P?9036QK 0R:L P?9036QK 0R:L

ALGORITMO HÍBRIDO PARA UN ENFOQUE ALTERNATIVO AL JOB-SHOP SCHEDULING PROBLEM

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

Download "ALGORITMO HÍBRIDO PARA UN ENFOQUE ALTERNATIVO AL JOB-SHOP SCHEDULING PROBLEM"

Transcripción

1 !" #%$'&( &&" ( #)* &"#!,+-#% #(&+.&! / <DN?969H32<D>P?9036QK 0R:L <WY9K N K:8 ALGRITM HÍBRID PARA UN ENFQUE ALTERNATIV AL JB-SHP SCHEDULING PRBLEM Mariano Frutos (UNS) Ana Carolina livera (UNS) Ricardo Casal (UNS) El Job-Shop Scheduling Problem (JSSP), consiste en la asignación de recursos a diferentes actividades que se ejecutan simultáneamente a lo largo del tiempo. El rango de aplicación de la teoría de secuenciación abarca diferentes áreas de connocimiento. En particular, el JSSP se trata de uno de los problemas de optimización del tipo NP-Completo más difíciles de resolver. En este trabajo, se presenta un algoritmo híbrido (AH) para el JSSP. Con el objeto de obtener un conjunto de soluciones al problema planteado, esta técnica híbrida combina un Algoritmo Genético (AG) multiobjetivo con Simulated Annealing (SA). Inicialmente, el AG obtiene un conjunto de individuos no dominados. Estas soluciones son utilizadas luego por SA con el fin de lograr mejoras en los individuos. Dado que la solución final es siempre elegida por un Decision Maker, fue necesario brindar un conjunto de soluciones alternativas, las cuales se obtuvieron de manera natural con el concepto de Pareto. Keywords: Job-Shop Scheduling Problem, Modelo de ptimización, Algoritmos Genéticos, Simulated Annealing

2 1. Introducción El Job-Shop Scheduling Problem (JSSP), consiste en la asignación de recursos a diferentes actividades que se ejecutan simultáneamente a lo largo del tiempo. El rango de aplicación de la teoría de secuenciación abarca áreas de conocimiento tales como producción, computación, servicios y otros. En adelante se adopta la terminología de producción, donde las tareas (J) son las actividades descompuestas en operaciones () (Figura 1) y las máquinas (M) representan recursos. J J2 J J Figura 1. Tareas descompuestas en operaciones El JSSP, consiste en la programación temporal de las operaciones que surgen de la descomposición de un conjunto de tareas teniendo en cuenta que éstas pueden ser ejecutadas en una o varias máquinas, y que cada máquina solamente puede ejecutar una tarea simultáneamente. Se trata de un problema de optimización del tipo NP-Completo (Lenstra & Rinnooy Kan, 1979). En este trabajo se propone un algoritmo híbrido que combina de manera eficiente dos metaheurísticas actuales: Algoritmos Genéticos (AGs) y Simulated Annealing (SA) para el JSSP. 2. Presentación del JSSP Sea J={1,...,i,...,n} el conjunto de todas las tareas, sea M={1,...,k,...,m} el conjunto de las máquinas en que se deben ejecutar las operaciones de las diferentes tareas. El conjunto de operaciones para una tarea posee una relación de precedencia que viene predeterminada por la secuencia técnica de producción. Cada conjunto E k contiene las operaciones que deben ejecutarse en la máquina k, es decir, las operaciones que no se pueden superponer temporalmente (Figura 2). Machine M M M M M Time (Hs) Figura 2. Diagrama de Gantt - JSSP El modelo propuesto para el problema en este trabajo es definido por los autores a través de las Exp. 1, 2 y 3. En el modelo, Z 1 (Exp. 1) y Z 2 (Exp. 2), representan la sumatoria de los retrasos o delay (D i ), producidos para las tareas de alta prioridad (H) y baja prioridad (L), 2

