatkowymi ograniczeniami; • jakość generowanych rozwiazań ˛ generowanych dedykowanymi algorytmami typu wstaw. Badania przeprowadzone zostały na znanych literaturowych 120 przykładach zaproponowanych w pracy [7]. Przykłady te podzielone sa˛ na 12 grup po 10 instancji. Grupy różnia˛ si˛e rozmiarem instancji, tj liczba˛ zadań n i/lub liczba˛ maszyn m. Każda grupa identyfikowana jest para˛ n × m. 3.1. Średnia długość harmonogramów Badaniu poddany został wpływ dodatkowych ograniczeń w problemie przepływowym na średnie długości harmonogramów w poszczególnych grupach instancji. Dla każdej z instancji problemu wyznaczono zestaw k = 10 000 pseudolosowych sekwencji wykonywania zadań. Nast˛epnie na ich podstawie wyznaczono 3 zestawy harmonogramów dla problemów przepływowych: permutacyjnego, z ograniczeniem bez czekania i ograniczeniem bez przestojów. Dokładniej, dla każdej sekwencji stworzono odpowiednio po jednym harmonogramie danego typu. Sekwencj˛e długości harmonogramów permutacyjnych oznaczyliśmy przez X = (x1 , x2 , . . . , xk ),sekwencj˛e długości harmonogramów z ograniczeniem bez czekania jako ciag ˛ Y = (y1 , y2 , . . . , yk ),a sekwencj˛e długości harmonogramów z ograniczeniem bez przestojów jako ciag ˛ Z = (z1 , z2 , . . . , zk ). Nast˛epnie wyznaczono referencyjna˛ długość jako długość najkrótszego wygenerowanego harmonogramu permutacyjnego; ref = mini=1,...,k xi . Dla każdego z harmonogramów wyznaczono F wzgl˛edna˛ długość harmonogramu w stosunku do wartości referencyjnej ref . Dla każdej z instancji i każdego ograniczenia, dysponujac ˛ zestawem wzgl˛ed- Problem przepływowy: permutacyjny, bez czekania, bez przestojów Tabela 2 Korelacje wzgl˛ednych długości harmonogramów Typ harmonogramu: X - prermutacyjny; Y - bez czekania; Z -bez postoju n×m CorrXY CorrXZ CorrY Z n×m CorrXY CorrXZ CorrY Z 20 × 5 20 × 10 20 × 20 50 × 5 50 × 10 50 × 20 0.19 0.19 0.12 0.11 0.08 0.07 0.64 0.40 0.22 0.62 0.41 0.20 0.20 0.14 0.12 0.10 0.06 0.05 100 × 5 100 × 10 100 × 20 200 × 10 200 × 20 500 × 20 0.07 0.05 0.03 0.02 0.01 0.01 0.65 0.37 0.22 0.39 0.24 0.24 0.06 0.04 0.02 0.02 0.01 0.00 Wszystko 0.08 0.38 0.07 — — — — y z z x x y Rys. 3. Wizualizacja korelacji przeskalowanych długości: x harmonogramów permutacyjnych, y harmonogramów bez czekania i z harmonogramów bez przestojów nych długości, wyznaczono kolejno: Fmin minimalna,˛ Favg średnia,˛ Fmax maksymalna˛ wzgl˛edna˛ długość, oraz Fdev jej odchylenie standardowe. Uśrednione, dla każdej grupy, wartości powyższych parametrów zawarte zostały w tabeli 1. 3.2. Korelacja długości harmonogramów Badaniu poddana została korelacja pomi˛edzy długościami harmonogramów permutacyjnych, bez czekania i bez postojów. W tej cz˛eści testu wykorzystano zestawy wzgl˛ednych długości harmonogramów uzyskanych w wcześniejszym eksperymencie. Dla każdej instancji, na podstawie ciagów ˛ X, Y i Z wzgl˛ednych długości harmonogramów wyliczono korelacje pomi˛edzy nimi. Uśrednione wyniki dla każdej z grup przedstawiono w tabeli 2. Długości harmonogramów z dwoma różnymi ograniczeniami stworzonymi dla tej samej sekwencji zadań tworza˛ par˛e liczb która˛ można zaznaczyć na wykresie punktem. Uwzgl˛ednienie całej serii punktów, generuje zbiór punktów w postaci chmury. W artykule zostały zamieszczone wykresy korelacji dla jednej instancji. Instancja ta(62-instancja Taillarda) z grupy 100 × 5 charakteryzuje si˛e najwi˛eksza˛ wartościa˛ korelacji powyżej 0.7, uzyskana˛ pomi˛edzy Z długościami harmonogramów bez przestojów a X długościami harmonogramów permutacyjnych. W przypadku pozostałych instancji, korelacje maja˛ mniejsze wartości, a wykresy przybieraja˛ podobny charakter, lecz sa˛ bardziej rozmyte. M.Makuchowski Tabela 3 Średnia długość wzgl˛edna harmonogramów otrzymanych