The DABC and TLBO Algorithms for Solve Job Shop Scheduling Problem

Abstract

This paper shows use Discrete Artificial Bee Colony (DABC) and Teaching-Learning-Based Optimization (TLBO) algorithms for solving the job shop scheduling problem (JSSP) in order to minimize makespan (Cmax value). The Job Shop Scheduling Problem is one of the most difficult problems as it is classified as an NP-hard one. Stochastic search techniques, such as evolutionary algorithms, are used to find a good solution. Our objective is to estimate efficiency of DABC and TLBO algorithms on many tests of JSSP problems.

Мета дослідження — оцінка ефективності алгоритму DAВС та методу TLBO на багатьох тестах задачі планування роботи цеху. Методи. Для пошуку ефективного рішення використовуються стохастичні методи пошуку, такі як еволюційні алгоритми, з якими порівнюються методи дискретної штучної бджолиної колонії та оптимізації на основі викладання/навчання. Результати. Показано використання алгоритмів дискретної штучної бджолиної колонії та методу оптимізації на основі викладання/навчання для отримання розв'язку задачі календарного планування з метою мінімізації часу виконання (значення Cmax).

Цель исследования — оценка эффективности алгоритма DAВС и метода TLBO на многих тестах задачи планирования работы цеха. Методы. Для поиска эффективного решения используются стохастические методы поиска, такие как эволюционные алгоритмы, с которыми сравниваются методы дискретной искусственной пчелиной колонии и оптимизации на основе преподавания/обучения. Результаты. Показано использование алгоритмов преподавания/обучения для решения задач календарного планирования с критерием минимизации времени выполнения (значения Cmax).