3 respectivamente. Esto ocurre cuando los tiempos efectivos de entrega (t i ) son mayores a los tiempos deseados de entrega (T i ) (Exp. 3). Min Z = D i H (Exp. 1) Min Z2 = D, i L (Exp. 2) 1 i, i H ( i i ) ( ) Si T t 0, D = 0 Si T t < 0, D = T t i i i i i i (Exp. 3) En la Tabla 1, se observan las tareas (col. Job), las operaciones (col. peration) y la máquina donde se realiza cada operación (col. Machine). Para nombrar a cada operación de manera univoca se la codifica según la nomenclatura ijk, que representa la operación j de una tarea i que se debe ejecutar en la máquina k (col. Code). Además, la Tabla 1, refleja la duración (col. Duration), el tiempo deseado de entrega (col. Time-Limit), y la prioridad de ejecución (col. Priority) de cada tarea. i L JB PERATIN MACHINE CDE DURATIN (HS) TIME-LIMIT (HS) PRIRITY H L H L Tabla 1. Codificación de las peraciones, Duración, Tiempo Límite y Prioridad. El JSSP consiste en seleccionar el orden en que las operaciones deben realizarse en cada máquina de forma tal de minimizar Z 1 y Z 2 del modelo propuesto por los autores (Figura 3). i Machine M M D3 M D4 M M T1 T3 T2 T4 Time (Hs) 3. Algoritmo Híbrido Figura 3. Diagrama de Gantt - Delay Varios autores han propuesto distintos métodos para abordar el JSSP, tales como, Greedy Randomized Adaptive Search Procedures (GRASP), Tabu Search (TS), Fuzzy Logic (FL), Ant Colony ptimization (AC), Algoritmos Genéticos (AGs) y Simulated Annealing (SA) (Heinonen & Pettersson, 2007). Los algoritmos híbridos han surgido como consecuencia de la falta de capacidad de resolver el problema, utilizando únicamente, una de las heurísticas antes mencionadas. 3

4 Para el caso del JSSP, distintos autores han propuesto diferentes algoritmos híbridos (AHs), que combinan AGs con otras técnicas de búsqueda local (Park et. al, 2003), (Tsai & Lin, 2003). En particular, se pueden encontrar en la literatura AHs que combinan AGs y SA (Heinonen & Pettersson, 2007). En estos, el principal inconveniente se centra en que la búsqueda local no tiene en cuenta las restricciones entre operaciones, la precedencia, las máquinas donde se realizan dichas operaciones y por esta razón, la búsqueda local, produce gran cantidad de individuos que no incorporan una solución mejor. El AH propuesto, comprende un AG multiobjetivo que obtiene un conjunto de individuos no dominados. Luego, aplica SA con la incorporación de la noción de máscara, para obtener soluciones que mejoran los individuos cercanos a la frontera de Pareto. 3.1 Algoritmo genético En los últimos años se ha generalizado el uso de algoritmos evolutivos, en especial los AGs (Golberg, 1989), para el tratamiento de problemas NP-Completos, como una alternativa a los límites de los métodos exactos. El pseudo-código del AG, puede observarse en la Figura 4. Algorithm AG step Input: T: Task; : perations; M: Machines; utput: S: Set of Best Individuals; Var continue: boolean; n: integer; 0. Inialization Random; 1. Generate Initial population (T,,M); 2. n =0; 3. Decoder(population n); 4. continue = yes; 5. repeat 6. Fitness Evaluation (population n); 7. Fathers = Fathers Pareto Selection(); 8. Children = Crossover(Fathers); 9. Mutation(Children); 10. Decoder(Children); 11. Generate(Population + 1, Fathers, Children); 12. n=n if conditions of Termination = yes 14. then 15. continue = no; 16. end if 17. until continue = no; end Algorithm Representación del Individuo Figura 4. Pseudo-código AG - JSSP Para la utilización del AG en el JSSP fue necesario poner especial hincapié en la representación del individuo. Para la representación del genotipo del individuo, se utilizó una variante a lo planteado por (Wu et. al, 2004). El cromosoma de un individuo representa una programación, es decir, cada alelo constituye una operación de una tarea específica que se realiza en una máquina dada. De esta manera una representación binaria no es suficiente para albergar toda la información necesaria para el problema planteado. Por este motivo el cromosoma es una cadena de enteros, donde cada uno se corresponde con una operación específica, quedando establecida una relación entre un número entero (col. Allele) y una operación (col. Code) (Tabla 2). 4