algorytmami klasy N EH Typ harmonogramu Grupa instancji Permutacyjny Bez czekania Bez przestojów n×m N EH N EH N W 20 × 5 20 × 10 20 × 20 50 × 5 50 × 10 50 × 20 100 × 5 100 × 10 100 × 20 200 × 10 200 × 20 500 × 20 0.96 0.95 0.95 0.95 0.91 0.92 0.96 0.92 0.90 0.93 0.90 0.91 1.02 1.05 1.04 1.01 1.03 1.03 1.00 1.02 1.04 1.01 1.01 1.03 1.13 1.13 1.13 1.11 1.11 1.10 1.09 1.07 1.06 1.05 1.05 1.04 1.40 1.58 1.66 1.49 1.80 2.06 1.49 1.84 2.28 1.92 2.47 2.66 1.18 1.23 1.26 1.22 1.32 1.44 1.23 1.37 1.52 1.41 1.62 1.69 1.43 1.55 1.56 1.51 1.70 1.86 1.56 1.79 2.01 1.89 2.22 2.41 1.11 1.30 1.61 1.07 1.18 1.56 1.04 1.17 1.44 1.10 1.31 1.17 1.16 1.34 1.66 1.12 1.29 1.62 1.07 1.27 1.56 1.19 1.40 1.30 1.23 1.44 1.65 1.20 1.34 1.65 1.15 1.31 1.56 1.23 1.42 1.33 Wszystko 0.93 1.02 1.09 1.89 1.37 1.79 1.26 1.33 1.38 N EH N I N EH N EH N W N EH N I N EH N EH N W N EH N I 3.3. Algorytmy typu wstaw Algorytm typu wstaw, N EH [4] jest dedykowanym algorytmem konstrukcyjnym dla permutacyjnego problemu przepływowego z kryterium b˛edacym ˛ momentem zakończenia wykonywana wszystkich zadań. Ogólnie piszac ˛ algorytm N EH działa iteracyjnie, tzn w każdym kroku iteracji umieszcza w budowanym harmonogramie kolejne zadanie. Posługujac ˛ si˛e modelem permutacyjno–grafowymdo, można powiedzieć, że do cz˛eściowej sekwencji zadań dodawany jest numer kolejno szeregowanego zadania. Dokładny opis algorytmu bazujacy ˛ na wymienionym modelu przedstawiony jest w pracy [5]. Miejsce dokładanego zadania wybierane jest jako najlepsze z dost˛epnych pozycji. Kryterium oceny jakości miejsca jest takie same jak kryterium rozwiazywanego ˛ problemu. Dokładniej, w k-tym kroku kolejne zadanie można umieścić w k pozycjach. Tworzonych jest wi˛ec k próbnych harmonogramów analizujacych ˛ każde możliwe włożenie zadania. Najlepszy z tych harmonogramów wyznacza szukana˛ pozycj˛e dla dodawanego zadania. Ponieważ, analizujemy trzy przypadki problemu przepływowego z różnymi ograniczeniami, automatycznie generuje to trzy wersje algorytmu N EH, N EH N W i N EH N I . Poszczególne wersje różnia˛ si˛e mi˛edzy soba˛ tworzonymi cz˛eściowymi harmonogramami. Klasyczny algorytm N EH ocenia cz˛eściowe sekwencje na podstawie długości permutacyjnego harmonogramu. Analogicznie algorytmy N EH N W i N EH N I oceniaja˛ cz˛eściowe sekwencje zadań na podstawie długości harmonogramów z ograniczeniami bez czekania i bez przestojów. Załóżmy, iż ostatecznym wynikiem działania każdego z omówionych algorytmów nie jest harmonogram lecz sekwencja wykonywania zadań. Wtedy, dla każdej sekwencji odpowiadaja˛ harmonogramy z narzuconymi ograniczeniami (harmonogram permutacyjny, bez czekania i permutacyjny bez przestojów). Oznacza to iż, dla każdego z analizowanych problemów można zastosowań każdy z wariantów algorytmu N EH. Badania polegały na wygenerowaniu dla każdej instancji 3 sekwencji Problem przepływowy: permutacyjny, bez czekania, bez przestojów wykonywania zadań, przy pomocy algorytmów N EH, N EH N W i N EH N I . Nast˛epnie wyznaczono po 3 harmonogramy dla każdego z analizowanych problemów (łacznie ˛ 9 harmonogramów dla danej instancji). Wyznaczono długości wzgl˛edne (wzgl˛edem rozwiazania ˛ referencyjnego z pierwszego testu) każdego z otrzymanych rozwiazań. ˛ Uśrednione długości harmonogramów z analizowanymi ograniczeniami otrzymane każda˛ z wersji algorytmu zawarte sa˛ w tabeli 3. 