Implementation of an embedded meta-heuristics to solve the scheduling problem in a flexible production job shop
Implémentation d'une méta-heuristique embarquée pour résoudre le problème d'ordonnancement dans un atelier flexible de production
Résumé
Scheduling problems in the industrial sector are the most studied optimization problems.
However, resolution approaches are not suited to a dynamic and increasingly uncertain environment. The work presented in this thesis is aiming for solving the Flexible Job Shop Scheduling Problem (FJSSP) without and with uncertainties. We propose a Particle Swarm Optimization (PSO) algorithm as well as two multi-agent architectures based on PSO called MAPSO1 and MAPSO2 to solve the FJSSP problem without uncertainty. Testing our algorithms on different benchmarks has shown the effectiveness of the obtained results. We are
also proposing to use embedded systems for the deployment of an intelligent and cooperative
optimization system based on PSO. Thus the MAPSO2 architecture has been distributed
on a physically distributed system comprising two embedded systems. Several improvements
have been proposed giving rise to MAPSO2 + and MAPSO2 ++. A predictive approach based on PSO called 2s-PSO is also developed to solve the FJSSP problem with consideration of machine failures. Experimental results confirmed that the 2s-PSO algorithm increases the robustness and stability of the solution. As a final contribution, we proposed a rescheduling heuristic to repair schedules in the event of failure under uncertainties.
Les problèmes d'ordonnancement dans le secteur industriel sont en tête des problèmes d'optimisation les plus étudiés. Cependant, les approches de résolution ne sont pas adaptées à un environnement dynamique et de plus en plus incertain. Les travaux présentés dans cette thèse se situent dans le cadre de résolution du problème d'ordonnancement d'ateliers de type job shop fexible (FJSSP) sans et avec incertitudes. Nous avons proposé un algorithme d'optimisation par essaims particulaires (PSO) ainsi que deux architectures multi agent à base de PSO nommées MAPSO1 et MAPSO2 pour résoudre le problème FJSSP sans incertitudes. Après avoir testé nos algorithmes sur différents benchmarks , les résultats obtenues ont montré leurs efficacités. Nous avons proposé d'utiliser des systèmes embarqués pour le déploiement d'un processus d'optimisation intelligent et coopératif comme le PSO. Ainsi l'architecture MAPSO2 a été testée sur un système physiquement distribué comportant deux systèmes embarqués. Plusieurs améliorations ont été proposées donnant naissance à MAPSO2 + et MAPSO2++. Nous avons proposé aussi une approche prédictive basée sur PSO nommée 2s-PSO pour résoudre le problème FJSSP avec la prise en compte des pannes de machines. Les expérimentations ont montré que l'algorithme 2s-PSO augmente la robustesse et la stabilité de la solution. Ainsi, et comme dernière contribution, nous avons proposé une heuristique de ré-ordonnancement pour réparer l'ordonnancement en cas d’inefficacité
sous incertitudes.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|
Loading...