UNIVERSIDAD DE OVIEDO

Tamaño: px
Comenzar la demostración a partir de la página:

Download "UNIVERSIDAD DE OVIEDO"

Transcripción

1 UNIVERSIDAD DE OVIEDO DEPARTAMENTO DE INFORMÁTICA Mejora de Algoritmos de Búsqueda Heurística mediante Poda por Dominancia. Aplicación a Problemas de Scheduling Tesis Doctoral Autor: María Rita Sierra Sánchez Director: José Ramiro Varela Arias Noviembre, 2009

2 Reservados todos los derechos El autor Edita: Universidad de Oviedo, Biblioteca Universitaria, 2010 Colección Tesis Doctoral-TDR nº 72 ISBN D.L.: AS

3

4 Agradecimientos A mi director de Tesis, José Ramiro Varela Arias, por su entusiasmo, dedicación y ánimo. A los miembros del Grupo de Tecnologías de la Computación, por su ayuda y apoyo, por todo lo que he aprendido, y sobre todo por su amistad. Gracias a mi familia y amigos, especialmente a Dani, a mis padres Ismael y Maita, y a mis hermanos Ismael y Verónica. Su cariño y apoyo hacen que no abandone mis sueños. Os quiero.

5

6 Resumen Los problemas de scheduling aparecen con profusión en la vida real en numerosos entornos productivos y de servicios. Se trata de problemas que requieren organizar en el tiempo la ejecución de tareas que compiten por el uso de un conjunto nito de recursos y que están sujetas a un conjunto de restricciones impuestas por factores como las características físicas del entorno, relaciones temporales o la normativa laboral. Además se trata de optimizar uno o varios criterios que se representan mediante funciones objetivo y que están relacionados normalmente con el coste, el benecio o el tiempo de ejecución. Algunos ejemplos de problemas de esta naturaleza son los siguientes: - Fabricación de obleas para circuitos semiconductores, donde cada oblea precisa de una serie de tareas como limpieza, oxidación, metalización, etc. El objetivo puede maximizar la utilización de algunas máquinas que son cuello de botella o minimizar el tiempo de ejecución. - Planicar el aterrizaje de un conjunto de aviones sujetos a restricciones temporales que dependen de las características de los aviones. Los objetivos pueden ser minimizar la penalización por desvío con respecto al tiempo preferente de los aviones o maximizar las condiciones de seguridad. - Planicar las rutas de otas de autobuses, donde se trata de optimizar la ocupación de los vehículos y de ajustar los turnos de los conductores de acuerdo con la normativa laboral. - Enrutamiento de paquetes de datos a través líneas de comunicación, donde se trata de maximizar el uso de la red y de minimizar los tiempos de llegada de los mensajes. Dado que estos problemas son de naturaleza combinatoria, es decir que hay que elegir una entre un conjunto exponencialmente grande de combinaciones posibles, los problemas de scheduling precisan de algoritmos de búsqueda inteligentes para encontrar soluciones aceptables en un tiempo razonable. Así, en la literatura se pueden encontrar aproximaciones a los problemas de scheduling basadas en prácticamente todas las metaheurísticas conocidas y en particular en los algoritmos de búsqueda heurística propios de áreas como la Investigación Operativa y la Inteligencia Articial. En esta tesis nos centramos en el problema Job Shop Scheduling y en la técnica de búsqueda heurística en espacios de estados. Nuestro objetivo es diseñar estrategias que resulten ecaces y ecientes para diferentes funciones objetivo, tanto para encontrar soluciones exactas, cuando el tamaño del problema lo permita, como para obtener soluciones aproximadas para instancias mayores. La función objetivo a la que los investigadores han prestado mayor atención es sin duda el makespan, o tiempo de nalización de la última tarea. Las propiedades de esta versión del problema son muy bien conocidas y han permitido desarrollar métodos exactos y aproximados muy ecientes que se basan en el concepto de camino crítico. El inconveniente de estos métodos es que no se generalizan de forma eciente para otras funciones objetivo como el tiempo de ujo total o el tardiness.

7 La aportación principal de esta tesis es la formalización de un método de poda basado en relaciones de dominancia entre los estados del espacio de búsqueda que se puede aplicar en principio a todas las funciones objetivo convencionales. Aunque el método no resulta competitivo con los métodos basados en el camino crítico cuando se trata de minimizar el makespan, sí lo es con los métodos que no están basados en el camino crítico y que son generalizables a otras funciones objetivo. Para funciones objetivo como el tiempo de ujo total, los resultados experimentales que hemos realizado sobre bancos de ejemplos estándar demuestran que el método es competitivo con otros métodos del estado del arte tanto para obtener soluciones óptimas como sub-óptimas.

8 Índice de Contenidos 1. INTRODUCCIÓN Introducción Marco de Trabajo Motivaciones Objetivos Esquema PROBLEMAS DE SCHEDULING Introducción Formulación del Problema Job Shop Scheduling Problem Representación del Problema Representación de las Soluciones Espacios de Soluciones Cálculo de Cotas Inferiores Relajación a Problemas de Secuenciamiento de una Máquina Cálculo de Cotas Superiores El Algoritmo G&T Algoritmos Evolutivos Métodos de Mejora Iterativa o Búsqueda Local Otros Métodos Cálculo de Soluciones Exactas El Algoritmo de Ramicación y Poda de Brucker Conclusiones Anexo. Propagación de Restricciones Introducción Test de Consistencia Selección Inmediata BÚSQUEDA HEURÍSTICA EN ESPACIOS DE ESTADOS Introducción Búsqueda Primero el Mejor El Algoritmo A i

9 ÍNDICE DE CONTENIDOS Descripción del Algoritmo A Propiedades Formales Relajación de las Condiciones de Optimalidad Ajuste de los Pesos g y h Algoritmos ε-admisibles Diseño Sistemático de Heurísticos Búsqueda con Memoria Limitada Búsqueda en Frontera Conclusiones JOB SHOP SCHEDULING CON MINIMIZACIÓN DEL MAKESPAN Introducción Formulación del Problema J C max Representación del Problema El Espacio de las Planicaciones Activas Búsqueda Primero el Mejor Estrategias Heurísticas para el Problema J C max Heurístico h Heurístico h Heurístico h Propiedades de Dominancia Reglas de Dominancia Estudio Experimental Comparación de Heurísticos Análisis de la Técnica de Poda Eciencia de la Técnica de Poda en condiciones de Optimalidad Comparación con el Algoritmo de Brucker Conclusiones Resumen Notación Anexo. Tablas Heurístico h Soluciones y Cotas Inferiores JOB SHOP SCHEDULING CON MINIMIZACIÓN DEL FLUJO TOTAL Introducción Formulación del Problema J C i Estrategias Heurísticas para el Problema J C i Heurístico h Heurístico h Heurístico h Heurístico h ii

10 ÍNDICE DE CONTENIDOS Mejora de los Heurísticos Propiedades de Dominancia Reglas de Dominancia Estudio Experimental Comparación de Heurísticos Análisis de la Técnica de Poda Eciencia de la Técnica de Poda en condiciones de Optimalidad Comparación con otros Métodos Conclusiones Resumen de Notación Anexo. Tablas Heurístico h Heurístico h Heurístico h Soluciones y Cotas Inferiores RELAJACIÓN DE LAS CONDICIONES DE OPTIMALIDAD Introducción Problema J C max Cálculo de Cotas Superiores Reducción del Espacio de Búsqueda con el Parámetro δ en la Generación de Sucesores Ponderación de la Función Heurística Propagación de Restricciones Conclusiones Problema J C i Mejora de los Heurísticos Cálculo de Cotas Superiores Reducción del Espacio de Búsqueda con el Parámetro δ en la Generación de Sucesores Ponderación de la Función Heurística Discrepancia Heurística Limitada Ponderación Adaptativa al Dominio Comparación con Otros Métodos Conclusiones Conclusiones CONCLUSIONES Y TRABAJO FUTURO Conclusiones y Principales Aportaciones Trabajo Futuro iii