4. Podsumowanie Porównujac ˛ modele grafowe ograniczenia bez czekania i bez przestojów, można spodziewać si˛e iż, każde z tych ograniczeń w podobny sposób b˛edzie wydłużać harmonogram produkcji. Badania numeryczne potwierdzaja˛ przypuszczenia. Widoczne jest to na przykładach w których liczba maszyn jest taka sama jak liczba zadań. Przy braku symetrii, gdy liczba zadań przewyższa liczb˛e maszyn ograniczenie bez czekania powoduje znacznie wi˛ekszy wzrost długości harmonogramu w stosunku wzrostu długości wywołanego ograniczeniem bez przestojów. Badania wykazały, znaczac ˛ a˛ różnic˛e w przypadku analizy korelacji długości harmonogramów różnych typów. Jedyna istotna korelacja długości uszeregowania wyst˛epuje pomi˛edzy długościa˛ rozwiazania ˛ bez ograniczenia i z ograniczeniem bez przestojów. Nawet w przypadku instancji o rozmiarze 20 × 20 istotna korelacja wyst˛epuje tylko pomi˛edzy tymi typami harmonogramów. Ograniczenie typu bez przestojów bardzo utrudnia konstrukcj˛e efektywnego algorytmu typu wstaw. Dzieje si˛e tak dlatego, iż dodanie kolejnego zadania w dowolne miejsce cz˛eściowego rozwiazania ˛ zaburza cały harmonogram. Nawet w przypadku dodania zadania na końcu uszeregowania nast˛epuja˛ zmiany momentów rozpocz˛ecia operacji od poczatkowych ˛ fragmentów harmonogramu. W przypadku pozostałych analizowanych problemów takie zjawisko nie wyst˛epuje. W przypadku problemu z ograniczeniem bez przestojów badania numeryczne potwierdziły niska˛ efektywność algorytmu typy wstaw. Dla tego problemu algorytm N EH N I daje rozwiazania ˛ średnio o 10% gorsze niż algorytm wybierajacy ˛ najlepsze rozwiazanie ˛ z 10 tysi˛ecy losowych harmonogramów. Analogiczne algorytmy w przypadku problemu permutacyjnego i problemu z ograniczenim bez czekania dostarczaja˛ rozwiazania ˛ odpowiednio o 7% i o 28% lepsze niż analogiczny algorytm losowy. Wykorzystujac ˛ istnienie istotnej korelacji pomi˛edzy jakościa˛ rozwiazania ˛ permutacyjnego i bez przestojów, proponuje si˛e aby drugi z problemów rozwiazać ˛ algorytmem dedykowanym dla problemu pierwszego. Nast˛epnie na otrzymane rozwiazanie ˛ nałożyć ograniczenia problemu drugiego. W ten sposób uzyskano rozwiazania ˛ problemu bez przestojów klasycznym algorytmem N EH. Jakość otrzymanych rozwiazań ˛ jest lepsza o około 10% lepsza niż w przypadku zastosowania algorytm dedykowanego N EH N W i jest na poziomie najlepszego z 10 tysi˛ecy rozwiazań ˛ losowych. LITERATURA 1. Frits C.R. Spieksma, Gerhard J. Woeginger, The no-wait flow-shop paradox, Operations Research Letters, vol. 33(6), 2005, str. 603–608. M.Makuchowski 2. Goncharov Y., Sevastyanov S., The flow shop problem with no-idle constraints: A review and approximation, European Journal of Operational Research, vol. 196(2), 2009, str. 450–456. 3. Graham R., Lawler E., Lenstra J., Rinnooy Kan A.: Optimization and approximation in deterministic sequencing and scheduling: a survey, Annals of Discrete Mathematics, vol. 5, 1979, str. 287–326. 4. Nawaz M, Enscore Jr. EE, Ham I. A heuristic algorithm for the m-machine, n-job flow-shop sequencing problem. The International Journal of Management Science, vol 11, 1983, str. 91–96. 5. Nowicki E., Makuchowski M., Metoda wstawień w klasycznych problemach szeregowania. Cześć I. Problem przepływowy. Komputerowo Zintegrowane Zarza˛ dzanie, Tom II, WNT Warszawa 2001, str. 113–122. 6. Röck, H., The Three-Machine No-Wait Flow Shop is NP-Complete, Journal of Association for Computing Machinery, vol. 31(2), 1984, str. 336–345. 7. Taillard E.: Benchmarks for basic scheduling problems, European Journal of Operational Research, vol. 64, 1993, str. 278–285. 8. Saadani N., Guinet A., Moalla M., 2005. A travelling salesman approach to solve the F/no-idle/Cmax problem, European Journal of Operational Research, Elsevier, vol. 161(1), str. 11–20. 9. Sviridenko, M., Makespan Minimization in No-Wait Flow Shops: A Polynomial Time Approximation Scheme, Journal on Discrete Mathematics, vol. 16(2), 2003, str. 313–322. 10. Wismer D.A., Solution of the flow shop scheduling problem with no intermediate queues, Operational Research, vol. 20, 1972, str. 689–697.