Coke production scheduling problem: A parallel machine scheduling with batch preprocessings and location-dependent processing times
Coke production scheduling problem: A parallel machine scheduling with batch preprocessings and location-dependent processing times
复制标题
焦炭生产调度问题：具有批量预处理和位置相关处理时间的并行机器调度
DOI：
10.1016/j.cor.2018.12.002
复制
发表时间：
2019-04
影响因子：
4.6
通讯作者：
Chengbin Chu
中科院分区：
文献类型：
--
作者：
Ming Liu;Feng Chu;Junkai He;Dapeng Yang;Chengbin Chu
针对一个新提出的焦炭生产调度问题，建立了一个整数规划模型，考虑了两个典型特征：（1）车辆运输原煤引起批量预处理;（2）在温度影响下，相邻焦炉对原煤的加热可能延长焦炭的加工时间。据我们所知，这种地理位置依赖的处理时间还没有被研究。目的是最小化所有炉中最后一个焦炭的完成时间，即，makespan。因此，感兴趣的问题可以被看作是一个并行机最大完工时间最小化调度问题，具有批量预处理和位置相关的处理时间。针对这一NP难问题，设计了一种针对具体问题的遗传算法和一种快速启发式算法，以提高计算效率。在330个随机生成的实例上的实验结果表明了所提方法的有效性和效率。
In this paper, an integer programming model is developed for a newly addressed coke production scheduling problem, in which two typical characteristics are considered: (i) The transportation of raw coal by a vehicle causes a batch preprocessing; (ii) The heating of raw coal by closely located coke ovens may extend the processing times of cokes, under the temperature influence. To the best of our knowledge, such a geographically location-dependent processing time has not been studied. The purpose is to minimize the completion time of the last coke among all ovens, i.e., the makespan. Therefore, the problem of interest can be viewed as a parallel machine makespan minimization scheduling problem, featured with batch preprocessings and location-dependent processing times. For this NP-hard problem, a problem-specific genetic algorithm and a fast heuristic are devised to enhance the computational efficiency. Experimental results on 330 randomly generated instances show the effectiveness and efficiency of the proposed solution methods.
登录
查看更多内容
影响因子：
3.6
作者：
Alidaee, B;Womer, NK
通讯作者：
Womer, NK
DOI：
10.1007/978-3-642-41880-8
发表时间：
2014-01
期刊：
--
影响因子：
--
作者：
A. Agnetis;J. Billaut;Stanisław Gawiejnowicz;D. Pacciarelli;A. Soukhal
通讯作者：
A. Agnetis;J. Billaut;Stanisław Gawiejnowicz;D. Pacciarelli;A. Soukhal
影响因子：
9.2
作者：
M. Yadollahi;I. Mahdavi;M. Paydar;J. Jouzdani
通讯作者：
M. Yadollahi;I. Mahdavi;M. Paydar;J. Jouzdani
影响因子：
3.6
作者：
Bachman, A;Janiak, A
通讯作者：
Janiak, A
影响因子：
4.8
作者：
Stanisław Gawiejnowicz;A. Kononov
通讯作者：
Stanisław Gawiejnowicz;A. Kononov