Skip to main content
Fachgebiete
Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Weitere Formate
Webinare Technik
Webinare Wirtschaft
Kongresse
Veranstaltungskalender
Podcasts
Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen beantragen
Erweiterte Suche
Anmelden
nach oben

Tipp

Weitere Kapitel dieses Buchs durch Wischen aufrufen

Erschienen in:
Einführung in Logistik und Supply Chain Management Kapitel lesen Erstes Kapitel lesen

2023 | OriginalPaper | Buchkapitel

5. Scheduling

verfasst von : Thomas Hanne, Rolf Dornberger

Erschienen in: Computational Intelligence in Logistik und Supply Chain Management

Verlag: Springer International Publishing

Einloggen, um Zugang zu erhalten

Zusammenfassung

In diesem Kapitel diskutieren wir Scheduling-Probleme und wie Methoden der Computational Intelligence auf sie angewendet werden können. Wir beginnen mit allgemeinen Überlegungen zu Scheduling-Problemen und diskutieren Varianten und einige einfache Lösungskonzepte. Danach werden einige Standard-Scheduling-Probleme detaillierter besprochen, gefolgt von einer Diskussion weiterer Scheduling-Probleme, die für Logistik und Supply Chain Management relevant sind. Danach werden Lösungsansätze aus dem Bereich der Computational Intelligence diskutiert, wobei der Schwerpunkt auf Fragen der Kodierung liegt, insbesondere im Zusammenhang mit der Verwendung evolutionärer Algorithmen. Der Beitrag endet mit einer Diskussion über die Bedeutung und den Erfolg des Einsatzes entsprechender Lösungsansätze insbesondere aus dem Bereich der Metaheuristiken.

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt 90 Tage mit der neuen Mini-Lizenz testen!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe



 


Jetzt 90 Tage mit der neuen Mini-Lizenz testen!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt 90 Tage mit der neuen Mini-Lizenz testen!

