GA integrating Tabu, with load balance and OS SWAP

 

📘 論文標題建議（可選一個風格）

1. An Evolutionary Hybrid Algorithm for Flexible Job Shop Scheduling: Integrating GA and Tabu with Critical Feedback

2. Toward a Two-Way Hierarchy in FJSP: A Practical Implementation of GA + Tabu with Load Balancing

3. 從 GA 到 Two-Way Hierarchy：彈性作業排程中混合啟發式的演化實作

---

🧩 論文章節架構（中文/英文雙語版）

---

1. 緒論（Introduction）

• FJSP 的挑戰與應用背景（製造系統、工業 4.0）

• 為何需要混合式啟發式演算法（GA + Local Search）

• 本研究的主要貢獻（例如：Two-Way Hierarchy、Critical Feedback、Loading Feedback）

---

2. 問題定義與建模（Problem Definition and Notation）

• FJSP 的數學描述

  • Job, Operation, Machine 的定義

  • Decision variables: MS (machine selection), OS (operation sequence)

• Cmax 作為目標函數

---

3. 核心演算法設計（Algorithm Design）

3.1 基礎 GA 架構

• 染色體結構（[MS + OS]）

• Selection / Crossover / Mutation

• 初始族群生成方式（GS / LS / RS）

3.2 局部搜尋：Tabu Search

• MS 的 Tabu Search：隨機 vs. critical path 導向

• OS 的鄰域策略（新增 swap, insert, 2-opt）

3.3 Two-Way Hierarchy 架構

• Critical Path Feedback 導引 MS 調整

• Machine Load Balance Feedback 用於調整 routing 初始選擇與 Tabu 動態指引

3.4 混合策略架構

• apply_tabu_mix() 函數設計：策略隨機切換

• 加入多重 feedback loop 的調整流程圖（可附圖）

---

4. 實驗設計與數據分析（Experimental Setup & Results）

4.1 測試資料與平台

• Benchmark dataset: MK01~MK10 (BRdata)

• 評估指標：Cmax、執行時間、收斂曲線

4.2 比較版本

編號	方法名稱	是否含 Tabu	是否導入 Feedback
①	GA only	❌	❌
②	GA + Tabu (Random)	✅	❌
③	GA + Tabu (Critical Path)	✅	✅ (CPath)
④	GA + Tabu (Critical + Load Balance)	✅	✅ (CPath + Load)

4.3 實驗結果

• 各版本的 Cmax 收斂對比圖

• Tabu + Critical 對於 Cmax 的收斂與穩定性比較

• Load Balance 對 MS 分配趨勢的可視化分析

---

5. 結論與未來工作（Conclusion and Future Work）

• 結論總結：Two-Way Hierarchy 如何提升品質與可擴充性

• 未來工作方向：

  • 加入 Adaptive GA 機制

  • 嘗試 RL-based Routing Decision

  • 多目標排程拓展（例如延遲與能源）

---

附錄

• 主要函數摘要（如 apply_tabu_critical, balance_MS_by_load）

• 關鍵參數設定說明（population size, crossover prob. etc.）

• 完整 Gantt 圖 / 收斂圖輸出樣例