기존의 많은 논문에서는 병렬휴리스틱법(Parallel Heuristics) 또는 몇 개의 휴리스틱법을 결합하는 하이브리드 시스템(Hybrid system)이 보다 양질의 탐색 결과를 얻을 수 있음을 보고하고 있다. 그러나 단일 프로세스를 가진 범용 컴퓨터상에서의 병렬화와 하이브리드화는 지나치게 많은 탐색시간을 요구한다. 이러한 경우 탐색의 고속화를 위해서는 탐색법간의 보다 적절한 결합법이 요구된다. 이를 위한 방법론으로서 병렬프리스틱법의 고속화모델(Fast Model of Parallel Heuristics : FMPH)을 제안하고 있다. 유전적 알고리즘(Genetic algorithms)의 섬모델(Island Model)에 의거, 다양한 탐색 공간에서 선택된 우수한 엘리트해에 대해서만 선택적으로 국소탐색(local search)의 능력이 뛰어난 타부 탐색법을 도입한다. 본 논문에서는 NP-hard문제 중에서도 가장 어려운 문제로 평가되는 잡숍 스케쥴링 문제(Job-Shop scheduling Problem)에 대해 적용한 병렬프리스틱법의 고속화 모델을 소개하며 모델의 범용성을 입증하기 위해 유명한 벤치마크 문제에 적용하여 얻은 뛰어난 결과를 보고한다.
several papers have reported that parallel heuristics or hybrid approaches combining several heuristics can get better results. However, the parallelization and hybridization of any search methods on the single CPU type computer need enormous computation time. that case, we need more elegant combination method. For this purpose, we propose Fast Model of Parallel Heuristics(FMPH). FMPH is based on the island model of parallel genetic algorithms and takes local search to the elite solution obtained form each island(sub group). In this paper we introduce how can we adapt FMPH to the job-shop scheduling problem notorious as the most difficult NP-hard problem and report the excellent results of several famous benchmark problems.