5 Ž Z[\[\[][\^`_ à b ^dc_[ ev^dcfpgev^%h1a1b a1^%g]api j.k j l m no9p k qrp/1j s k jv/1/1p k j s.q j l.ivt]/`pvqo9k i j n'uqqj qs /`uq/1j o JB PERATIN MACHINE CDE ALLELE Tabla 2. Tareas, operaciones, máquina, código, alelo Sea n la cantidad de tareas a programar, l i es la cantidad de operaciones de la tarea i. La longitud del cromosoma se obtiene a partir de la Exp. 4. n l i (Exp. 4) i= 1 En la Figura 5 se puede observar el cromosoma de un individuo y las operaciones que representa. El orden de las operaciones se considera de izquierda a derecha en el cromosoma Proceso de Selección Figura 5. Cromosoma del Individuo Para la asignación del fitness a un individuo se utilizó la técnica de Pareto propuesta por (Fonseca & Fleming, 1993), con el objetivo de encontrar un conjunto de soluciones para el JSSP no dominadas. Para esto fue necesario desviarse del esquema del AG simple o elitista, el cual tiende a converger hacia una única solución e incorporar Pareto como herramienta para la selección de los individuos de la generación siguiente. Esta consiste en la construcción de un ranking de dominancia entre los individuos de la población. La posición en el ranking se establece en función de la cantidad de individuos que dominan, en términos de Pareto, a uno en particular. Luego el fitness de cada individuo se obtiene interpolando desde el mejor al peor. Por último se promedió el fitness de los individuos que se encuentran en la misma posición del ranking de manera tal que todos ellos sean muestreados en la misma proporción. Para preservar la diversidad genética, se utilizó la técnica conocida como Sharing (Fonseca & Fleming, 1995). Ésta disminuye el fitness de los individuos que se encuentran dentro de lo que se conoce como Niched. De esta manera, cuantos más individuos estén dentro de un niched menor será su fitness. Con lo cual se le resta posibilidades de reproducción futura, puesto que posee menos chances de ser seleccionado. Es decir, cuanto más alto es el tamaño del niched de una solución más degradado su valor de fitness. A partir de esto se realiza un ranking según el fitness de los individuos. Luego de que los padres son elegidos, las operaciones de cruzamiento y mutación son realizadas. 5

6 3.1.3 Cruzamiento Para el cruzamiento se eligen dos padres y se seleccionan dos puntos de corte por cada padre. Sean P 1 (Figura 6) y P 2 (Figura 7) los padres a cruzar. El primer hijo (H 1 ) (Figura 8), se obtiene de la primer parte de P 1, la sección intermedia de P 2 y el final de P 1. De manera similar ocurre con el segundo hijo (H 2 ) (Figura 9). Para evitar que se repitan operaciones (enteros en la cadena) se trabaja con un cruzamiento similar al popularmente utilizado en el Travel Salesman Problem. Se puede apreciar que H 2 es una programación no factible para el JSSP. Esto no resulta inconveniente puesto que antes de que los hijos formen parte de la nueva población serán decodificados y transformados en hijos factibles, como lo indica la estrategia de decodificación que se verá en breve Figura 6. P Mutación Figura 7. P Figura 8. H Figura 9. H 2 La mutación comprende al intercambio de dos alelos (Figura 10, alelos 3 y 12), dentro del cromosoma del individuo. Este operador sirvió para mantener la diversidad genética dentro de la población (Figura 11) Figura 10. Mutación H Figura 11. H 1 - Factible Supongamos que elegimos los alelos 10 y 7 a intercambiar (Figura 12), el resultado (Figura 13), corresponde con un cromosoma no factible para el JSSP. 6

