41、基于GPU的约束传播与鲁棒双机流水车间调度问题研究

基于GPU的约束传播与鲁棒双机流水车间调度问题研究

在当今的计算领域，高效的调度算法对于优化资源利用和提高生产效率至关重要。本文将探讨两个重要的调度相关主题：基于GPU的累积约束传播以及鲁棒双机流水车间调度问题。

基于GPU的累积约束传播

在累积调度问题中，Energetic - Reasoning传播器具有强大的过滤能力，但由于其运行时间过长，常常被忽视。随着GPU计算的出现，大规模并行计算成为可能，使得重新考虑这种设计决策成为可能。

为了分析在Sect. 2.2末尾提出的启发式方法的效果，研究人员在MiniCPP - ER /MiniCPP - ER - GPU中实现了该方法，并在299个实例上进行了测试。结果总结在表1中，该表报告了所有Energetic - Reasoning实现方案在30分钟超时内最优解决实例的汇总统计信息。

实现方案	搜索树大小变化	CPU搜索时间变化	GPU加速实现变化
启发式方法	最坏情况下增加小于1%（如PSPLib实例）	至少提高2.85倍（如Pack实例）	减速小于0.1%

从这些结果可以看出，该启发式方法在CPU实现中显著提高了搜索时间，而对GPU加速实现的影响很小，这证实了并行化的有效性，并显示了线程发散带来