11、模拟退火算法与禁忌搜索算法在单机调度问题中的应用

模拟退火算法与禁忌搜索算法在单机调度问题中的应用

1. 引言

在工业调度中，有效利用机器和合理安排作业顺序至关重要。其中一个重要目标是最小化任务完成的延迟，即总延迟最小化问题。为解决调度问题，已经开发了大量的元启发式算法，这些算法能在合理时间内得到较好的解决方案。本文将对模拟退火算法（Simulated Annealing）和禁忌搜索算法（Tabu Search）这两种元启发式算法进行实现和性能比较，以确定哪种算法在解决单机模式下的总延迟最小化排序问题时效果更佳。

2. 相关工作

在专业文献中，有许多使用元启发式方法解决调度问题的研究：
- 有研究比较了多种元启发式算法的性能，包括两种模拟退火算法和一种蚁群优化算法，并提出了用于总延迟问题的遗传算法，通过随机生成实例进行比较，发现该遗传算法表现更优。
- 有研究对元启发式方法的差异和相似性进行了探讨，还给出了禁忌搜索、模拟退火和遗传算法等方法的描述和伪代码，通过计算实验表明这三种方法可有效应用于调度问题。
- 有研究使用禁忌搜索、模拟退火和随机搜索三种启发式方法解决考虑学习效应的单机总延迟问题，结论是禁忌搜索和模拟退火与特定启发式方法结合作为初始解时非常有效。
- 有研究提出使用蚁群优化算法解决作业车间调度问题中的总加权延迟最小化问题，并与禁忌搜索和模拟退火算法进行比较，在小问题上取得了最优结果，但在大问题上效果大幅降低。
- 有研究提出基于作业块划分的模拟退火算法解决作业车间排序问题，与另一种模拟退火实现进行比较，结果表明该方法在随机生成的不同规模问题上能获得更好的解决方案。
- 有研究使用禁忌搜索算法解决单机总延迟问题，分析了实现候选列表的各种策略的效率，在不同规