A genetic search algorithm to optimize job sequencing under a technological constraint in a rolling-mill facility

Abstract

This article presents some results from the application of a genetic search algorithm to solve a job scheduling problem where setup costs depend on the order of the jobs. An empirical study shows that, for small problems, the solutions given by the genetic algorithm are as good as those obtained with a mixed-integer linear program. For larger problems that are computationally infeasible, we benchmark the genetic solutions against traditional scheduling heuristics. We also study different population management strategies that can improve the performance of the algorithm. Finally, future research avenues are discussed.

Zusammenfassung

Betrachtet wird ein dynamisches Problem der Reihenfolgeplanung in einem Walzwerk. Ziel ist die Minimierung der Summe aus Lagerkosten für Halbfertigfabrikate und reihenfolgeabhängigen Rüstkosten. Zur Lösung wird ein genetischer Algorithmus benutzt. Zur Beurteilung der Leistungsfähigkeit des Verfahrens werden für kleinere Probleme exakte Lösungen herangezogen, für größere Probleme erfolgt ein Vergleich mit prioritätsregelbasierten Verfahren.