11 ÍNDICE DE CONTENIDOS iv

12 Lista de Figuras 2.1. Representación en forma de grafo dirigido de un problema JSS con tres trabajos y tres recursos Planicación factible para el problema de la Figura Planicación factible en forma de diagrama de Gantt para el problema de la Figura Relación entre los espacios de planicaciones Ejemplos de planicaciones semiactiva y activa Problema JSS y problemas OMS correspondientes a cada una de las máquinas Problema OM S y sus correspondientes planicaciones JP S modicadas para los problemas Primal y Dual Traza del Algoritmo de Schrage modicado Elección de las tareas a planicar por el Algoritmo G&T Funcionamiento del Algoritmo G&T Estado intermedio de un problema JSS con dos arcos disyuntivos jados Cálculo del tiempo más tempranos de completud para la tarea c = Representación del coste total de la búsqueda frente al grado de conocimiento utilizado Situaciones en las que se puede encontrar un nodo nuevo Ejemplo de situación de recticación Dos heurísticos admisibles con distinto grado de información Grafos de un problema y una solución Gráca de Gantt para un estado intermedio del problema F T Valor del heurístico h 1 para un estado intermedio del problema F T Cálculo del heurístico h 2 para un estado intermedio del problema F T a) Una instancia del problema OMS. b) Planicación JP S para la instancia del problema a) Valor del heurístico h 3 para un estado intermedio del problema FT Planicación parcial de dos estados de la búsqueda, el estado b) domina al estado a) Esquema de Notación aplicada a un problema con 4 trabajos y 3 máquinas Gráca de Gantt para un estado intermedio del problema F T Valor del heurístico h 1 para un estado intermedio del problema F T Valor del heurístico h 2 para un estado intermedio del problema F T v

13 LISTA DE FIGURAS 5.5. Valor del heurístico h 3 para un estado intermedio del problema F T Valor del heurístico h 4 para un estado intermedio del problema F T Planicación parcial de dos estados de la búsqueda, el estado b) domina al estado a) Problema J C max. Gráca que muestra la evolución de las cotas superiores calculadas con probabilidad proporcional a la profundidad Problema J C max. Gráca que muestra la evolución de las cotas superiores calculadas, con probabilidad proporcional a la profundidad, para el problema LA Problema J C max. Gráca que muestra la evolución de las cotas superiores calculadas, con probabilidad proporcional a la profundidad, para el problema ORB Problema J C i. Gráca que muestra la evolución de las cotas superiores calculadas con probabilidad proporcional a la profundidad Problema J C i. Gráca que muestra la evolución de las cotas superiores calculadas, con probabilidad proporcional a la profundidad, para el problema ORB Problema J C i. Gráca que muestra la evolución de las cotas superiores calculadas con probabilidad proporcional a la profundidad Problema J C i. Gráca que muestra la evolución de las cotas superiores calculadas, con probabilidad proporcional a la profundidad, para el problema LA vi

14 Índice de Tablas 2.1. Complejidades de los Test de Consistencia Resultados para el problema F T 06 resuelto con los diferentes heurísticos Resultados para los problemas LA01-15 resueltos con los diferentes heurísticos Resultados para los problemas LA01-15 con el heurístico h 3 y realizando podas en la tabla ABIERT A con nodos con mayor o igual f o con nodos con igual f Resultados para los problemas LA01-15 con el heurístico h 3 y realizando podas en la tabla ABIERT A y la tabla CERRADA Diferencias de profundidad en las que se producen las podas en ABIERT A y CERRADA, resultados para los problemas LA01-15 con el heurístico h Resultados para los problemas LA01-15 con el heurístico h 3 y realizando podas en la tabla ABIERT A y la tabla CERRADA, a diferencia de profundidad 0 (igual profundidad) Resultados para los problemas LA01-15 con el heurístico h 3 y realizando podas en la tabla ABIERT A y la tabla CERRADA (DP = 0), podando en ABIERT A los hijos de los nodos podados en CERRADA Resultados para los problemas LA01-15 con el heurístico h 3 y realizando podas en la tabla ABIERT A y la tabla CERRADA, utilizando para CERRADA un diccionario que agiliza la poda por dominancia Resultados para el problema F T 06 resuelto con los diferentes heurísticos y empleando la técnica de poda Resultados resumen para problemas y problemas recortados de las baterías LA, ORB, ABZ y Selectos, con el heurístico h 3 y realizando podas Resultados resumen para los problemas de Sadeh organizadas por grupos según sus parámetros BK y RG, con el heurístico h 3 y realizando podas Resultados para una serie de problemas de tamaño 6 6: problemas recortados de las baterías LA, ORB, ABZ, Y N y Selectos Resultados para una serie de problemas de tamaño 7 7: problemas recortados de las baterías LA, ORB, ABZ, Y N y Selectos Resultados para una serie de problemas de tamaño 8 8: problemas recortados de las baterías LA, ORB, ABZ, Y N y Selectos vii

15 ÍNDICE DE TABLAS Resultados para una serie de problemas de tamaño 9 9: problemas recortados de las baterías LA, ORB, ABZ, Y N y Selectos Resultados para una serie de problemas de tamaño 10 10: problemas de las baterías LA, ABZ, ORB, problema F T 10 y problemas recortados de las baterías Y N y Selectos Resultados para el único problema resuelto de la batería Selectos: el F T Resultados para los problemas de la batería Sadeh (RG = 0,0, BK = 1) Resultados para los problemas de la batería Sadeh (RG = 0,0, BK = 2) Resultados para los problemas de la batería Sadeh (RG = 0,1, BK = 1) Resultados para los problemas de la batería Sadeh (RG = 0,1, BK = 2) Resultados para los problemas de la batería Sadeh (RG = 0,2, BK = 1) Resultados para los problemas de la batería Sadeh (RG = 0,2, BK = 2) Cotas Inferiores (LB) y Máximas profundidades (MP) alcanzadas para los problemas no resueltos Problemas Baterías: Mejores soluciones en la literatura, Soluciones alcanzadas y Cotas inferiores (en negrita) Problemas Recortados: Soluciones y Cotas inferiores (en negrita) Resultados para el problema F T 06 resuelto con los diferentes heurísticos Resultados para los problemas LA01-15 resuelto con los diferentes heurísticos. Los valores en negrita indican que la memoria se ha agotado sin alcanzar una solución Resultados para el problema F T 06 resuelto con los diferentes heurísticos y empleando la técnica de poda Resultados para los problemas LA01-05 resuelto con los diferentes heurísticos. La negrita indica que la memoria se ha agotado sin alcanzar una solución Resultados resumen para problemas recortados de las baterías LA, ORB, ABZ y Selectos, con los heurísticos h 2, h 3 y h 4, realizando podas Resultados resumen para los únicos problemas resueltos de tamaño 10 10, problemas recortados de las Selectos, con los heurísticos h 2, h 3 y h 4 y realizando podas Resultados resumen para los problemas de Sadeh con BK = 1, agrupados por grupos según su parámetros RG, con los heurísticos h 2, h 3 y h 4, realizando podas Resultados resumen para los problemas de Sadeh con BK = 2, agrupados por grupos según su parámetros RG, con los heurísticos h 2, h 3 y h 4, realizando podas Tiempos empleados por el algoritmo A con poda y empleando h 2 en el SO Ubuntu y trasladados al SO Windows, para los problemas LA Medias de los tiempos empleados por el algoritmo A con poda y empleando h 2 en el SO Ubuntu y trasladados al SO Windows, para los grupos de problemas de Sadeh Tiempos empleados por el algoritmo A con poda y empleando h 2 en el SO Ubuntu y trasladados al SO Windows, para los problemas de tamaños 8 8 y Resultados con el AG sobre el subconjunto de instancias LA01 LA05. Conguración del AG /0,8/0,2/300/2000/20/ viii

