:: The Journal of the Institute of Internet, Broadcasting and Communication ::, Vol.23 No.5 | (2023) pp.151~158
일반화된 배정 문제의 k-opt 교환 최적화 알고리즘
Abstract
NP-난제로 다항시간으로 최적 해를 찾는 알고리즘이 제안되지 않고 있는 일반화된 배정 문제에 대해 기존에는 전적으로 메타휴리스틱 기법들에 치중하여 연구가 진행되었다. 반면에, 본 논문에서는 해를 찾아가는 규칙을 가진 휴리 스틱 탐욕 알고리즘을 제안한다. 첫 번째로, m대의 기계(용기)에 n개의 작업(물품)을 담을 수 있도록 l=n/m개가 되도 록 각 기계의 용량 에 대해 가중치 Wij≤bi/l 데이터로 축소시킨다. 축소된 데이터들을 대상으로 각 작업의 최대 이득 작업을 해당 기계에 배정하였다. 두 번째로, 각 기계에 배정된 가중치 합이 기계 용량을 초과하지 않도록 배정을 조정하 였다. 마지막으로 이득을 최대화시키기 위해 k-opt 교환 최적화를 수행하였다. 제안된 알고리즘을 50개 벤치마킹 데이 터들에 적용한 결과 약 1/3 데이터에 대해서는 알려진 최적 해를 찾을 수 있었으며, 나머지 2/3 데이터에 대해서는 메타휴리스틱 기법들과 견줄만한 결과를 보였다. 따라서 제안된 알고리즘은 GAP에 대해 다항시간으로 해를 찾아가는 규칙이 존재할 가능성을 보여 NP-난제에서 P-문제로 될 수 있음을 실험을 통해 증명하였다.
The researchers entirely focused on meta-heuristic method for generalized assignment problem(GAP) that is known as NP-hard problem because of the optimal solution within polynomial time algorithm is unknown yet. On the other hand, this paper proposes a heuristic greedy algorithm with rules for finding solutions. Firstly, this paper reduces the weight matrix of original data to Wij≤bi/l in order to n jobs(items) pack m machines(bins) with l=n/m. The maximum profit of each job was assigned to the machine for the reduced data. Secondly, the allocation was adjusted so that the sum of the weights assigned to each machine did not exceed the machine capacity. Finally, the k-opt swap optimization was performed to maximize the profit. The proposed algorithm is applied to 50 benchmarking data, and the best known solution for about 1/3 data is to solve the problem. The remaining 2/3 data showed comparable results to metaheuristic techniques. Therefore, the proposed algorithm shows the possibility that rules for finding solutions in polynomial time exist for GAP. Experiments demonstrate that it can be a P-problem from an NP-hard.
Generalized assignment problem,Reduced data,Bin packing,Profit optimization,k-opt
