【（较大规模）作业车间调度JSP】通过OR-Tools的区间变量建模求解的效率对比实验

---

相关文章：
《【作业车间调度JSP】通过python调用PuLP线性规划库求解》
《【作业车间调度JSP】通过python调用OR-Tools的区间变量建模求解》

问题描述

JSP（Job Shop Scheduling Problem）问题是指车间作业调度问题，是生产调度领域中的经典问题之一。JSP问题涉及到一组工件（Jobs）和一组机器（Machines），每个工件都有一系列工序需要在不同的机器上完成，每个工序有一个特定的加工时间。通过确定每个工件的工序顺序和在每台机器上的开始时间，以最优化既定的目标。这个问题的复杂性（NP-Hard问题）和实际应用的广泛性使得研究和优化JSP一直是运筹学和制造业领域的热点。

在前面的相关文章中，仅测试了小规模的算例，例如只有 6 个工件，且每个工件仅 6 个工序。在大规模问题下，有些求解器的求解时间急剧增加，有些求解器仍然表现出很有优势的性能，因此，本文通过更大规模的算例进行实验。

基于 Hurink-sdata 数据集中算例 abz7.fjs 进行实验，具体的算例数据解析可以参考文章《解析FJSP问题的标准测试数据集的Python代码》，该JSP算例有 20 个待加工