MILP のような正確な数学的戦略は、柔軟なジョブ ショップ問題の大規模なインスタンスに対しては効率的ではないことが知られています。しかし、今でも FJS 問題に対する MILP の定式化の提案を見つけることができます。これは、MILP モデルが下限を提供するため、メタヒューリスティック (GA、FA、TS など) として非正確な方法を含む実験に MILP モデルを使用することが興味深いという事実による可能性があります。
また、最適なソリューションよりも実行可能なソリューションを見つけることが重要な場合は、CP を選択する必要があることも読みました。それは本当の声明ですか？
あなたの言ったことはほぼ正しい。
問題のタイプによっては、それらを解決するための効率的な MILP モデルを構築するのが難しく、メタヒューリスティックによって解決する方がよい場合があります。ただし、LP が問題にタイトで自明でない境界を提供するような方法で構築できる場合、優れたメタヒューリスティックの解が最適またはほぼ最適に達するかどうかを検証することが可能になります。これは、線形計画法とメタヒューリスティックのみを使用して、ある種の NP 問題のいくつかのインスタンスを (潜在的に) 最適化できることを意味します。
CP に関して言えば、問題が実行可能かどうかを判断する (または実行不可能であることを証明する) のに非常に優れています。CPを使用して最適解を見つけることができますが、それはその強力なスーツではなく、MILP は通常、その点で優れています。