Планирование одной машины
Планирование одной машины или планирование одного ресурса — это проблема оптимизации в информатике и исследовании операций . Нам даны n заданий J 1 , J 2 , ..., J n с различным временем обработки, которые необходимо запланировать на одной машине таким образом, чтобы оптимизировать определенную цель, например, пропускную способность .
Планирование одной машины — это особый случай планирования идентичных машин , которое само по себе является частным случаем оптимального планирования заданий . Многие задачи, которые вообще являются NP-трудными, могут быть решены за полиномиальное время в одномашинном случае. [1] : 10–20
В стандартной записи с тремя полями для задач оптимального планирования заданий вариант с одной машиной обозначается цифрой 1 в первом поле. Например, « 1|| « — это задача планирования для одной машины без ограничений, цель которой — минимизировать сумму времени завершения.
Задача минимизации makepan 1|| , что является общей целью для нескольких машин, тривиально для одной машины, поскольку период обработки всегда идентичен. Поэтому были изучены другие цели. [2]
Минимизация суммы времени завершения
[ редактировать ]Проблема 1|| направлен на минимизацию суммы времени завершения. Оптимально ее можно решить с помощью правила «Сначала наименьшее время обработки» ( SPT ): задания планируются в порядке возрастания времени их обработки. .
Проблема 1|| Целью является минимизация взвешенной суммы времени завершения. Оптимально ее можно решить с помощью правила взвешенного наименьшего времени обработки ( WSPT ): задания планируются в порядке возрастания соотношения. . [2] : лекция 1, часть 2
Задача 1|цепи| является обобщением описанной выше проблемы для заданий с зависимостями в виде цепочек. Ее также можно оптимально решить с помощью подходящего обобщения WSPT. [2] : лекция 1, часть 3
Минимизация стоимости опозданий
[ редактировать ]Проблема 1|| стремится минимизировать максимальную задержку . Для каждого задания j существует срок выполнения. . Если задание завершено после установленного срока, оно имеет задержку, определяемую как . 1|| может быть оптимально решено с помощью правила «Сначала самый ранний срок выполнения» ( EDD ): задания планируются в порядке возрастания их крайнего срока. . [2] : лекция 2, часть 2
Проблема 1|prec| обобщает 1|| двумя способами: во-первых, он допускает произвольные ограничения приоритета заданий; во-вторых, он позволяет каждому заданию иметь произвольную функцию стоимости hj , которая является функцией времени его завершения (опоздание — это частный случай функции стоимости). Максимальную стоимость можно минимизировать с помощью жадного алгоритма, известного как алгоритм Лоулера . [2] : лекция 2, часть 1
Проблема 1 | | обобщает 1|| позволяя каждому заданию иметь разное время выпуска , к которому оно становится доступным для обработки. Наличие времени выпуска означает, что в некоторых случаях может оказаться оптимальным оставить машину бездействующей, чтобы дождаться важного задания, которое еще не выпущено. Минимизировать максимальную задержку в этом параметре NP-сложно. Но на практике ее можно решить с помощью алгоритма ветвей и границ . [2] : лекция 2, часть 3
Максимизация прибыли от своевременности
[ редактировать ]В настройках со сроками возможно, что, если работа будет завершена к сроку, будет получена прибыль p j . В противном случае прибыли нет. Цель – максимизировать прибыль. Планирование с указанием сроков для одной машины является NP-сложным; Сахни [3] представлены как точные алгоритмы с экспоненциальным временем, так и алгоритм аппроксимации с полиномиальным временем.
Максимизация пропускной способности
[ редактировать ]Проблема 1|| направлена на минимизацию количества опозданий на работу, независимо от количества опозданий. Оптимально ее можно решить с помощью алгоритма Ходжсона-Мура. [4] [2] : лекция 3, часть 1 Это также можно интерпретировать как максимизацию количества работ, выполняемых вовремя; это число называется пропускной способностью .
