Constraint programming models for serial batch scheduling with minimum batch size

Jorge A. Huertas

doi:10.1016/j.orp.2025.100352

2025-09-02

Jorge A. Huertas *

Pascal Van Hentenryck

DOI：10.1016/j.orp.2025.100352

原文链接

查看原文

摘要

En 中文

• 我们完全采纳了审稿人3关于通过使用约束条件来确保最小批量规模的建议，该约束条件汇总了批次内变量的存在情况。这使我们能够通过移除额外变量和约束来降低模型复杂度。由此得到的区间分配（IA）模型以其核心建模方法命名：为作业在机器上的排序定义区间变量，并使用额外的区间变量处理作业分配到批次的操作。 • 尽管IA模型在IPF s-batch变体中证明是有用的，但审稿人3在其模型中建议的约束并未向CP引擎提供问题的全局结构视图。因此，我们提出了全局（G）模型，该模型仅使用被移除的全局约束，这些约束确实提供了这种全局视角。然而，它使用累积函数来跟踪每个时间点批次的规模，尽管在分配层面跟踪就足够了。因此，我们包含了一个额外的混合（H）模型，该模型结合了提供全局视角的额外全局约束，但用存在情况求和约束替换了累积函数，以提高效率。这种方法被证明是BC变体的最佳方案。 • 我们通过包含详细的说明性示例显著改进了对这些模型的解释，并且重新运行了所有实验，将它们与文献中现有的混合整数规划模型进行比较。

Keyword:

Scheduling

Serial batch

Setup times

Minimum batch size

Constraint programming

Mixed-integer programming