16 ÍNDICE DE TABLAS Resultados con el AG sobre los subconjuntos de instancias recortadas de tamaños 8 8 y Resultados con el AG sobre los subconjuntos de instancias de Sadeh. Conguración del AG /0,8/0,2/300/2000/20/ Resultados con el algoritmo BL sobre las instancias LA01 LA Resultados con el algoritmo BL sobre los subconjuntos de instancias recortadas de tamaños 8 8 y Resultados con el algoritmo BL sobre los subconjuntos de instancias de Sadeh Resultados con h 2 para una serie de problemas de tamaño 6 6: problemas recortados de las baterías LA, ORB, ABZ, Y N y Selectos Resultados con h 2 para una serie de problemas de tamaño 7 7: problemas recortados de las baterías LA, ORB, ABZ, Y N y Selectos Resultados con h 2 para una serie de problemas de tamaño 8 8: problemas recortados de las baterías LA, ORB, ABZ, Y N y Selectos Resultados con h 2 para una serie de problemas de tamaño 9 9: problemas recortados de las baterías LA, ORB, ABZ, Y N y Selectos Resultados con h 2 para los únicos problema resueltos de tamaño 10 10: problemas recortados de las batería Selectos Resultados con h 2 para los problemas de la batería Sadeh (RG = 0,0, BK = 1) Resultados con h 2 para los problemas de la batería Sadeh (RG = 0,0, BK = 2) Resultados con h 2 para los problemas de la batería Sadeh (RG = 0,1, BK = 1) Resultados con h 2 para los problemas de la batería Sadeh (RG = 0,1, BK = 2) Resultados con h 2 para los problemas de la batería Sadeh (RG = 0,2, BK = 1) Resultados con h 2 para los problemas de la batería Sadeh (RG = 0,2, BK = 2) Resultados con h 2 para los problemas: F T 06 y LA Cotas Inferiores (LB) y Máximas profundidades (MP) alcanzadas con h 2 para los problemas no resueltos Resultados con h 3 para una serie de problemas de tamaño 6 6: problemas recortados de las baterías LA, ORB, ABZ, Y N y Selectos Resultados con h 3 para una serie de problemas de tamaño 7 7: problemas recortados de las baterías LA, ORB, ABZ, Y N y Selectos Resultados con h 3 para una serie de problemas de tamaño 8 8: problemas recortados de las baterías LA, ORB, ABZ, Y N y Selectos Resultados con h 3 para una serie de problemas de tamaño 9 9: problemas recortados de las baterías LA, ORB, ABZ, Y N y Selectos Resultados con h 3 para los únicos problema resueltos de tamaño 10 10: problemas recortados de las batería Selectos Resultados con h 3 para los problemas de la batería Sadeh (RG = 0,0, BK = 1) Resultados con h 3 para los problemas de la batería Sadeh (RG = 0,0, BK = 2) Resultados con h 3 para los problemas de la batería Sadeh (RG = 0,1, BK = 1) Resultados con h 3 para los problemas de la batería Sadeh (RG = 0,1, BK = 2) ix

17 ÍNDICE DE TABLAS Resultados con h 3 para los problemas de la batería Sadeh (RG = 0,2, BK = 1) Resultados con h 3 para los problemas de la batería Sadeh (RG = 0,2, BK = 2) Resultados con h 3 para los problemas: F T 06 y LA Cotas Inferiores (LB) y Máximas profundidades (MP) alcanzadas con h 3 para los problemas no resueltos Resultados con h 4 para una serie de problemas de tamaño 6 6: problemas recortados de las baterías LA, ORB, ABZ, Y N y Selectos Resultados con h 4 para una serie de problemas de tamaño 7 7: problemas recortados de las baterías LA, ORB, ABZ, Y N y Selectos Resultados con h 4 para una serie de problemas de tamaño 8 8: problemas recortados de las baterías LA, ORB, ABZ, Y N y Selectos Resultados con h 4 para una serie de problemas de tamaño 9 9: problemas recortados de las baterías LA, ORB, ABZ, Y N y Selectos Resultados con h 4 para los únicos problema resueltos de tamaño 10 10: problemas recortados de las batería Selectos Resultados con h 4 para los problemas de la batería Sadeh (RG = 0,0, BK = 1) Resultados con h 4 para los problemas de la batería Sadeh (RG = 0,0, BK = 2) Resultados con h 4 para los problemas de la batería Sadeh (RG = 0,1, BK = 1) Resultados con h 4 para los problemas de la batería Sadeh (RG = 0,1, BK = 2) Resultados con h 4 para los problemas de la batería Sadeh (RG = 0,2, BK = 1) Resultados con h 4 para los problemas de la batería Sadeh (RG = 0,2, BK = 2) Resultados con h 4 para los problemas: F T 06 y LA Cotas Inferiores (LB) y Máximas profundidades (MP) alcanzadas con h 4 para los problemas no resueltos Problemas Baterías: Soluciones y Cotas inferiores (en negrita) Problemas Recortados: Soluciones y Cotas inferiores (en negrita) Problema J C max. Cotas superiores calculadas con probabilidad ja 0,01 y probabilidad proporcional a la profundidad, para una ejecución del algoritmo A empleando la técnica de poda Problema J C max. Resultados de las 20 ejecuciones con el algoritmo A calculando cotas superiores con una probabilidad proporcional a la profundidad. Tiempo límite 3600 segundos Problema J C max. A con reducción del espacio de búsqueda δ = 0, Problema J C max. A con ponderación estática. El algoritmo se detiene cuando encuentra la primera solución Problema J C max. A Anytime con ponderación estática y la técnica de poda. Encuentra todas las soluciones posibles hasta agotar la memoria Problema J C max. A Anytime con ponderación estática w = 1,25, con y sin la técnica de poda. Encuentra todas las soluciones posibles hasta agotar la memoria x

18 ÍNDICE DE TABLAS 6.7. Problema J C max. A con propagación de restricciones Selección Inmediata, con y sin la técnica de poda. La cota superior de partida es el óptimo Problema J C i. A con la técnica de poda y los heurísticos h 2 y h Problema J C i. A con la técnica de poda, con y sin el cálculo de cotas superiores. Para cada problema se muestra su solución, los nodos generados y expandidos y las podas realizadas por UB Problema J C i. A con la técnica de poda, con y sin el cálculo de UB. Para cada problema se muestra los nodos generados y expandidos, la máxima profundidad alcanzada, el mejor UB, y las podas realizadas por cota superior Problema J C i. A sin la técnica de poda y con reducciones del espacio de búsqueda δ [0,75, 0,5, 0,25, 0] Problema J C i. A con la técnica de poda y con reducciones del espacio de búsqueda δ [0,75, 0,5, 0,25, 0] Problema J C i. A sin la técnica de poda y con ponderación estática. El algoritmo se detiene cuando encuentra la primera solución Problema J C i. A con la técnica de poda y con ponderación estática. El algoritmo se detiene cuando encuentra la primera solución Problema J C i. A Anytime con ponderación estática y la técnica de poda. Encuentra todas las soluciones posibles hasta agotar la memoria Problema J C i. A con ponderación estática y la técnica de poda. Soluciones para los problemas LA06 20, encontradas a partir de w = 1,5 con reducciones de 0, 05 hasta no encontrar solución o llegar a w = 1,05. Deteniendo el algoritmo en la primera solución y calculando varias soluciones Problema J C i. A con la técnica de poda y discrepancias heurísticas limitadas. El algoritmo se detiene cuando encuentra la primera solución Problema J C i. A Anytime con la técnica de poda, discrepancias heurísticas limitadas y ponderación estática. Encuentra todas las soluciones posibles hasta agotar la memoria Problema J C i. A empleando el heurístico h w y la técnica de poda. El algoritmo se detiene cuando encuentra la primera solución Problema J C i. A empleando el heurístico h w y la técnica de poda. Encuentra todas las soluciones posibles hasta agotar la memoria Problema J C i. A con h w y la técnica de poda. Soluciones para los problemas LA06 20, encontradas a partir de δ = 0 con incrementos de 0, 2 hasta no encontrar solución o llegar a δ = 2. Deteniendo el algoritmo al encontrar la primera solución y calculando varias soluciones Problema J C i. Comparación del A y la técnica de poda, empleando ajuste sistemático de w en ponderación estática (A -SW) y de δ en h w (A -DW). Soluciones para los problemas LA06 20, deteniendo el algoritmo al encontrar la primera solución y calculando varias soluciones xi

19 ÍNDICE DE TABLAS Resultados con el AG y la BL para las instancias resueltas de tamaño 9 9 y los problemas LA Tiempos empleados en el S.O. Ubuntu, por el algoritmo A que empleando la técnica de poda, para los tres problemas resueltos de tamaño y los problemas no resueltos LA06 20, y su traslación al S.O. Windows Resultados de las 20 ejecuciones con el AG y la BL para las tres instancias resueltas de tamaño Conguración AG, (/0, 8/0, 2/300/2000/20/). Tiempo de aproximado de cada ejecución 840 segundos Resultados de las 20 ejecuciones con el AG y la BL para las instancias no resueltas LA Conguración AG, (/0, 8/0, 2/300/2000/20/). Tiempo de aproximado de cada ejecución 961 segundos Comparación del algoritmo A utilizando la poda por dominancia y el método sistemático de ponderación adaptativa al dominio (A -DW), con un algoritmo genético (AG) y la búsqueda local (BL), para los problemas LA xii

