In this paper the problem of scheduling of jobs on parallel machines under incompatibility relation is considered. In this model a binary relation between jobs is given and no two jobs that are in the relation can be scheduled on the same machine. In particular, we consider job scheduling under incompatibility relation forming bipartite graphs, under makespan optimality criterion, on uniform and unrelated machines. We show that no algorithm can achieve a good approximation ratio for uniform machines, even for a case of unit time jobs, under $P \neq NP$. We also provide an approximation algorithm that achieves the best possible approximation ratio, even for the case of jobs of arbitrary lengths $p_j$, under the same assumption. Precisely, we present an $O(n^{1/2-\epsilon})$ inapproximability bound, for any $\epsilon > 0$; and $\sqrt{p_{sum}}$-approximation algorithm, respectively. To enrich the analysis, bipartite graphs generated randomly according to Gilbert's model $\mathcal{G}_{n,n,p(n)}$ are considered. For a broad class of $p(n)$ functions we show that there exists an algorithm producing a schedule with makespan almost surely at most twice the optimum. Due to our knowledge, this is the first study of randomly generated graphs in the context of scheduling in the considered model. For unrelated machines, an FPTAS for $R2|G = bipartite|C_{\max}$ is provided. We also show that there is no algorithm of approximation ratio $O(n^bp_{\max}^{1-\epsilon})$, even for $Rm|G = bipartite|C_{max}$ for $m \ge 3$ and any $\epsilon > 0$, $b > 0$, unless $P = NP$.


翻译:在本文中, 在不兼容关系下, 将工作安排在平行机器上的问题会得到考虑 。 在这个模型中, 给出了工作之间的二进制关系, 在同一机器中, 无法安排两个属于关系的工作。 特别是, 我们考虑在不兼容关系下, 以双叶图的形式安排工作时间安排, 以月度最佳标准为基础, 在制服和不相关的机器上。 我们显示, 即使在单位时间工作的情况下, 在 $P\ neq NP$ 的算法下, 也不可能实现一个好的近似比率 。 我们还提供一种近似算算法, 即使是在Gilbert 模型 $PTal_ $, 美元= j 美元。 美元= 美元= 美元= 欧元= 美元; 美元= 美元= 美元= 美元= 美元; 美元= = 美元= 美元= 美元 美元= 美元 。 为了丰富分析, 以随机方式生成的双部图表, 也提供一种我们所研究的 $=xxx 。

0
下载
关闭预览

相关内容

最新《联邦学习Federated Learning》报告,Federated Learning
专知会员服务
88+阅读 · 2020年12月2日
Python分布式计算,171页pdf,Distributed Computing with Python
专知会员服务
107+阅读 · 2020年5月3日
专知会员服务
116+阅读 · 2019年12月24日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
VALSE Webinar 特别专题之产学研共舞VALSE
VALSE
7+阅读 · 2019年9月19日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
CCF C类 | DSAA 2019 诚邀稿件
Call4Papers
6+阅读 · 2019年5月13日
【Wikidata】维基数据详解
专知
21+阅读 · 2018年4月26日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
【推荐】自然语言处理(NLP)指南
机器学习研究会
35+阅读 · 2017年11月17日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Arxiv
0+阅读 · 2021年8月30日
Arxiv
3+阅读 · 2018年10月18日
VIP会员
相关资讯
VALSE Webinar 特别专题之产学研共舞VALSE
VALSE
7+阅读 · 2019年9月19日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
CCF C类 | DSAA 2019 诚邀稿件
Call4Papers
6+阅读 · 2019年5月13日
【Wikidata】维基数据详解
专知
21+阅读 · 2018年4月26日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
【推荐】自然语言处理(NLP)指南
机器学习研究会
35+阅读 · 2017年11月17日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Top
微信扫码咨询专知VIP会员