7 Figura 12. Mutación H Decodificación de la solución Figura 13. H 1 - No Factible Dado que los operadores de cruzamiento y mutación pueden generar individuos no factibles, fue necesario introducir una estrategia de decodificación (Cheng et. al., 1996). El objetivo de esta decodificación es obtener individuos factibles a partir de cualquier permutación de enteros. Un cambio incorporado a dicha estrategia en este trabajo consiste en reemplazar los valores del cromosoma de un individuo no factible una vez decodificado a su forma factible. De esta manera no tenemos individuos repetidos que estén representados de diferente manera dentro de la población. Cabe destacar que dado que la decodificación del individuo debe ser realizada siempre, la actualización del mismo no agrega mayor tiempo de ejecución al proceso. La decodificación se realiza en cuatro etapas (Figura 9): 1era. Se escanea los genes contenidos en el cromosoma, 2do. La primera operación que sea posible realizar es sumada a la cola de la máquina en que se debe realizar. En el caso particular del individuo de la Figura 9 se muestra como se realiza el cambio de posición para respetar el orden de precedencia (Figura 14), 3ero. Se repiten las etapas 1 y 2 hasta que las operaciones sean ordenadas en las máquinas correspondientes y 4to. Se actualiza la representación del individuo (Figura 15) Figura 14. H 2 - No Factible - Decodificación Figura 15. H 2 - Factible - Resultado En el caso en particular del individuo de la Figura 13, el procedimiento de decodificación encuentra en la secuencia de cromosomas que la 324 está antes en la secuencia que la 312 (Figura 16). En este caso existe una inconsistencia en el orden de precedencia de las operaciones. Como resultado de la modificación se reordenan los índices (Figura 17) Figura 16. H 1 - No Factible - Decodificación 7

8 Simulated Annealing Figura 17. H 1 - Factible - Resultado En los últimos años, Simulated Annealing (SA), ha sido utilizado ampliamente como técnica para afrontar problemas con gran complejidad. Cuenta con una estrategia de aceptación para las nuevas configuraciones que permite salir de mínimos locales, y encontrar soluciones de alta calidad. Es una metodología simple y de gran potencialidad para ser aplicada a una gran variedad de problemas. Distintos autores han utilizado SA como herramienta para obtener soluciones para el JSSP. Para el uso de SA, en el algoritmo híbrido presentado, se introduce el concepto de máscara dentro del cromosoma de los individuos. Sea ijk, la operación j de la tarea i que se realiza en la máquina k, la máscara extrae la sub-cadena del cromosoma correspondiente a la máquina k (E k ), SA intercambia los alelos de la sub-cadena M cantidad de veces, donde M depende de la Temperatura T y de omega, parámetro de SA. Esto se realiza para cada una de las máquinas. En el caso de que el individuo resultante sea no factible se vuelve a decodificar y se obtiene la representación factible del individuo. SA compara el individuo resultante con el original, si su fitness es mejor, se almacena como la mejor solución encontrada hasta el momento. En caso contrario, se obtiene una probabilidad de quedarse con ese individuo y se vuelve a realizar todo el proceso. Luego de obtener los mejores individuos posibles, SA actualiza la lista de soluciones y termina. La Figura 18, muestra como ejemplo la etapa donde se intercambian dos operaciones de la M 2 luego de aplicar la máscara en el H 1 (Figura 8) Figura 18. Mascara H 1 - M 2 - SA La Figura 19, muestra el procedimiento para la M 1 en el H 2 (Figura 9). Cabe destacar que al finalizar el ciclo de cambio de lugar de las operaciones, se debe decodificar el individuo a fin de obtener un resultado factible (Figura 20). En la Figura 21, se puede observar el algoritmo de SA totalmente adaptado al JSSP Figura 19. Mascara H 2 - M 1 - SA Figura 20. H 2 - No Factible - Decodificación - SA 8