20 Índice de Algoritmos 2.1. Algoritmo de Schrage Algoritmo G&T Algoritmo G&T Híbrido Algoritmo Evolutivo Algoritmo G&T híbrido para la de Decodicación de Cromosomas Esquema de un algoritmo de Búsqueda Local UB(estado n) PROCEDURE Select Branch_and_Bound (Problema) Algoritmo de Mejora de Cabeza (c) SELECT. Algoritmo que ja arcos Directos SELECT Primal. Algoritmo que ja todos los arcos Primales SELECT Dual. Algoritmo que ja todos los arcos Duales Selección Inmediata Algoritmo A Funciones de recticación de nodos ya expandidos SUC(estado n). Problema J C max : Algoritmo para expandir el estado n SUC(estado n). Problema J C i : Algoritmo para expandir el estado n xiii

Búsqueda Heurística para Problemas de Scheduling *

Búsqueda Heurística para Problemas de Scheduling * IX Congreso de Ingeniería de Organización Gijón, 8 y 9 de septiembre de 2005 Búsqueda Heurística para Problemas de Scheduling * María Sierra Sánchez 1, Ramiro Varela Arias 2 1 Dpto. de Informática. Campus

Más detalles

Una heurística para la asignación de máquinas a trabajos fijos

Una heurística para la asignación de máquinas a trabajos fijos VIII Congreso de Ingeniería de Organización Leganés, 9 y 10 de septiembre de 2004 Una heurística para la asignación de máquinas a trabajos fijos José Manuel García Sánchez, Marcos Calle Suárez, Gabriel

Más detalles

TÉCNICAS DE PLANIFICACIÓN Y CONTROL DE PROYECTOS 1

TÉCNICAS DE PLANIFICACIÓN Y CONTROL DE PROYECTOS 1 Técnicas de planificación y control de proyectos Andrés Ramos Universidad Pontificia Comillas http://www.iit.comillas.edu/aramos/ Andres.Ramos@comillas.edu TÉCNICAS DE PLANIFICACIÓN Y CONTROL DE PROYECTOS

Más detalles

Combinación de Algoritmos Evolutivos y Técnicas Heurísticas para Problemas de Scheduling

Combinación de Algoritmos Evolutivos y Técnicas Heurísticas para Problemas de Scheduling Combinación de Algoritmos Evolutivos y Técnicas Heurísticas para Problemas de Scheduling Ramiro Varela, Javier Blanco, Camino Rodríguez, Jorge Puente y César Alonso Centro de Inteligencia Artificial. Universidad

Más detalles

Nuevas Tendencias y Retos en Métodos Heurísticos para Problemas de Scheduling

Nuevas Tendencias y Retos en Métodos Heurísticos para Problemas de Scheduling Nuevas Tendencias y Retos en Métodos Heurísticos para Problemas de Scheduling Ramiro Varela Grupo de Tecnologías de la Computación. Departamento de Informática. Centro de Inteligencia Artificial Universidad

Más detalles

Capítulo VI MÉTODOS DE SOLUCIÓN PARA JOB SHOP SCHEDULING

Capítulo VI MÉTODOS DE SOLUCIÓN PARA JOB SHOP SCHEDULING Capítulo VI MÉTODOS DE SOLUCIÓN PARA JOB SHOP SCHEDULING 6.1. HEURÍSTICAS CONVENCIONALES El problema de job shop scheduling (JSSP) es un problema muy importante [69]; está entre los problemas de optimización

Más detalles

Algoritmos exactos y heurísticos para minimizar el adelantamiento y retraso ponderados en una máquina con una fecha de entrega común

Algoritmos exactos y heurísticos para minimizar el adelantamiento y retraso ponderados en una máquina con una fecha de entrega común Algoritmos... en una máquina con una fecha de entrega común Algoritmos exactos y heurísticos para minimizar el adelantamiento y retraso ponderados en una máquina con una fecha de entrega común R. Alvarez-Valdés,

Más detalles

Modelos y Optimización I

Modelos y Optimización I Modelos y Optimización I María Inés Parnisari 7 de enero de 2012 Índice 1. Deniciones 2 2. Método Simplex 2 3. Problemas 4 4. Modelización 10 5. Heurísticas 10 1 1 Deniciones Investigación operativa: aplicación

Más detalles

Programación de Sistemas Productivos

Programación de Sistemas Productivos Universidad Simón Bolívar Programación de Sistemas Productivos Secuenciación de Operaciones PS-4162 Gestión de la Producción II 1 Contenido Secuencias de trabajo en los centros de trabajo Reglas de prioridad

Más detalles

MODELOS DE PLANIFICACIÓN

MODELOS DE PLANIFICACIÓN MODELOS DE PLANIFICACIÓN Santiago de Compostela, Octubre 2006 1 s jk C max P Jm prmt L max NP Rm tree C j Algoritmos wj U j Uj Calendarios Fm prec w j U j Práctica CONTENIDO. Contents 1 Descripción del

Más detalles

Desarrollo de algoritmos genéticos, de recocido simulado e híbridos para la planificación de un taller flexible

Desarrollo de algoritmos genéticos, de recocido simulado e híbridos para la planificación de un taller flexible X Congreso de Ingeniería de Organización Valencia, 7 y 8 de septiembre de 2006 Desarrollo de algoritmos genéticos, de recocido simulado e híbridos para la planificación de un taller flexible Sara Lumbreras

Más detalles

IN4703 Gestión de Operaciones. Programación de Operaciones (Operations Scheduling)

IN4703 Gestión de Operaciones. Programación de Operaciones (Operations Scheduling) IN4703 Gestión de Operaciones Programación de Operaciones (Operations Scheduling) Lineamientos de la Clase de Hoy Objetivos de la Programación de Operaciones Sistemas de Manufactura (Manufacturing Execution

Más detalles

METAHEURISTICAS Ideas, Mitos, Soluciones

METAHEURISTICAS Ideas, Mitos, Soluciones METAHEURISTICAS Ideas, Mitos, Soluciones OPTIMIZACION COMBINATORIA Qué es un problema de optimización combinatoria? Cómo se modela matemáticamente un problema de optimización combinatoria? Minimizar (o

Más detalles

Algoritmo de dispatching para la programación de la producción en una planta de fabricación Pág. 1. Resumen

Algoritmo de dispatching para la programación de la producción en una planta de fabricación Pág. 1. Resumen Algoritmo de dispatching para la programación de la producción en una planta de fabricación Pág. 1 Resumen Este proyecto tiene por objetivo resolver un problema real de secuenciación de operaciones de

Más detalles

Algoritmos de planificación basados en restricciones para la sustitución de componentes defectuosos Irene Barba Rodríguez, 48861238S irenebr@us.

Algoritmos de planificación basados en restricciones para la sustitución de componentes defectuosos Irene Barba Rodríguez, 48861238S irenebr@us. Algoritmos de planificación basados en restricciones para la sustitución de componentes defectuosos Irene Barba Rodríguez, 48861238S irenebr@us.es Supervised by Prof. Dr. Carmelo del Valle Sevillano Thesis

Más detalles

UN ALGORITMO DE ESTIMACIÓN DE DISTRIBUCIONES PARA EL PROBLEMA DE SECUENCIAMIENTO EN CONFIGURACIÓN JOBSHOP FLEXIBLE

UN ALGORITMO DE ESTIMACIÓN DE DISTRIBUCIONES PARA EL PROBLEMA DE SECUENCIAMIENTO EN CONFIGURACIÓN JOBSHOP FLEXIBLE UN ALGORITMO DE ESTIMACIÓN DE DISTRIBUCIONES PARA EL PROBLEMA DE SECUENCIAMIENTO EN CONFIGURACIÓN JOBSHOP FLEXIBLE Ricardo Pérez Rodríguez & Arturo Hernández Aguirre Comunicación del CIMAT No I-15-01/23-01-2015

Más detalles

GANTT, PERT y CPM. Figura 5.3: Carta GANTT 3.

