Un algoritmo genético híbrido y un enfriamiento simulado para solucionar el problema de programación de pedidos Job Shop

La programación de pedidos para el problema de producción Job Shop (JSP), catalogado como NP-Hard, ha constituido un reto para la comunidad científica, debido a que alcanzar una solución óptima a este problema se dificulta en la medida que crece en número de máquinas y trabajos. Numerosas técnicas, entre ellas las metaheurísticas, se han empleado para su solución, sin embargo, su eficiencia, en cuanto a tiempo computacional, no ha sido muy satisfactoria. Por lo anterior y para contribuir a la solución de este problema, se planteó el uso de un enfriamiento simulado propuesto (ESP) y de un algoritmo genético mejorado (AGM). Para el AGM se implementó una estrategia de enfriamiento simulado en la fase de mutación, que permite al algoritmo intensificar y diversificar las soluciones al mismo tiempo, con el fin de que no converja prematuramente a un óptimo local. Los resultados mostraron que los algoritmos propuestos arrojan buenos resultados, con desviaciones alrededor de los mejores valores encontrados que no superan el 5 % para los problemas más complejos

• Autores: Meisel-Donoso, José David; Prado, L. K. (Liliana Katherine)
• Tipo de recurso: Article of journal
• Fecha de publicación: 2010
• Institución: Universidad EIA .
• Repositorio: Repositorio EIA .
• Idioma: spa
• OAI Identifier: oai:repository.eia.edu.co:11190/216
• Acceso en línea: https://repository.eia.edu.co/handle/11190/216
• Palabra clave: REI00122; ORGANIZACIÓN E INDUSTRIA; ORGANIZATION AND INDUSTRY; PRODUCCIÓN INDUSTRIAL; INDUSTRIAL PRODUCTION; PLANIFICACIÓN DE LA PRODUCCIÓN; PRODUCTION PLANNING; JOB SHOP; ALGORITMO GENÉTICO; ENFRIAMIENTO SIMULADO; ADMINISTRACIÓN; GENETIC ALGORITHM; SIMULATED ANNEALING; OPERATIONS MANAGEMENT; COMBINATORIAL OPTIMIZATION
• Rights: openAccess
• License: Derechos Reservados - Universidad EIA, 2020