Un Algoritmo Genético Híbrido para optimizar un caso especial del problema de Secuenciación de Tareas.

Este trabajo tiene como objetivo contribuir con el esfuerzo de recientes investigaciones de cerrar la brecha existente entre la teoría y la práctica en la solución a problemas de secuenciación de tareas, analizando el efecto de la inclusión de varias restricciones que influyen negativamente en la pr...

Full description

Saved in:
Bibliographic Details
Main Authors: Rodolfo Najarro Quintero, Ringo Jonh Lopez Bustamante, Ruth Elizabeth Racines Macias, Amilkar Yudier Puris Cáceres
Format: Article
Language:English
Published: Escuela Superior Politécnica del Litoral 2018-12-01
Series:Revista Tecnológica
Online Access:https://www.rte.espol.edu.ec/index.php/tecnologica/article/view/646
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:Este trabajo tiene como objetivo contribuir con el esfuerzo de recientes investigaciones de cerrar la brecha existente entre la teoría y la práctica en la solución a problemas de secuenciación de tareas, analizando el efecto de la inclusión de varias restricciones que influyen negativamente en la programación de la producción en un ambiente de manufactura real. Para la solución del problema, se introduce un eficiente Algoritmo Genético combinado con una Búsqueda Local de Vecindad Variable para problemas de n tareas y m máquinas minimizando el tiempo de completamiento total de las tareas o makespan. Las restricciones de fechas de liberación, tiempos de configuración dependientes de la secuencia y tiempos de transportación son introducidas. Estas son restricciones comunes que pueden ser encontradas en múltiples ambientes manufactureros donde existen máquinas herramientas y un conjunto de tareas debe procesarse en éstas siguiendo el mismo patrón de flujo. Los experimentos computacionales realizados sobre un conjunto de instancias de problemas de diferentes tamaños de complejidad demuestran que la metaheurística híbrida propuesta alcanza soluciones de alta calidad comparables con los óptimos reportados.
ISSN:0257-1749
1390-3659