GANTT, PERT y CPM. Figura 5.3: Carta GANTT 3. GANTT, PERT y CPM Características Conseguir una buena programación es un reto, no obstante es razonable y alcanzable. Ella debe tener el compromiso del equipo al completo, para lo cual se recomienda que

Más detalles

Tema 4: Redes de conmutación

Tema 4: Redes de conmutación Tema 4: Redes de conmutación Introducción... 1 Redes de conmutación de circuitos... 2 Conmutación por división en el espacio... 3 Conmutación por división en el tiempo... 4 Conmutación de paquetes... 5

Más detalles

Ingeniería Técnica en Informática de Gestión

Ingeniería Técnica en Informática de Gestión Departamento de Informática Universidad Carlos III de Madrid Ingeniería Técnica en Informática de Gestión Inteligencia Artificial Febrero 2006. 1 a parte Normas generales del examen El tiempo para realizar

Más detalles

UNIVERSIDAD DE BURGOS

UNIVERSIDAD DE BURGOS UNIVERSIDAD DE BURGOS DEPARTAMENTO DE INGENIERÍA CIVIL TESIS DOCTORAL ANÁLISIS DE LA RELAJACIÓN LAGRANGIANA COMO MÉTODO DE PROGRAMACIÓN DE TALLERES FLEXIBLES EN UN ENTORNO MULTIAGENTE Autor: Directores:

Más detalles

Versión E1.0.1. Histórico de revisiones. Fecha Versión Descripción Autor 27/02/2006 E1.0.0 Primera versión del Documento de Riesgos.

Versión E1.0.1. Histórico de revisiones. Fecha Versión Descripción Autor 27/02/2006 E1.0.0 Primera versión del Documento de Riesgos. Documento de Riesgos Versión E1.0.1 Histórico de revisiones Fecha Versión Descripción Autor 27/02/2006 E1.0.0 Primera versión del Documento de Riesgos. Grupo FIbRA 02/03/2006 E1.0.1 Se introdujeron cambios

Más detalles

Métodos evolutivos de Optimización. Prof. Cesar de Prada Dpto. Ingeneiria de Sitemas y Automática Universidad de Valladolid

Métodos evolutivos de Optimización. Prof. Cesar de Prada Dpto. Ingeneiria de Sitemas y Automática Universidad de Valladolid Métodos evolutivos de Optimización Prof. Cesar de Prada Dpto. Ingeneiria de Sitemas y Automática Universidad de Valladolid Indice Introducción Método de Montecarlo Algoritmos genéticos Tabú Search Simulated

Más detalles

Introducción INTRODUCCIÓN

Introducción INTRODUCCIÓN Introducción INTRODUCCIÓN Las empresas de distintos sectores económicos han concebido la logística como un proceso estratégico para mantener su actividad y garantizar la eficiencia de las operaciones de

Más detalles

Uso de una Colonia de Hormigas. para resolver Problemas de Programación. de Horarios

Uso de una Colonia de Hormigas. para resolver Problemas de Programación. de Horarios LABORATORIO NACIONAL DE INFORMÁTICA AVANZADA A. C. Centro de Enseñanza LANIA Uso de una Colonia de Hormigas para resolver Problemas de Programación de Horarios Tesis que presenta: Emanuel Téllez Enríquez

Más detalles

Scheduling Problem. Cuándo y dónde debo hacer cada trabajo?

Scheduling Problem. Cuándo y dónde debo hacer cada trabajo? Scheduling Problem Cuándo y dónde debo hacer cada trabajo? Ejemplos de problemas de asignación de recursos Fabricación de varios tipos de productos Asignación de turnos de trabajo Inversión financiera

Más detalles

Aplicación de la inteligencia artificial a la resolución del problema de asignación de estudiantes del departamento de PDI

Aplicación de la inteligencia artificial a la resolución del problema de asignación de estudiantes del departamento de PDI Aplicación de la inteligencia artificial a la resolución del problema de asignación de estudiantes del departamento de PDI Ricardo Köller Jemio Departamento de Ciencias Exactas e Ingeniería, Universidad

Más detalles

Programación de tareas, un reto diario en la empresa

Programación de tareas, un reto diario en la empresa Programación de tareas, un reto diario en la empresa Pedro Sánchez Martín Ingeniero del ICAI (1993) y Doctor en Ingeniería Industrial por la UPCO (1998). Profesor del Departamento de Organización Industrial

Más detalles

ALGORITMOS EVOLUTIVOS AVANZADOS

ALGORITMOS EVOLUTIVOS AVANZADOS UNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE INFORMÁTICA TESIS PARA LA MAESTRÍA EN AUTOMATIZACIÓN DE OFICINAS ALGORITMOS EVOLUTIVOS AVANZADOS COMO SOPORTE DEL PROCESO PRODUCTIVO Realizada por la Lic. Carolina

Más detalles

Estado del Arte del Job Shop Scheduling Problem

Estado del Arte del Job Shop Scheduling Problem Estado del Arte del Job Shop Scheduling Problem Víctor Peña y Lillo Zumelzu Departamento de Informática, Universidad Técnica Federico Santa María Valparaíso, Chile vpena@inf.utfsm.cl 17 de mayo de 2006

Más detalles

Unidad II: Análisis de Redes

Unidad II: Análisis de Redes Unidad II: Análisis de Redes 2.1 Conceptos Básicos Un problema de redes es aquel que puede representarse por: LA IMPORTANCIA DE LOS MODELOS DE REDES: Muchos problemas comerciales pueden ser resueltos a

Más detalles

Ejercicios de Teoría de Colas

Ejercicios de Teoría de Colas Ejercicios de Teoría de Colas Investigación Operativa Ingeniería Informática, UC3M Curso 08/09 1. Demuestra que en una cola M/M/1 se tiene: L = ρ Solución. L = = = = = ρ np n nρ n (1 ρ) nρ n n=1 ρ n ρ

Más detalles

&$3Ì78/2 $/*25,7026 (92/87,926 $9$1=$'26 3$5$ 763 6.1. INTRODUCCIÓN

&$3Ì78/2 $/*25,7026 (92/87,926 $9$1=$'26 3$5$ 763 6.1. INTRODUCCIÓN &$3Ì78/2 6.1. INTRODUCCIÓN Los primeros avances para solucionar el TSP, por medio de Algoritmos Evolutivos han sido introducidos por Goldberg y Lingle en [68] y Grefenstette en [72]. En éste área muchos

Más detalles

TEMA 6 PLANIFICACIÓN Y PROGRAMACIÓN DEL PROYECTO

TEMA 6 PLANIFICACIÓN Y PROGRAMACIÓN DEL PROYECTO TEMA 6 PLANIFICACIÓN Y PROGRAMACIÓN DEL PROYECTO 99 100 6.1 PREPARACIÓN DEL PROYECTO Una vez que el cliente ha aceptado la oferta presentada y le ha sido notificada la adjudicación del proyecto, la empresa

Más detalles

Tema I: Gestión de Proyectos Software: Planificación

Tema I: Gestión de Proyectos Software: Planificación Tema I: Gestión de Proyectos Software: Planificación Bibliografía Calvo-Manzano, J.A., Cervera, J., Fernández, L., Piattini, M. Aplicaciones Informáticas de Gestión. Una perspectiva de Ingeniería del Software.

Más detalles

Redes de comunicación

Redes de comunicación Redes de comunicación Conmutación de circuitos Conmutación de paquetes Dpt. Arquitectura de Computadores 1 Redes conmutadas Conmutación (nodos) de los datos que se reciben de una estación emisora hasta

Más detalles

Planificación detallada

Planificación detallada Planificación detallada 77 Planificación detallada En las empresas que fabrican contra pedido la tarea de determinar la secuencia óptima de fabricación de artículos en un taller es complicada debido al

Más detalles

Temario III Algoritmos Combinatorios y Metaheurísticas

Temario III Algoritmos Combinatorios y Metaheurísticas Temario III Algoritmos Combinatorios y Metaheurísticas Verificación y Validación de Software UNCo 1 Contenidos Combinación de Datos de Test Algoritmos Combinatorios Metaheurísticas Búsqueda Tabú Algoritmos

Más detalles

PLANIFICACIÓN DE PROYECTOS

PLANIFICACIÓN DE PROYECTOS Pert - CPM: Uno de los primeros casos documentados de la epoca actual sobre la administración y planificacion de proyectos se refiere al proyecto de armamentos del Polaris, empezando 1958. Así surgió el

Más detalles

Asignación de conductores a jornadas de trabajo en empresas de transporte colectivo

Asignación de conductores a jornadas de trabajo en empresas de transporte colectivo Tesis doctoral Asignación de conductores a jornadas de trabajo en empresas de transporte colectivo Por Carmen Esclapés Director: Tutora: Albert Corominas Elena Fernández Departament d Estadística i Investigació

Más detalles

Algoritmos Genéticos

Algoritmos Genéticos Introducción a la Computación Evolutiva Tercera Clase: Algoritmos Genéticos Algoritmos Genéticos Desarrollados en USA durante los años 70 Autores principales: J. Holland, K. DeJong, D. Goldberg Aplicados