9 Algorithm Simulated Annealing for JSSP Input: BI: GA s best individuals; utput: BISA: SA s best individuals; Var: omega:real; n,k: Integer; TFinal: real; M: integer; I:Individual; 0. omega = Initmega(); 1. for n = 0 to Number of Individuals in BI 2. I = BI (n); 3. Sa = I; 4. T= inittemperature(); 5. while T> TFinal 6. M = (1/T) + omega ; 7. for k = 1 to M 8. for each Machine 9. Sc=TurnperationsInMachine(Sa); 10. end for 11. end for 12. Decode(Sc); 13. if Sc.IsBestThan(Sa) 14. then 15. Sb = Sc; 16. else 17. if z(0, 1) < e 18. then 19. Sa = Sc; 20. end if 21. T = alpha(t); 22. end while 23. BISA.add(Sb); 24. n = n end for end Algorithm Simulated Annealing for JSSP -(Q(Sc) - Q(Sa))/T 4. Conclusiones y Trabajo Futuro Figura 21. Pseudo-código SA - JSSP En este trabajo se presento un algoritmo híbrido para el Job-Shop Scheduling Problem (JSSP). Esta técnica híbrida combina dos meta-heurísticas, un Algoritmo Genético (AG) y Simulated Annealing (SA), con el objetivo de obtener un conjunto de soluciones al JSSP. Dado que la solución final es siempre elegida por un Decision Maker fue necesario brindar un conjunto de soluciones alternativas, las cuales se obtuvieron de manera natural con el concepto de Pareto. La etapa del AG está enmarcada en la idea de obtener individuos no dominados y no se encuentren cercanos entre sí, de tal modo, que la segunda etapa, correspondiente a SA, obtenga soluciones óptimas dentro de la vecindad de los individuos obtenidos en la etapa anterior. El JSSP es uno de los problemas NP-Completos más tratados en la literatura ya que es un tema actual, tanto a nivel académico como empresarial. Su estudio traerá grandes beneficios en ambos sentidos. Como trabajo futuro, el algoritmo híbrido debe ser probado en contraposición con otras técnicas desarrolladas, con el objetivo de establecer un marco de referencia a los resultados obtenidos. Referencias CHENG R., GEN M. & TSUJIMURA Y. A tutorial survey of jobshop scheduling problems using genetic algorithms. Part I: Representation. Computers and Industrial Engineering 30 (4) FNSECA C. M. & FLEMING P. J. Multiobjective genetic algorithms made easy: Selection, sharing and mating restriction. GALESIA, pp GLDBERG D. E. Genetic Algorithms in Search. ptimization and Machine Learning. Addison Wesley, Massachusetts HEINNEN J. & PETTERSSN F. Hybrid ant colony optimization and visibility studies applied to a jobshop scheduling problem. Applied Mathematics and Computation. Elsevier. Volume 187, Issue 2, 15 April 2007, pp In Press

10 LENSTRA J.K. & RINNY KAN A.H.G. Computational complexity of discrete optimization problems. Ann. Discrete Math. Volume: 4, pp PARK B. J., CHI H. R. & KIM H. S. A hybrid genetic algorithm for the job shop scheduling problems. Computers and Industrial Engineering. Elsevier. Volume 45, Issue 4, pp TSAI C.F. & LIN F.C. A new hybrid heuristic technique for solving job-shop scheduling problem. Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications, Second IEEE International Workshop WU C. G., XING X. L., LEE H. P., ZHU C. G. & LIANG Y.C. Genetic Algorithm Application on The Job Shop Scheduling Problem. Machine Learning and Cybernetics, Proceedings of 2004 International Conference. Volume: 4, pp vol

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

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

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

Comportamiento de los parámetros principales de un Algoritmo Genético para el Flow Shop Scheduling

Comportamiento de los parámetros principales de un Algoritmo Genético para el Flow Shop Scheduling Comportamiento de los parámetros principales de un Algoritmo Genético para el Flow Shop Scheduling Yunior César Fonseca Reyna Universidad de Granma E-mail: fonseca@udg.co.cu Temática: Inteligencia Artificial

