The time-dependent traveling salesman problem and single machine scheduling problems with sequence dependent setup times

Bigras, Louis-Philippe; Gamache, Michel; Savard, Gilles

doi:10.1016/j.disopt.2008.04.001

Cited by 96 publications

(79 citation statements)

References 16 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Table 1 compares the results of different approaches and the best results are shaded. In this table, PRB denotes the instance names and OPT the optimal solution found by the B&B of Bigras et al (2008). These authors have not given information about the execution time of their approach.…”

Section: Computational Results and Discussionmentioning

confidence: 99%

“…Using the similarity of the studied problem with the time-dependent traveling salesman problem (Bigras et al, 2008), the second intensification procedure, noted as IP TSP ,w o r k s like IP TARD but in this case the CBS approach minimizes the makespan. The makespan optimization aims to minimize the setup times and then, in some specific configurations, will give promising solutions under total tardiness optimization otherwise explore a different areas search space.…”

Section: The Collaborative Hybrid Genetic Algorithmmentioning

confidence: 99%

“…It could optimally solve only small instances of benchmark files of 15, 25, 35 and 45 jobs proposed by these authors. Bigras et al (2008) have optimally solved all instances proposed by Rubin & Ragatz (1995) using a Branch and Bound approach with linear programming relaxation bounds. They also demonstrated and used the problem's similarity with the time-dependent traveling salesman problem (TSP).…”

Section: Introductionmentioning

confidence: 99%

See 2 more Smart Citations

Hybrid Genetic Algorithms for the Single Machine Scheduling Problem with Sequence-Dependent Setup Times

Sioud¹,

MarcGravel²,

Gagné³

2012

Real-World Applications of Genetic Algorithms

View full text Add to dashboard Cite

Section: Computational Results and Discussionmentioning

confidence: 99%

Section: The Collaborative Hybrid Genetic Algorithmmentioning

confidence: 99%

Section: Introductionmentioning

confidence: 99%

See 1 more Smart Citation

Hybrid Genetic Algorithms for the Single Machine Scheduling Problem with Sequence-Dependent Setup Times

Sioud¹,

MarcGravel²,

Gagné³

2012

Real-World Applications of Genetic Algorithms

View full text Add to dashboard Cite

“…Les approches exactes, telles la méthode de séparation et d'évaluation (B&B), la programmation dynamique (PD) et la programmation linéaire ont été utilisées par de nombreux chercheurs pour résoudre plusieurs problèmes à machine unique avec temps de réglages dépendants de la séquence en abordant diverses fonctions objectifs [Barnes et Vanston, 1981;Uzsoy et al, 1991;Coleman, 1992;Uzsoy et al, 1992;Ragatz, 1993;Asano et Ohta, 1996;Balakrishnan et ai, 1999;Tan et al, 2000;Rabadi et al, 2004;Bigras et al, 2008]. La revue de la littérature fait état d'un seul article traitant un problème de machine unique avec la programmation par contraintes [Spina et ai, 2003].…”

Section: Complexité Des Problèmes D'ordonnancementunclassified

Approches hybrides pour la résolution d'un problème d'ordonnancement industriel /

Sioud¹

2011

View full text Add to dashboard Cite

11Ill RESUME Dans plusieurs secteurs d'activités industrielles comme la sidérurgie, la métallurgie, la pétrochimie, la papeterie, l'aéronautique, l'industrie de la céramique ou celle de l'automobile, le système de production contient toujours une machine dite goulot d'étranglement {bottleneck) et c'est par cette machine que passe la majorité, voire la totalité, des travaux dans plusieurs des cas. La gestion de cette machine est cruciale pour l'entreprise, car elle est responsable des retards dans la livraison des commandes aux clients. L'ordonnancement des travaux sur cette machine représente une manière d'aborder le problème et de traiter l'ensemble du système de production. De même, c'est à partir du traitement de cette machine qu'il est possible de s'étendre vers des configurations de systèmes de production plus complexes qui sont rencontrées de plus en plus de nos jours. D'un autre côté, plusieurs études ont démontré que plusieurs des travaux en usine, voire la totalité, possèdent des temps de réglages dépendants de la séquence. Les décideurs doivent donc organiser et planifier l'ordonnancement des travaux sur ladite machine en cherchant à minimiser les temps improductifs tout en respectant les différents délais. De plus, ces problèmes étant NP-difficiles, plusieurs travaux dans la littérature les abordent à l'aide de méthodes approchées, telles les métaheuristiques ou à l'aide de méthodes hybrides intégrant des méthodes exactes. Cette thèse s'inscrit dans cette direction de recherche.Nous proposons dans cette thèse plusieurs approches de résolution efficaces pour le problème d'une machine unique (machine-goulot) avec temps de réglages dépendants de la séquence dans le but de minimiser le retard total. Dans un premier temps, nous présentons un algorithme génétique doté d'un nouvel opérateur de croisement qui se veut plus performant que les opérateurs de croisement classique de la littérature. Cela met ainsi en évidence l'importance d'adapter les divers opérateurs génétiques au problème traité. Toutefois, les résultats obtenus démontrent que l'algorithme génétique n'atteint pas encore la performance de certaines approches de résolution contenues dans la littérature. Effectivement, nous avons pu remarquer qu'il manquait un processus d'intensification performant au sein de l'algorithme proposé. Pour remédier à cette lacune, nous explorons une classe de méthodes de résolution qui a montré des avenues très prometteuses au cours de la dernière décennie. En effet, les algorithmes hybrides ont permis d'obtenir des résultats très intéressants dans une grande variété de problèmes. Plusieurs recherches ont introduit l'hybridation de métaheuristiques avec des méthodes exactes. En effet, ce genre d'hybridation peut devenir une alternative très intéressante car, les deux méthodes ont des particularités bien différentes qui peuvent être associées pour produire de meilleurs résultats. C'est ainsi que nous explorons la conception d'algorithmes génétiques hybrides améliorant le processus d'intensification de l'algorithme prop...

show abstract

“…They extended time-dependent travelling salesman problem to single machine scheduling problems with sequence dependent setup times [6]. Ng et al studied a problem of scheduling n jobs in a single machine in batches.…”

Section: Introductionmentioning

confidence: 99%

A Linear Programming Approach for Parallel Cell Scheduling with Sequence-Dependent Setup Times

Yıldız¹,

Özalp²,

Küçükoğlu³

et al. 2014

AJOR

View full text Add to dashboard Cite

In this study, we consider the problem of scheduling a set of jobs with sequence-dependent setup times on a set of parallel production cells. The objective of this study is to minimize the total completion time. We note that total customer demands for each type should be satisfied, and total required production time in each cell cannot exceed the capacity of the cell. This problem is formulated as an integer programming model and an interface is designed to provide integrity between data and software. Mathematical model is tested by both randomly generated data set and realworld data set from a factory that produce automotive components. As a result of this study, the solution which gives the best alternative production schedule is obtained.

show abstract

The time-dependent traveling salesman problem and single machine scheduling problems with sequence dependent setup times

Cited by 96 publications

References 16 publications

Hybrid Genetic Algorithms for the Single Machine Scheduling Problem with Sequence-Dependent Setup Times

Hybrid Genetic Algorithms for the Single Machine Scheduling Problem with Sequence-Dependent Setup Times

Approches hybrides pour la résolution d'un problème d'ordonnancement industriel /

A Linear Programming Approach for Parallel Cell Scheduling with Sequence-Dependent Setup Times

Contact Info

Product

Resources

About