Más detalles

Algoritmos Genéticos. Algoritmos Genéticos. Introducción a la Computación Evolutiva. Tercera Clase: Algoritmos Genéticos

Algoritmos Genéticos. Algoritmos Genéticos. Introducción a la Computación Evolutiva. Tercera Clase: Algoritmos Genéticos Introducción a la Computación Evolutiva Tercera Clase: Algoritmos Genéticos Algoritmos Genéticos Desarrollados en USA durante los años 70 Autores principales: J. Holland, K. DeJong, D. Goldberg Aplicados

Más detalles

Tema 7: Optimización sobre Redes Muchos de los problemas de Investigación Operativa pueden modelizarse y resolverse sobre un grafo: conjunto de

Tema 7: Optimización sobre Redes Muchos de los problemas de Investigación Operativa pueden modelizarse y resolverse sobre un grafo: conjunto de Tema 7: Optimización sobre Redes Muchos de los problemas de Investigación Operativa pueden modelizarse y resolverse sobre un grafo: conjunto de vértices o nodos conectados con arcos y/o aristas. Diseñar

Más detalles

Resolución de Problemas

Resolución de Problemas Introducción Resolución de Problemas La resolución de problemas es una capacidad que consideramos inteligente Somos capaces de resolver problemas muy diferentes Encontrar el camino en un laberinto Resolver

Más detalles

PLANIFICACIÓN Y PROGRAMACIÓN DE PROYECTOS METODOS PERT Y GANTT

PLANIFICACIÓN Y PROGRAMACIÓN DE PROYECTOS METODOS PERT Y GANTT PLANIFICACIÓN Y PROGRAMACIÓN DE PROYECTOS METODOS PERT Y GANTT [Escriba aquí una descripción breve del documento. Normalmente, una descripción breve es un resumen corto del contenido del documento. Escriba

Más detalles

3. Consideremos el puzzle-8 descrito en clase y sea el estado objetivo, como de costumbre,

3. Consideremos el puzzle-8 descrito en clase y sea el estado objetivo, como de costumbre, E.T.S.I. INFORMÁTICA 4º CURSO. INTELIGENCIA ARTIFICIAL. UNIVERSIDAD DE MÁLAGA Dpto. Lenguajes y Ciencias de la Computación RELACIÓN DE PROLEMAS. ÚSQUEDAS CON ÁROL.. Un móvil puede situarse en los nodos

Más detalles

5. AJUSTE DE PARÁMETROS DE LA BÚSQUEDA TABÚ

5. AJUSTE DE PARÁMETROS DE LA BÚSQUEDA TABÚ 5.Ajuste de parámetros de la búsqueda tabú 5. AJUSTE DE PARÁMETROS DE LA BÚSQUEDA TABÚ El algoritmo de Búsqueda Tabú (TS) utiliza un gran número de parámetros asociados a distintas etapas de la resolución.

Más detalles

Universidad Autónoma de Nuevo León

Universidad Autónoma de Nuevo León Universidad Autónoma de Nuevo León Facultad de Ingeniería Mecánica y Eléctrica División de Estudios de Posgrado Secuenciación en máquinas paralelas no relacionadas con tiempos de preparación y tareas de

Más detalles

SESIÓN 8 TIPOS DE SISTEMAS DE MANUFACTURA

SESIÓN 8 TIPOS DE SISTEMAS DE MANUFACTURA SESIÓN 8 TIPOS DE SISTEMAS DE MANUFACTURA CONTENIDO Términos en manufactura Clasificación de sistemas de manufactura Beneficios y ejemplos de sistemas de manufactura Los componentes de un sistema de manufactura

Más detalles

7. Conclusiones. 7.1 Resultados

7. Conclusiones. 7.1 Resultados 7. Conclusiones Una de las preguntas iniciales de este proyecto fue : Cuál es la importancia de resolver problemas NP-Completos?. Puede concluirse que el PAV como problema NP- Completo permite comprobar

Más detalles

www.fundibeq.org Además, se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de gestión.

www.fundibeq.org Además, se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de gestión. DIAGRAMA DE FLECHAS 1.- INTRODUCCIÓN Este documento sirve de guía para el proceso de planificación de proyectos. Describe desde la visualización de la secuencia de acciones a desarrollar en dichos proyectos

Más detalles

Recursos HELP DESK Biblioteca 2012

Recursos HELP DESK Biblioteca 2012 Investigación operativa aplicada al Help Desk INTRODUCCION Este artículo está dirigido a aquellas personas que tienen la responsabilidad del diseño de estructuras de soporte, ya sea de empresas de Outsourcing

Más detalles

Resumen de técnicas para resolver problemas de programación entera. 15.053 Martes, 9 de abril. Enumeración. Un árbol de enumeración

Resumen de técnicas para resolver problemas de programación entera. 15.053 Martes, 9 de abril. Enumeración. Un árbol de enumeración 5053 Martes, 9 de abril Ramificación y acotamiento () Entregas: material de clase Resumen de técnicas para resolver problemas de programación entera Técnicas de enumeración Enumeración completa hace una

Más detalles

Técnicas para la Optimización de Rutas de Transporte y Distribución

Técnicas para la Optimización de Rutas de Transporte y Distribución Vigilancia tecnológica: Técnicas para la Optimización de Rutas de Transporte y Distribución Subvenciona: Septiembre 2.009-Brain Trust Consulting Services Rev02-Pág 1 Índice 1. El problema de la optimización

Más detalles

Tema 2. Ingeniería del Software I feliu.trias@urjc.es

Tema 2. Ingeniería del Software I feliu.trias@urjc.es Tema 2 Ciclo de vida del software Ingeniería del Software I feliu.trias@urjc.es Índice Qué es el ciclo de vida del Software? El Estándar 12207 Modelos de proceso Qué es el Ciclo de Vida del SW? Definición

Más detalles

CAPITULO II. MARCO TEÓRICO. Actualmente todas las personas que tengan un capital considerable pueden invertir en

CAPITULO II. MARCO TEÓRICO. Actualmente todas las personas que tengan un capital considerable pueden invertir en CAPITULO II. MARCO TEÓRICO II.1. Mercados Financieros II.1.1 Marco histórico Actualmente todas las personas que tengan un capital considerable pueden invertir en acciones a fin de obtener ganancias rápidas

Más detalles

Algoritmos sobre Grafos

Algoritmos sobre Grafos Sexta Sesión 27 de febrero de 2010 Contenido Deniciones 1 Deniciones 2 3 4 Deniciones sobre Grafos Par de una lista de nodos y una lista de enlaces, denidos a su vez como pares del conjunto de nodos.

Más detalles

LECCIÓN 6 "TÉCNICAS DE PLANIFICACIÓN Y PROGRAMACIÓN"

LECCIÓN 6 TÉCNICAS DE PLANIFICACIÓN Y PROGRAMACIÓN LECCIÓN 6 "TÉCNICAS DE PLANIFICACIÓN Y PROGRAMACIÓN" ÍNDICE 6.1. NECESIDAD DE LA PLANIFICACIÓN Y PROGRAMACIÓN. 6.2. PROGRAMACIÓN CLÁSICA: DIAGRAMAS DE GANTT. 6.3. TÉCNICAS BASADAS EN EL USO DE REDES. 6.4.

Más detalles

Fundamentos de Investigación de Operaciones CPM y PERT

Fundamentos de Investigación de Operaciones CPM y PERT Fundamentos de Investigación de Operaciones PM y PRT 9 de abril de 00. Introducción xisten modelos de redes que pueden ser empleados para programar proyectos que comprenden un gran número de actividades.

Más detalles

Tema 1: Implementación del sistema de archivos

Tema 1: Implementación del sistema de archivos Tema 1: Implementación del sistema de archivos 1. Introducción 2. Implementación 3. Estructura del almacenamiento secundario Dpto. Tema Lenguajes 1: Implementación y Sistemas del Informáticos. sistema

Más detalles

CIF 9159 Taller Integrado. Sección 7. Programación (Calendarización) Prof. José Miguel Rubio L. jose.rubio.l@ucv.cl jrubio.leon@gmail.

