Job_Shop_Scheduling_Benchmark_Environments_and_Instances下載Job_Shop_Scheduling_Benchmark_Environments_and

Job_Shop_Scheduling_Benchmark_Environments_and_Instances

其他類別

1.0.0

下載

車間安排基準：學習和非學習方法的環境和實例

概述：

該存儲庫為各種機器調度問題提供了一個全面的基準測試環境，包括車間時間表（JSP），流店計劃（FSP），靈活的工作室時間表（FJSP），具有彙編約束（FAJSP）的FJSP，具有序列依賴於序列的設置時間（FJSP SETUP TIMES（FJSP-SDST）和在線FJSS）和在線（FJSP）和在線（FJSP）和在線工作。它的目標是成為有興趣解決機器調度挑戰的研究人員，從業者和愛好者的集中式樞紐。

解決方案方法：

存儲庫包括精確的，啟發式和學習的解決方案方法，每種方法與一個或多個機器調度問題變體兼容：

解決方案方法	類型	JSP	fsp	FJSP	FJSP SDST	FAJSP	在線（f）JSP
米爾普	精確的
CP-SAT	精確的
派遣規則	啟發式
遺傳算法	啟發式
FJSP-DRL	DRL
L2D	DRL
丹尼爾	DRL

如何使用：

在這裡，我們提供了一些有關如何在此存儲庫中使用解決方案方法的簡短示例。有關更多詳細信息和更多示例，請參閱此處和此處的教程。

調度規則：

 from solution_methods . dispatching_rules import run_dispatching_rules
from solution_methods . helper_functions import load_job_shop_env , load_parameters

parameters = load_parameters ( "configs/dispatching_rules.toml" )
jobShopEnv = load_job_shop_env ( parameters [ 'instance' ]. get ( 'problem_instance' ))

makespan , jobShopEnv = run_dispatching_rules ( jobShopEnv , ** parameters )

遺傳算法：

 from solution_methods . helper_functions import load_job_shop_env , load_parameters
from solution_methods . GA . run_GA import run_GA
from solution_methods . GA . src . initialization import initialize_run

parameters = load_parameters ( "configs/genetic_algorithm.toml" )
jobShopEnv = load_job_shop_env ( parameters [ 'instance' ]. get ( 'problem_instance' ))

population , toolbox , stats , hof = initialize_run ( jobShopEnv , ** parameters )
makespan , jobShopEnv = run_GA ( jobShopEnv , population , toolbox , stats , hof , ** parameters )

L2D（基於DRL）：

 from solution_methods . L2D . src . run_L2D import run_L2D
from solution_methods . helper_functions import load_job_shop_env , load_parameters
 
parameters = load_parameters ( "configs/L2D.toml" )
jobShopEnv = load_job_shop_env ( parameters [ 'instance' ]. get ( 'problem_instance' ))
makespan , jobShopEnv = run_L2D ( jobShopEnv , ** parameters )

繪圖：

我們提供繪圖功能，以吸引操作和甘特圖表之間的優先級關係，以解決工作室調度問題：

存儲庫結構

該存儲庫的結構可提供易用性和靈活性：

配置：包含解決方案方法的配置文件。
數據：包含針對不同問題變體進行基準測試的問題實例。
數據解析器：用於在調度環境中配置基準測試實例的解析器。
繪圖：包含用於可視化結果的繪圖函數。
調度環境：定義核心環境組件（ job ， operation ， machine和jobShop ）。還包含用於在線工作到達的動態調度問題的simulationEnv 。
解決方案方法：包含解決方案方法，包括精確，啟發式和基於學習的方法。

參考

有關更多詳細信息，請參閱我們的論文。如果您在研究中使用此存儲庫，請考慮引用以下論文：

Reijnen，R.，Van Straaten，K.，Bukhsh，Z。，＆Zhang，Y。（2023）。車間安排基準：學習和非學習方法的環境和實例。 ARXIV預印型ARXIV：2308.12794。 https://doi.org/10.48550/arxiv.2308.12794

或者，使用以下Bibtex條目：

 @article { reijnen2023job ,
  title = { Job Shop Scheduling Benchmark: Environments and Instances for Learning and Non-learning Methods } ,
  author = { Reijnen, Robbert and van Straaten, Kjell and Bukhsh, Zaharah and Zhang, Yingqian } ,
  journal = { arXiv preprint arXiv:2308.12794 } ,
  year = { 2023 }
}