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

Introducción a los Algoritmos Genéticos. Tomás Arredondo Vidal 17/4/09

Introducción a los Algoritmos Genéticos. Tomás Arredondo Vidal 17/4/09 Introducción a los Algoritmos Genéticos Tomás Arredondo Vidal 17/4/09 Esta charla trata de lo siguiente: Introducción a algunos aspectos de los algoritmos genéticos. Introducción a algunas aplicaciones

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

Un modelo híbrido de inteligencia computacional para resolver el problema de Job Shop Scheduling

Un modelo híbrido de inteligencia computacional para resolver el problema de Job Shop Scheduling Un modelo híbrido de inteligencia computacional para resolver el problema de Job Shop Scheduling Jacob Meneses Angel, Marcela Rivera Martínez, Luis René Marcial Castillo, Sandoval Solís Lourdes Benemérita

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

Jhoan Sebastián Cadavid Jaramillo Ingeniero Industrial, Universidad Nacional de Colombia, jscadav0@unal.edu.co RESUMEN

Jhoan Sebastián Cadavid Jaramillo Ingeniero Industrial, Universidad Nacional de Colombia, jscadav0@unal.edu.co RESUMEN PROBLEMA DE PROGRAMACIÓN DE PRODUCCIÓN ABIERTA CON CARACTERÍSTICAS DE MÁQUINAS MÓVILES DEDICADAS Y CON TIEMPOS DE PREPARACIÓN DEPENDIENTES DE LA SECUENCIA ENTRE ETAPAS Alexander Alberto Correa Espinal

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

Algoritmos Genéticos. Introduccion a la Robótica Inteligente

Algoritmos Genéticos. Introduccion a la Robótica Inteligente Algoritmos Genéticos Introduccion a la Robótica Inteligente 7 Marzo 2014 (IRIN) AGs 7/03/2014 1 / 43 Índice 1 Introducción 2 Algoritmos Genéticos 3 Algunos Fundamentos Matemáticos 4 Conclusiones (IRIN)

Más detalles

Un algoritmo evolutivo simple para el problema de asignación de tareas a procesadores

Un algoritmo evolutivo simple para el problema de asignación de tareas a procesadores Un algoritmo evolutivo simple para el problema de asignación de tareas a procesadores Pablo Ezzatti CeCal, Facultad de Ingeniería Universidad de la República, Uruguay pezzatti@fing.edu.uy Sergio Nesmachnow

Más detalles

Un algoritmo evolutivo simple para el problema de asignación de tareas a procesadores

Un algoritmo evolutivo simple para el problema de asignación de tareas a procesadores Un algoritmo evolutivo simple para el problema de asignación de tareas a procesadores Pablo Ezzatti CeCal, Facultad de Ingeniería Universidad de la República, Uruguay pezzatti@fing.edu.uy Sergio Nesmachnow

Más detalles

Algoritmos Genéticos.

Algoritmos Genéticos. Algoritmos Genéticos. Miguel Cárdenas Montes, Antonio Gómez Iglesias Centro de Investigaciones Energéticas Medioambientales y Tecnológicas, Madrid, Spain miguel.cardenas@ciemat.es 15-19 de Octubre de 2011

Más detalles

ALGORITMOS GENÉTICOS PARA LA RESOLUCIÓN DE PROBLEMAS PRÁCTICOS DE SCHEDULING

ALGORITMOS GENÉTICOS PARA LA RESOLUCIÓN DE PROBLEMAS PRÁCTICOS DE SCHEDULING ALGORITMOS GENÉTICOS PARA LA RESOLUCIÓN DE PROBLEMAS PRÁCTICOS DE SCHEDULING Alberto Cortés, Víctor Jacobo, Lázaro Morales, Armando Ortiz Unidad de Investigación y Asistencia Técnica en Materiales, 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