CIF 9159 Taller Integrado. Sección 7. Programación (Calendarización) Prof. José Miguel Rubio L. jose.rubio.l@ucv.cl jrubio.leon@gmail. CIF 9159 Taller Integrado Sección 7 Programación (Calendarización) Prof. José Miguel Rubio L. jose.rubio.l@ucv.cl jrubio.leon@gmail.com Temas a Tratar Creación del calendario Hitos (milestones) Ordenación

Más detalles

Metaheurísticas: una visión global *

Metaheurísticas: una visión global * Metaheurísticas: una visión global * Belén Melián, José A. Moreno Pérez, J. Marcos Moreno Vega DEIOC. Universidad de La Laguna 38271 La Laguna {mbmelian,jamoreno,jmmoreno}@ull.es Resumen Las metaheurísticas

Más detalles

Teoría de Colas. TC: Parte de la Investigación Operativa que estudia el comportamiento de sistemas cuyos elementos incluyen líneas de espera (colas).

Teoría de Colas. TC: Parte de la Investigación Operativa que estudia el comportamiento de sistemas cuyos elementos incluyen líneas de espera (colas). Teoría de Colas TC: Parte de la Investigación Operativa que estudia el comportamiento de sistemas cuyos elementos incluyen líneas de espera (colas). IO 07/08 - Teoría de Colas 1 Teoría de Colas: ejemplos

Más detalles

GRAFOS. Prof. Ing. M.Sc. Fulbia Torres

GRAFOS. Prof. Ing. M.Sc. Fulbia Torres ESTRUCTURAS DE DATOS 2006 Prof. DEFINICIÓN Un grafo consta de un conjunto de nodos(o vértices) y un conjunto de arcos (o aristas). Cada arco de un grafo se especifica mediante un par de nodos. Denotemos

Más detalles

Búsqueda Local. cbea (LSI-FIB-UPC) Inteligencia Artificial Curso 2011/2012 1 / 33

Búsqueda Local. cbea (LSI-FIB-UPC) Inteligencia Artificial Curso 2011/2012 1 / 33 Introducción Búsqueda Local A veces el camino para llegar a la solución no nos importa, buscamos en el espacio de soluciones Queremos la mejor de entre las soluciones posibles alcanzable en un tiempo razonable

Más detalles

Planificación y secuenciamiento de procesos por lotes. Prof. Cesar de Prada ISA-UVA

Planificación y secuenciamiento de procesos por lotes. Prof. Cesar de Prada ISA-UVA Planificación secuenciamiento de procesos por lotes Prof. Cesar de Prada ISA-UVA Indice Procesos plantas batch Conceptos básicos de secuenciamiento Formulación de problemas de secuenciamiento Resolución

Más detalles

Búsqueda heurística Prof. Constantino Malagón

Búsqueda heurística Prof. Constantino Malagón Búsqueda heurística Prof. Constantino Malagón Area de Computación e Inteligencia Artificial 1 Búsqueda heurística Los métodos de búsqueda heurística disponen de alguna información sobre la proximidad de

Más detalles

RAID. Los detalles de las características segunda y tercera, cambian según los distintos niveles RAID. RAID 0 no soporta la tercera característica.

RAID. Los detalles de las características segunda y tercera, cambian según los distintos niveles RAID. RAID 0 no soporta la tercera característica. RAID Como se dijo anteriormente, el ritmo de mejora de prestaciones en memoria secundaria ha sido considerablemente menor que en procesadores y en memoria principal. Esta desigualdad ha hecho, quizás,

Más detalles

PONTIFICIA UNIVERSIDAD CATÓLICA DEL PERÚ FACULTAD DE CIENCIAS E INGENIERÍA

PONTIFICIA UNIVERSIDAD CATÓLICA DEL PERÚ FACULTAD DE CIENCIAS E INGENIERÍA TESIS PUCP Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No comercial-compartir bajo la misma licencia 2.5 Perú. Para ver una copia de dicha licencia, visite http://creativecommons.org/licenses/by-nc-sa/2.5/pe/

Más detalles

TEMA 9: Desarrollo de la metodología de Taguchi

TEMA 9: Desarrollo de la metodología de Taguchi TEMA 9: Desarrollo de la metodología de Taguchi 1 La filosofía de la calidad de Taguchi 2 Control de calidad Off Line y On Line Calidad Off Line Calidad On Line 3 Función de pérdida 4 Razones señal-ruido

Más detalles

La gestión de proyectos es la rama de la ciencia de la administración que trata de la planificación y el control de proyectos.

La gestión de proyectos es la rama de la ciencia de la administración que trata de la planificación y el control de proyectos. DEFINICIÓN DE PROYECTO Un proyecto es un conjunto de acciones No repetitivas Únicas De duración determinada Formalmente organizadas Que utilizan recursos Podremos considerar un proyecto, a efectos de aplicarle

Más detalles

Framework basado en Colonias de Hormigas artificiales para la resolución de problemas de optimización

Framework basado en Colonias de Hormigas artificiales para la resolución de problemas de optimización Universidad Central de Venezuela Facultad de Ciencias Escuela de Computación Laboratorio de Inteligencia Artificial Framework basado en Colonias de Hormigas artificiales para la resolución de problemas

Más detalles

CAPÍTULO 2 METODOS PROBABILÍSTICOS

CAPÍTULO 2 METODOS PROBABILÍSTICOS CAPÍTULO 2 METODOS PROBABILÍSTICOS La planeación de movimientos tiene aplicaciones en muchas áreas tales como la robótica, sistemas de realidad virtual y diseño asistido por computadora. Aunque muchos

Más detalles

FLEXIPLAN: UN SISTEMA DE PLANIFICACIÓN DE LA PRODUCCIÓN

FLEXIPLAN: UN SISTEMA DE PLANIFICACIÓN DE LA PRODUCCIÓN 27 Congreso Nacional de Estadística e Investigación Operativa Lleida, 8-11 de abril de 2003 FLEXIPLAN: UN SISTEMA DE PLANIFICACIÓN DE LA PRODUCCIÓN Vicente Valls 1, Jose Manuel Belenguer 1, Pilar Lino

Más detalles

Planificación de proyectos

Planificación de proyectos Planificación de proyectos Introducción Características de un proyecto: Conjunto numeroso de actividades complejas. Es singular (Conjunto de sucesos y actividades que sólo se presenta una vez) Es finito

Más detalles

Plan de Servicio al Cliente. Planes de contingencia y servicio al cliente

Plan de Servicio al Cliente. Planes de contingencia y servicio al cliente Plan de Servicio al Cliente Planes de contingencia y servicio al cliente Contenido Plan de Servicio al Cliente... 1 Planes de contingencia y servicio al cliente... 1 Política de retraso en pista... 3 Disponibilidad

Más detalles

Ingeniería de Software

Ingeniería de Software Ingeniería de Software MSDN Ingeniería de Software...1 Ingeniería del Software_/_ Ingeniería y Programación...1 Análisis de Requerimientos...2 Especificación...3 Diseño...4 Desarrollo en Equipo...5 Mantenimiento...6

Más detalles

Sistemas de producción y búsqueda de soluciones. Area de Computación e Inteligencia Artificial 1

Sistemas de producción y búsqueda de soluciones. Area de Computación e Inteligencia Artificial 1 Sistemas de producción y búsqueda de soluciones Area de Computación e Inteligencia Artificial 1 Técnicas de búsqueda Resolución de problemas en Inteligencia Artificial. En general, podemos afirmar que

Más detalles

DISEÑO DE METAHEURÍSTICOS HÍBRIDOS PARA PROBLEMAS DE RUTAS CON FLOTA HETEROGÉNEA (2 Parte) : GRASP Y CONCENTRACIÓN HEURÍSTICA

DISEÑO DE METAHEURÍSTICOS HÍBRIDOS PARA PROBLEMAS DE RUTAS CON FLOTA HETEROGÉNEA (2 Parte) : GRASP Y CONCENTRACIÓN HEURÍSTICA DISEÑO DE METAHEURÍSTICOS HÍBRIDOS PARA PROBLEMAS DE RUTAS CON FLOTA HETEROGÉNEA (2 Parte) : GRASP Y CONCENTRACIÓN HEURÍSTICA Cristina R. Delgado Serna Departamento de ECONOMÍA (Área de Economía Aplicada)

Más detalles

TEMA 6.- LA PUESTA EN MARCHA DE PROYECTOS. LOS ASPECTOS A TENER EN CUENTA

TEMA 6.- LA PUESTA EN MARCHA DE PROYECTOS. LOS ASPECTOS A TENER EN CUENTA TEMA 6.- LA PUESTA EN MARCHA DE PROYECTOS. LOS ASPECTOS A TENER EN CUENTA El Programa para el Fomento de la Intraemprendeduría en Ciclos Formativos de Formación Profesional es un proyecto financiado por