Jetzt informieren
Vorheriges Kapitel Bestandsplanung und Losgrößenbestimmung
Nächstes Kapitel Standortplanung und Netzwerkgestaltung
Literatur
Albers, S. (2003). Online algorithms: A survey. Mathematical Programming, 97(1–2), 3–26. CrossRef
Andresen, M., Bräsel, H., Mörig, M., Tusch, J., Werner, F., & Willenius, P. (2008). Simulated annealing and genetic algorithms for minimizing mean flow time in an open shop. Mathematical and Computer Modelling, 48(7), 1279–1293. CrossRef
Basnet, C., & Mize, J. H. (1994). Scheduling and control of flexible manufacturing systems: A critical review. International Journal of Computer Integrated Manufacturing, 7(6), 340–355. CrossRef
Bean, J. C. (1994). Genetic algorithms and random keys for sequencing and optimization. ORSA Journal on Computing, 6(2), 154–160. CrossRef
Behnke, D., & Geiger, M. J. (2012). Test instances for the flexible job shop scheduling problem with work centers. Working paper. Helmut-Schmidt-Universität.
Brucker, P., & Brucker, P. (2007). Scheduling algorithms (5. Aufl.). Springer.
Brucker, P., Drexl, A., Möhring, R., Neumann, K., & Pesch, E. (1999). Resource-constrained project scheduling: Notation, classification, models, and methods. European Journal of Operational Research, 112(1), 3–41. CrossRef
Cheng, R., Gen, M., & Tsujimura, Y. (1999). A tutorial survey of job-shop scheduling problems using genetic algorithms, part II: Hybrid genetic search strategies. Computers & Industrial Engineering, 36(2), 343–364. CrossRef
Czogalla, J., & Fink, A. (2012). Fitness landscape analysis for the no-wait flow-shop scheduling problem. Journal of Heuristics, 18(1), 25–51. CrossRef
Davis, L. (1985). Job shop scheduling with genetic algorithms. In Proceedings of an international conference on genetic algorithms and their applications (Bd. 140). Carnegie-Mellon University.
Della Croce, F., Tadei, R., & Volta, G. (1995). A genetic algorithm for the job shop problem. Computers & Operations Research, 22(1), 15–24. CrossRef
Dubois, D., Fargier, H., & Fortemps, P. (2003). Fuzzy scheduling: Modelling flexible constraints vs. coping with incomplete knowledge. European Journal of Operational Research, 147(2), 231–252. CrossRef
Dudek, R. A., Panwalkar, S. S., & Smith, M. L. (1992). The lessons of flowshop scheduling research. Operations Research, 40(1), 7–13. CrossRef
Gambardella, L. M., & Mastrolilli, M. (2000). Effective neighborhood functions for the flexible job shop problem. Journal of Scheduling, 3(1), 3–20. CrossRef
Gao, J., Sun, L., & Gen, M. (2008). A hybrid genetic and variable neighborhood descent algorithm for flexible job shop scheduling problems. Computers & Operations Research, 35(9), 2892–2907. CrossRef
Garey, M. R., Johnson, D. S., & Sethi, R. (1976). The complexity of flowshop and jobshop scheduling. Mathematics of Operations Research, 1(2), 117–129. CrossRef
Gonçalves, J. F., de Magalhães Mendes, J. J., & Resende, M. G. (2005). A hybrid genetic algorithm for the job shop scheduling problem. European Journal of Operational Research, 167(1), 77–95. CrossRef
Gonçalves, J. F., Resende, M. G., & Mendes, J. J. (2011). A biased random-key genetic algorithm with forward-backward improvement for the resource constrained project scheduling problem. Journal of Heuristics, 17(5), 467–486. CrossRef
Graham, R. L., Lawler, E. L., Lenstra, J. K., & Kan, A. H. G. (1979). Optimization and approximation in deterministic sequencing and scheduling: A survey. Annals of Discrete Mathematics, 5, 287–326. CrossRef
Herroelen, W., De Reyck, B., & Demeulemeester, E. (1998). Resource-constrained project scheduling: A survey of recent developments. Computers & Operations Research, 25(4), 279–302. CrossRef
Hoogeveen, J. A., Lenstra, J. K., & Van de Velde, S. L. (1997). Sequencing and scheduling: An annotated bibliography. Eindhoven University of Technology, Department of Mathematics and Computing Science.
Jackson, J. R. (1955). Scheduling a production line to minimize maximum tardiness. Research report 43, Management Sciences Research Project. University of California.
Kuo, I. H., Horng, S. J., Kao, T. W., Lin, T. L., Lee, C. L., Terano, T., & Pan, Y. (2009). An efficient flow-shop scheduling algorithm based on a hybrid particle swarm optimization model. Expert Systems with Applications, 36(3), 7027–7032. CrossRef
Lee, K. M., Yamakawa, T., & Lee, K. M. (1998). A genetic algorithm for general machine scheduling problems. In Knowledge-based intelligent electronic systems, 1998. Proceedings KES’98. 1998 second international conference on (Bd. 2, S. 60–66). IEEE.
Liebchen, C., Schachtebeck, M., Schöbel, A., Stiller, S., & Prigge, A. (2010). Computing delay resistant railway timetables. Computers and Operations Research, 37(5), 857–868. CrossRef
Lin, T. L., Horng, S. J., Kao, T. W., Chen, Y. H., Run, R. S., Chen, R. J., Lai, J. L., & Kuo, I. H. (2010). An efficient job-shop scheduling algorithm based on particle swarm optimization. Expert Systems with Applications, 37(3), 2629–2636. CrossRef
Liu, B., Wang, L., & Jin, Y. H. (2007). An effective PSO-based memetic algorithm for flow shop scheduling. IEEE Transactions on Systems, Man, and Cybernetics Part B: Cybernetics, 37(1), 18–27. CrossRef
Mendes, J. J. D. M., Gonçalves, J. F., & Resende, M. G. (2009). A random key based genetic algorithm for the resource constrained project scheduling problem. Computers & Operations Research, 36(1), 92–109. CrossRef
Nearchou, A. C., & Omirou, S. L. (2006). Differential evolution for sequencing and scheduling optimization. Journal of Heuristics, 12(6), 395–411. CrossRef
Ouelhadj, D., & Petrovic, S. (2009). A survey of dynamic scheduling in manufacturing systems. Journal of Scheduling, 12(4), 417–431. CrossRef
Pezzella, F., Morganti, G., & Ciaschetti, G. (2008). A genetic algorithm for the flexible job-shop scheduling problem. Computers & Operations Research, 35(10), 3202–3212. CrossRef
Prins, C. (2000). Competitive genetic algorithms for the open-shop scheduling problem. Mathematical Methods of Operations Research, 52(3), 389–411. CrossRef
Pruhs, K., Sgall, J., & Torng, E. (2004). Online scheduling. In J. Y.-T. Leung (Hrsg.), Handbook of scheduling: Algorithms, models, and performance analysis. CRC Press. Chapter 15.
Ribas, I., Leisten, R., & Framiñan, J. M. (2010). Review and classification of hybrid flow shop scheduling problems from a production system and a solutions procedure perspective. Computers & Operations Research, 37(8), 1439–1454. CrossRef
Roshanaei, V., Naderi, B., Jolai, F., & Khalili, M. (2009). A variable neighborhood search for job shop scheduling with set-up times to minimize makespan. Future Generation Computer Systems, 25(6), 654–661. CrossRef
Ruiz, R., & Vázquez-Rodríguez, J. A. (2010). The hybrid flow shop scheduling problem. European Journal of Operational Research, 205(1), 1–18. CrossRef
Taillard, E. (1993). Benchmarks for basic scheduling problems. European Journal of Operational Research, 64(2), 278–285. CrossRef
Williamson, D. P., Hall, L. A., Hoogeveen, J. A., Hurkens, C. A. J., Lenstra, J. K., Sevast’Janov, S. V., & Shmoys, D. B. (1997). Short shop schedules. Operations Research, 45(2), 288–294. CrossRef
Zhang, C., Li, P., Guan, Z., & Rao, Y. (2007). A tabu search algorithm with a new neighborhood structure for the job shop scheduling problem. Computers & Operations Research, 34(11), 3229–3242. CrossRef
Zhang, G., Gao, L., Li, X., & Li, P. (2008). Variable neighborhood genetic algorithm for the flexible job shop scheduling problems. In C. Xiong, Y. Huang, & Y. Xiong (Hrsg.), Intelligent robotics and applications. First international conference, ICIRA 2008 Wuhan, China (S. 503–512). Springer.
Zhang, G., Gao, L., & Shi, Y. (2010). A genetic algorithm and tabu search for multi objective flexible job shop scheduling problems. In 2010 International Conference on Computing, Control and Industrial Engineering (CCIE) (Bd. 1, S. 251–254). IEEE. CrossRef
Metadaten
Titel
Scheduling
verfasst von
Thomas Hanne
Rolf Dornberger
Copyright-Jahr
2023
Buch
Computational Intelligence in Logistik und Supply Chain Management

Print ISBN: 978-3-031-21451-6

Electronic ISBN: 978-3-031-21452-3

Copyright-Jahr: 2023

DOI
https://doi.org/10.1007/978-3-031-21452-3_5

Premium Partner

Pluta
    Bildnachweise