ASALBP: Alternative Subgraphs Assembly Line Balancing Problem *

ASALBP: Alternative Subgraphs Assembly Line Balancing Problem * IX Congreso de Ingeniería de Organización Gijón, 8 y 9 de septiembre de 2005 ASALBP: Alternative Subgraphs Assembly Line Balancing Problem * Liliana Capacho Betancourt 1, Rafael Pastor Moreno 2 1 Dpto

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

Desarrollo de un sistema capaz de optimizar rutas de entrega utilizando algoritmos genéticos

Desarrollo de un sistema capaz de optimizar rutas de entrega utilizando algoritmos genéticos MT 6 Desarrollo de un sistema capaz de optimizar rutas de entrega utilizando algoritmos genéticos Rosario Baltazar 1 Judith Esquivel Vázquez 2 Andrea Rada 3 Claudia Díaz 4 Resumen Durante los últimos 15

Más detalles

Elkin Rodríguez Velásquez Profesor Escuela de Ingeniería de la Organización, Universidad Nacional de Colombia, Medellín, erodrigu@unal.edu.

Elkin Rodríguez Velásquez Profesor Escuela de Ingeniería de la Organización, Universidad Nacional de Colombia, Medellín, erodrigu@unal.edu. EVALUACIÓN DE LA METDLGÍA DE ALGRITMS GENÉTICS CN DISEÑ EXPERIMENTAL PARA PRGRAMACIÓN DE PLANTAS CN CNFIGURACIÓN PRDUCTIVA TIP JB SHP FLEXIBLE. Alexander A. Correa Espinal Profesor Escuela de Ingeniería

Más detalles

Ingeniería Energética E-ISSN: 1815-5901 orestes@cipel.ispjae.edu.cu. Instituto Superior Politécnico José Antonio Echeverría. Cuba

Ingeniería Energética E-ISSN: 1815-5901 orestes@cipel.ispjae.edu.cu. Instituto Superior Politécnico José Antonio Echeverría. Cuba Ingeniería Energética E-ISSN: 1815-5901 orestes@cipel.ispjae.edu.cu Instituto Superior Politécnico José Antonio Echeverría Cuba Carvajal- Pérez, Raúl Nicolás Un Algoritmo Genético Especializado en Planeamiento

Más detalles

Representación, Codificación en un AG Población Inicial. Aptitud. Estrategia de Selección. Cruce, Mutación, Reemplazo. Condición de Parada.

Representación, Codificación en un AG Población Inicial. Aptitud. Estrategia de Selección. Cruce, Mutación, Reemplazo. Condición de Parada. Computación n Evolutiva: Algoritmos Genéticos 1.- Metaheurísticos. Computación Evolutiva: Algoritmos Genéticos 2.- Conceptos principales de un Algoritmo Genético 3.- Estructura de un Algoritmo Genético

Más detalles

Obtención de Sistemas Basados en Reglas Difusas Precisos y Compactos mediante Algoritmos Geneticos Multiobjetivo

Obtención de Sistemas Basados en Reglas Difusas Precisos y Compactos mediante Algoritmos Geneticos Multiobjetivo Obtención de Sistemas Basados en Difusas Precisos y Compactos mediante Algoritmos Geneticos Multiobjetivo R. Alcalá, J. Alcalá-Fdez, M. J. Gacto y F. Herrera Departamento de Ciencias de la Computación

Más detalles

Un algoritmo genético para el problema de Job Shop Flexible

Un algoritmo genético para el problema de Job Shop Flexible Ingeniare. Revista chilena de ingeniería, vol. 19 Nº 1, 2011, pp. 53-61 Un algoritmo genético para el problema de Job Shop Flexible A genetic algorithm for the Flexible Job Shop problem Rosa Medina Durán

Más detalles

Análisis del NSGA-II para el TSALBP-1/3 cuando existe variación de demanda en una producción mixta