Más detalles

Fundamento de Informática Teórica(2003) Prof. Dr. Eric Jeltsch F. ORGANIZACION FISICA DE LOS SISTEMAS DE BASE DE DATOS

Fundamento de Informática Teórica(2003) Prof. Dr. Eric Jeltsch F. ORGANIZACION FISICA DE LOS SISTEMAS DE BASE DE DATOS ORGANIZACION FISICA DE LOS SISTEMAS DE BASE DE DATOS La organización física de una base de datos es un tópico extenso y se aborda en detalle, principalmente en la asignatura Base de Datos, y digo principalmente

Más detalles

Evaluación de la disponibilidad de los servicios desplegados sobre Volunteer Computing

Evaluación de la disponibilidad de los servicios desplegados sobre Volunteer Computing Evaluación de la disponibilidad de los servicios desplegados sobre Volunteer Computing Antonio Escot Praena Enginyeria Informàtica i Tècnica de Gestió Dirección del TFC Ángel A. Juan, PhD. Eva Vallada

Más detalles

TEMA 4. Unidades Funcionales del Computador

TEMA 4. Unidades Funcionales del Computador TEMA 4 Unidades Funcionales del Computador Álvarez, S., Bravo, S., Departamento de Informática y automática Universidad de Salamanca Introducción El elemento físico, electrónico o hardware de un sistema

Más detalles

Administración de proyectos. Organizar, planificar y programar los proyectos de software

Administración de proyectos. Organizar, planificar y programar los proyectos de software Administración de proyectos Organizar, planificar y programar los proyectos de software Administración de proyectos Trata de las actividades que hay que realizar para asegurar que el software se entregará

Más detalles

Un algoritmo genético híbrido para resolver el EternityII. Rico, Martin; Ros, Rodrigo Directora: Prof. Dra. Irene Loiseau

Un algoritmo genético híbrido para resolver el EternityII. Rico, Martin; Ros, Rodrigo Directora: Prof. Dra. Irene Loiseau Un algoritmo genético híbrido para resolver el EternityII Rico, Martin; Ros, Rodrigo Directora: Prof. Dra. Irene Loiseau Temas Temas Introducción Eternity II Historia Descripción Demo Metaheurísticas Algoritmos

Más detalles

Modelado de actividades en redes locales.

Modelado de actividades en redes locales. Modelado de actividades en redes locales. Cristóbal Raúl Santa María smaria@sion.com 1561454636 UNLaM y U. de Morón. Gastón Iemmelo iemello_gaston@redlink.com.ar 4662-1365 U. de Morón. Marcelo Gonzalez

Más detalles

Tema 3: Problemas de Satisfacción de Restricciones

Tema 3: Problemas de Satisfacción de Restricciones Tema 3: Problemas de Satisfacción de Restricciones Universidad de Granada Tema 3: Satisfacción de Restricciones Contenido Problemas de satisfacción de restricciones Métodos de búsqueda Búsqueda local para

Más detalles

PROCEDIMIENTO HEURÍSTICO PARA MINIMIZAR EL C max EN CELDAS ROBOTIZADAS CON BUFFERS FINITOS Y PIEZAS DISTINTAS

PROCEDIMIENTO HEURÍSTICO PARA MINIMIZAR EL C max EN CELDAS ROBOTIZADAS CON BUFFERS FINITOS Y PIEZAS DISTINTAS 27 Congreso Nacional de Estadística e Investigación Operativa Lleida, 8 11 de abril de 2003 PROCEDIMIENTO HEURÍSTICO PARA MINIMIZAR EL C max EN CELDAS ROBOTIZADAS CON BUFFERS FINITOS Y PIEZAS DISTINTAS

Más detalles

Flow-Shop Dinámico. Por: Juan Carlos Rivera Samuel De Greiff

Flow-Shop Dinámico. Por: Juan Carlos Rivera Samuel De Greiff Flow-Shop Dinámico Por: Juan Carlos Rivera Samuel De Greiff 1 Configuración tipo Flow- Shop Disposición lineal de los equipos. Productos con altos niveles de estandarización. Varios productos en volúmenes

Más detalles

WAN y Enrutamiento WAN

WAN y Enrutamiento WAN WAN y Enrutamiento WAN El asunto clave que separa a las tecnologías WAN de las LAN es la capacidad de crecimiento, no tanto la distancia entre computadoras Para crecer, la WAN consta de dispositivos electrónicos

Más detalles

ANEXO V. Como esquema de la aplicación se redacta el siguiente resumen para posible estudio por parte de las empresas licitantes.

ANEXO V. Como esquema de la aplicación se redacta el siguiente resumen para posible estudio por parte de las empresas licitantes. ANEXO V El Ayuntamiento de Coslada está realizando una intervención en las instalaciones de regulación de tráfico consistente en Ejecución de centro de control, videovigilancia y seguridad de edificios

Más detalles

FORMULACIÓN DE UN ALGORITMO GENÉTICO PARA EL PROBLEMA DE PROGRAMACIÓN DE ÓRDENES DE TRABAJO DE UNA EMPRESA DE ARTES GRÁFICAS

FORMULACIÓN DE UN ALGORITMO GENÉTICO PARA EL PROBLEMA DE PROGRAMACIÓN DE ÓRDENES DE TRABAJO DE UNA EMPRESA DE ARTES GRÁFICAS FORMULACIÓN DE UN ALGORITMO GENÉTICO PARA EL PROBLEMA DE PROGRAMACIÓN DE ÓRDENES DE TRABAJO DE UNA EMPRESA DE ARTES GRÁFICAS PROYECTO DE GRADO Javier mauricio gamboa salgado Código: 544004 John alexander

Más detalles

Computación Evolutiva: Técnicas de Selección

Computación Evolutiva: Técnicas de Selección Computación Evolutiva: Técnicas de Selección Dr. Gregorio Toscano Pulido Laboratorio de Tecnologías de Información Centro de Investigación y de Estudios Avanzados del IPN Cinvestav-Tamaulipas Dr. Gregorio

Más detalles

Unidad 6 Modelo de redes

Unidad 6 Modelo de redes Unidad 6 Modelo de redes Objetivos: Al nalizar la unidad, el alumno: Resolverá problemas utilizando el algoritmo de la ruta más corta. Resolverá problemas de flujo máimo. Resolverá problemas de flujo restringido

Más detalles

Diseño e Implementación de Algoritmos Genéticos Celulares para Problemas Complejos

Diseño e Implementación de Algoritmos Genéticos Celulares para Problemas Complejos TESIS DOCTORAL Diseño e Implementación de Algoritmos Genéticos Celulares para Problemas Complejos Autor Bernabé Dorronsoro Díaz Director Dr. Enrique Alba Torres Departamento Lenguajes y Ciencias de la

Más detalles

TESIS DOCTORAL OPTIMIZACIÓN Y ANÁLISIS DE COMPORTAMIENTO

TESIS DOCTORAL OPTIMIZACIÓN Y ANÁLISIS DE COMPORTAMIENTO UNIVERSIDAD DE CANTABRIA Departamento de Ciencia e Ingeniería del Terreno y de los Materiales Laboratorio de la División de Ciencia e Ingeniería de los Materiales TESIS DOCTORAL OPTIMIZACIÓN Y ANÁLISIS

Más detalles

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 Programación Lineal Entera

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 Programación Lineal Entera Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 11 de septiembre de 2003 1. Introducción Un LP donde se requiere que todas las variables sean enteras se denomina un problema

Más detalles

Unidad 2: Gestión de Memoria

Unidad 2: Gestión de Memoria Unidad 2: Gestión de Memoria Tema 3, Gestión de Memoria: 3.1 Definiciones y técnicas básicas. 3.2 Gestión de memoria contigua: Partición, fragmentación, algoritmos de ubicación... 3.3 Paginación: Estructura

Más detalles

Tesis Doctoral ANÁLISIS DE ESTRATEGIAS EFICIENTES EN LA LOGÍSTICA DE DISTRIBUCIÓN DE PAQUETERÍA

Tesis Doctoral ANÁLISIS DE ESTRATEGIAS EFICIENTES EN LA LOGÍSTICA DE DISTRIBUCIÓN DE PAQUETERÍA Tesis Doctoral ANÁLISIS DE ESTRATEGIAS EFICIENTES EN LA LOGÍSTICA DE DISTRIBUCIÓN DE PAQUETERÍA Autor: Miquel Àngel Estrada Romeu Ingeniero de Caminos, Canales y Puertos Director de la tesis: Prof. Francesc

Más detalles