Проблема 1|| направлен на минимизацию бремени опозданий на работу. Это NP-трудно, поскольку это особый случай, когда все задания имеют одинаковый срок (обозначается 1| | ) эквивалентно задаче о рюкзаке . [2] : лекция 3, часть 2
Проблема 1 | | обобщает 1|| позволяя различным заданиям иметь разное время выпуска . Проблема NP-сложная. Однако, когда длины всех заданий равны, проблему можно решить за полиномиальное время. Имеет несколько вариантов:
- Вариант взвешенной оптимизации, 1| | , можно решить за время . [5]
- Невзвешенный вариант оптимизации, максимизирующий количество заданий, завершающихся вовремя, обозначается 1 | | , можно решить за время с использованием динамического программирования, когда все сроки и сроки выпуска являются целыми числами. [6] [7]
- Вариант решения - решение о том, возможно ли выполнение всех заданных заданий вовремя - может быть решен несколькими алгоритмами: [8] самый быстрый из них бежит вовремя . [9]
Задания могут иметь интервалы выполнения . Для каждого задания j существует время обработки t j и время начала s j , поэтому оно должно выполняться в интервале [ s j , s j +t j ]. Поскольку некоторые интервалы перекрываются, не все работы могут быть выполнены. Цель — максимизировать количество выполненных заданий, то есть пропускную способность . В более общем смысле, каждое задание может иметь несколько возможных интервалов, и каждый интервал может быть связан с различной прибылью. Цель состоит в том, чтобы выбрать не более одного интервала для каждого задания, чтобы общая прибыль была максимальной. Более подробную информацию можно найти на странице планирования интервалов .
В более общем смысле, задания могут иметь временные окна со временем начала и крайними сроками, которые могут превышать продолжительность задания. Каждое задание можно запланировать в любом месте в пределах своего временного окна. Бар-Ной, Бар-Иегуда, Фройнд, Наор и Шибер [10] представим приближение (1- ε )/2.
Работы с непостоянной длиной
[ редактировать ]Рабочие и машины часто устают после работы в течение определенного времени, и это замедляет их выполнение будущих заданий. С другой стороны, рабочие и машины могут научиться работать лучше, и это позволит им быстрее выполнять будущие задания. В обоих случаях длина (время обработки) задания не является постоянной, а зависит от заданий, обработанных до него. В таких условиях даже минимизация максимального времени выполнения становится нетривиальной задачей. Существует два распространенных способа моделирования изменения продолжительности работы.
- Продолжительность задания может зависеть от времени начала задания. [11] Когда длина является слабо возрастающей функцией времени начала, это эффект ухудшения ; когда он слабо убывает, это называется эффектом обучения .
- Длина задания может зависеть от суммы обычного времени обработки ранее обработанных заданий. Когда длина является слабо возрастающей функцией этой суммы, ее часто называют эффектом старения . [12]
Длина на основе времени начала
[ редактировать ]Ченг и Дин изучали минимизацию времени выполнения и минимизацию максимальной задержки, когда фактическая длина задания j, запланированного на момент времени s j, определяется выражением
, где p j — нормальная длина j .
Они доказали следующие результаты:
- Когда задания могут иметь произвольные сроки, проблемы становятся строго NP-сложными за счет сокращения с 3-раздельных ; [13]
- Когда задания могут иметь один из двух крайних сроков, проблемы являются NP-полными за счет сокращения из раздела . [14]
- Когда задания могут иметь произвольные сроки выпуска, проблемы становятся строго NP-сложными за счет уменьшения проблемы с произвольными сроками выполнения. [15]
- Когда задания могут иметь одно из двух времен выпуска: 0 или R, проблемы являются NP-полными. [15]
Кубяк и ван-де-Вельде [16] изучали минимизацию продолжительности рабочего времени, когда утомление начинается только после обычного срока родов d . То есть фактическая длина задания j, запланированного на момент времени s j, определяется выражением
.
Итак, если задание начинается до d , его длина не изменится; если он начинается после d , его длина увеличивается в зависимости от задания. Они показывают, что задача NP-трудна, дают псевдополиномиальный алгоритм, работающий во времени. и предоставить алгоритм ветвей и границ, который решает примеры с количеством заданий до 100 за разумное время. Они также изучают ограниченное ухудшение, когда p j перестает расти, если работа начинается после общей даты максимального ухудшения D > d. Для этого случая они предлагают два алгоритма с псевдополиномиальным временем.
Ченг, Дин и Линь [11] проанализировали несколько исследований эффекта ухудшения, в которых продолжительность задания j, запланированного на момент времени s j, является либо линейной, либо кусочно-линейной, а скорость изменения может быть положительной или отрицательной.
Длина, основанная на сумме времени обработки
[ редактировать ]Эффект старения бывает двух типов:
- В модели старения на основе позиций время обработки задания зависит от количества заданий, обработанных до него, то есть от его положения в последовательности. [17]
- В модели старения, основанной на сумме времени обработки , время обработки задания является слабо возрастающей функцией суммы нормального (= незатронутого старением) времени обработки заданий, обработанных до него. [18]
Деньги, деньги, деньги и деньги [19] Изучена модель старения на основе суммы времени обработки, где время обработки задания j, запланированного в позиции v, определяется выражением
где запланирована ли работа на позиции , а α — «характеристика старения» машины. В этой модели максимальное время обработки перестановки является:
Рудек [20] обобщил модель двумя способами: позволяя усталости отличаться от времени обработки и допуская характеристику старения, зависящую от работы:
Здесь f — возрастающая функция, описывающая зависимость усталости от времени обработки; и α j — характеристика старения работы j . Для этой модели он доказал следующие результаты:
- Минимизация максимального времени завершения и минимизация максимальной задержки решаются за полиномиальное время.
- Минимизация максимального времени завершения и минимизация максимальной задержки являются строго NP-сложной задачей, если у некоторых заданий есть крайние сроки.
См. также
[ редактировать ]Многие методы решения были применены для решения задач планирования одной машины. Некоторые из них перечислены ниже.
Ссылки
[ редактировать ]- ^ Юджин Л. Лоулер, Ян Карел Ленстра, Александр Х. Г. Риннуй Кан, Дэвид Б. Шмойс (1 января 1993 г.). «Глава 9. Последовательность и планирование: алгоритмы и сложность» . Справочники по исследованию операций и науке управления . 4 : 445–522. дои : 10.1016/S0927-0507(05)80189-6 . ISBN 9780444874726 . ISSN 0927-0507 .
{{cite journal}}
: CS1 maint: несколько имен: список авторов ( ссылка ) - ^ Jump up to: а б с д и ж г час Гриншпун, Таль (2020). «Предметы планирования» . www.youtube.com . Проверено 12 сентября 2021 г.
- ^ Сахни, Сартадж К. (1 января 1976 г.). «Алгоритмы планирования независимых задач» . Журнал АКМ . 23 (1): 116–127. дои : 10.1145/321921.321934 . ISSN 0004-5411 . S2CID 10956951 .
- ^ Лоулер, Эл. (1 июля 1994 г.). «Задачи планирования, подобные рюкзаку, алгоритм Мура-Ходжсона и свойство «башни множеств»» . Математическое и компьютерное моделирование . 20 (2): 91–106. дои : 10.1016/0895-7177(94)90209-7 . ISSN 0895-7177 .
- ^ Батист, П. (1999). «Алгоритмы полиномиального времени для минимизации взвешенного количества опоздавших заданий на одной машине с равным временем обработки» . Журнал планирования . 2 (6): 245–252. doi : 10.1002/(SICI)1099-1425(199911/12)2:6<245::AID-JOS28>3.0.CO;2-5 .
- ^ Хробак, Марек; Дюрр, Кристоф; Явор, Войцех; Ковалик, Лукаш; Куровский, Мачей (1 февраля 2006 г.). «Примечание о планировании заданий одинаковой длины для максимизации пропускной способности» . Журнал планирования . 9 (1): 71–73. arXiv : cs/0410046 . дои : 10.1007/s10951-006-5595-4 . ISSN 1099-1425 . S2CID 7359990 .
- ^ Хробак, Марек; Дурр, Кристоф; Явор, Войцех; Ковалик, Лукаш; Куровский, Мацей (12 мая 2021 г.). «Примечание о планировании заданий одинаковой длины для максимизации пропускной способности». arXiv : cs/0410046 .
{{cite journal}}
: Для цитирования журнала требуется|journal=
( помощь ) - ^ Саймонс, Барбара (16 октября 1978 г.). «Быстрый алгоритм однопроцессорного планирования» . Материалы 19-го ежегодного симпозиума по основам информатики . СФКС '78. США: Компьютерное общество IEEE: 246–252. дои : 10.1109/SFCS.1978.4 . S2CID 10284575 .
- ^ Гэри, MR; Джонсон, Д.С.; Саймонс, Б.Б.; Тарьян, Р.Э. (1 мая 1981 г.). «Планирование задач с произвольным временем выпуска и крайними сроками» . SIAM Journal по вычислительной технике . 10 (2): 256–269. дои : 10.1137/0210018 . ISSN 0097-5397 .
- ^ Бар-Ной, Амоц; Бар-Иегуда, Реувен; Фройнд, Ари; (Сеффи) Наор, Джозеф; Шибер, Барух (1 сентября 2001 г.). «Единый подход к распределению ресурсов и планированию» . Журнал АКМ . 48 (5): 1069–1090. дои : 10.1145/502102.502107 . ISSN 0004-5411 . S2CID 12329294 .
- ^ Jump up to: а б Ченг, TC E; Дин, Кью; Лин, Б.М. Т (1 января 2004 г.). «Краткий обзор планирования с учетом времени обработки, зависящего от времени» . Европейский журнал операционных исследований . 152 (1): 1–13. дои : 10.1016/S0377-2217(02)00909-8 . ISSN 0377-2217 .
- ^ Чанг, Пей-Чанн; Чен, Ши-Синь; Мани, В. (1 января 2009 г.). «Примечание о назначении сроков выполнения и планировании одной машины с эффектом обучения/старения» . Международный журнал экономики производства . 117 (1): 142–149. дои : 10.1016/j.ijpe.2008.10.004 . ISSN 0925-5273 .
- ^ Ченг, TCE; Дин, К. (1 июля 1999 г.). «Задача о времени работы машины, зависящая от времени, является строго NP-полной» . Компьютеры и исследования операций . 26 (8): 749–754. дои : 10.1016/S0305-0548(98)00093-8 . ISSN 0305-0548 .
- ^ Ченг, TCE; Дин, К. (1 июня 1998 г.). «Сложность планирования одной машины с двумя разными крайними сроками и одинаковыми темпами сокращения времени обработки» . Компьютеры и математика с приложениями . 35 (12): 95–100. дои : 10.1016/S0898-1221(98)00099-6 . ISSN 0898-1221 .
- ^ Jump up to: а б Ченг, TCE; Дин, К. (29 января 1998 г.). «Сложность планирования запуска задач, зависящих от времени, с учетом времени выпуска» . Письма об обработке информации . 65 (2): 75–79. дои : 10.1016/S0020-0190(97)00195-6 . ISSN 0020-0190 .
- ^ Кубяк, Веслав; ван де Вельде, Стив (август 1998 г.). «Планирование ухудшающихся работ для минимизации времени ремонта» . Логистика военно-морских исследований . 45 (5): 511–523. doi : 10.1002/(SICI)1520-6750(199808)45:5<511::AID-NAV5>3.0.CO;2-6 . ISSN 0894-069X .
- ^ Гавейнович, Станислав (25 марта 1996 г.). «Примечание о планировании на одном процессоре со скоростью, зависящей от количества выполняемых заданий» . Письма об обработке информации . 57 (6): 297–300. дои : 10.1016/0020-0190(96)00021-X . ISSN 0020-0190 .
- ^ Гордон, В.С.; Поттс, Китай; Струсевич В.А.; Уайтхед, доктор юридических наук (1 октября 2008 г.). «Модели планирования одной машины с ухудшением и обучением: обработка ограничений приоритета посредством генерации приоритетов» . Журнал планирования . 11 (5): 357–370. дои : 10.1007/s10951-008-0064-x . ISSN 1099-1425 . S2CID 31422825 .
- ^ Ван, Цзи-Бо; Ван, Ли-Янь; Ван, Дэн; Ван, Сяо-Юань (1 августа 2009 г.). «Одномашинное планирование с ухудшением, зависящим от времени» . Международный журнал передовых производственных технологий . 43 (7): 805–809. дои : 10.1007/s00170-008-1760-6 . ISSN 1433-3015 . S2CID 110043439 .
- ^ Рудек, Радослав (01 марта 2012 г.). «Некоторые проблемы планирования на одной машине с расширенным эффектом старения, основанным на сумме времени обработки» . Международный журнал передовых производственных технологий . 59 (1): 299–309. дои : 10.1007/s00170-011-3481-5 . ISSN 1433-3015 .