Análisis del NSGA-II para el TSALBP-1/3 cuando existe variación de demanda en una producción mixta Análisis del NSGA-II para el TSALBP-1/3 cuando existe variación de demanda en una producción mixta Manuel Chica, Óscar Cordón, Sergio Damas y Joaquín Bautista Resumen En este trabajo introducimos la aplicación

Más detalles

Algoritmos Genéticos Y

Algoritmos Genéticos Y Algoritmos Genéticos Y Optimización n Heurística Dr. Adrian Will Grupo de Aplicaciones de Inteligencia Artificial Universidad Nacional de Tucumán awill@herrera.unt.edu.ar Operadores de Mutación El operador

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

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

Algoritmos genéticos como métodos de aproximación analítica y búsqueda de óptimos locales

Algoritmos genéticos como métodos de aproximación analítica y búsqueda de óptimos locales Algoritmos genéticos como métodos de aproximación analítica y búsqueda de óptimos locales Jorge Salas Chacón A03804 Rubén Jiménez Goñi A93212 Juan Camilo Carrillo Casas A91369 Marco Vinicio Artavia Quesada

Más detalles

Revista Ingenierías Universidad de Medellín ISSN: 1692-3324 revistaingenierias@udem.edu.co Universidad de Medellín Colombia

Revista Ingenierías Universidad de Medellín ISSN: 1692-3324 revistaingenierias@udem.edu.co Universidad de Medellín Colombia Revista Ingenierías ISSN: 1692-3324 revistaingenierias@udem.edu.co Colombia Osorio, Juan Carlos; Lasso, Diego Fernando; Ruiz, Gabriel Alonso JOB SHOP SCHEDULING BIOBJETIVO MEDIANTE ENFRIAMIENTO SIMULADO

Más detalles

Aproximación evolutiva a la inducción constructiva basada en expresiones algebraicas

Aproximación evolutiva a la inducción constructiva basada en expresiones algebraicas Aproximación evolutiva a la inducción constructiva basada en expresiones algebraicas Manuel Baena García, Rafael Morales Bueno y Carlos Cotta Porras Workshop MOISES Septiembre 2004 1/15 Contenido Inducción

Más detalles

Selección Sexual Discriminatoria en un Algoritmo Evolutivo con una Matriz de Preferencias para la mejora de calidad de los Horarios de Trabajo

Selección Sexual Discriminatoria en un Algoritmo Evolutivo con una Matriz de Preferencias para la mejora de calidad de los Horarios de Trabajo Selección Sexual Discriminatoria en un Algoritmo Evolutivo con una Matriz de Preferencias para la mejora de calidad de los Horarios de Trabajo Víctor Arroyo Ciencia de la Computación Universidad Católica

Más detalles

Diseño de redes viales urbanas usando algoritmos genéticos. M. Angélica Pinninghoff J.* Eduardo Matthews D. * Héctor Díaz C.

Diseño de redes viales urbanas usando algoritmos genéticos. M. Angélica Pinninghoff J.* Eduardo Matthews D. * Héctor Díaz C. Diseño de redes viales urbanas usando algoritmos genéticos M. Angélica Pinninghoff J.* Eduardo Matthews D. * Héctor Díaz C. e-mail: mapinnin@inf.udec.cl * Departamento de Ingeniería Informática y Ciencias

Más detalles

TÉCNICAS EVOLUTIVAS PARA EL PROBLEMA DEL VIAJANTE

TÉCNICAS EVOLUTIVAS PARA EL PROBLEMA DEL VIAJANTE Mecánica Computacional Vol. XXII M. B. Rosales, V. H. Cortínez y D. V. Bambill (Editores) Bahía Blanca, Argentina, Noviembre 2003. TÉCNICAS EVOLUTIVAS PARA EL PROBLEMA DEL VIAJANTE Jessica A. Carballido,

Más detalles

Secuenciación de tareas mediante metaheurísticos

Secuenciación de tareas mediante metaheurísticos VIII Congreso de Ingeniería de Organización Leganés, 9 y 10 de septiembre de 2004 Secuenciación de tareas mediante metaheurísticos Santiago López de Haro 1, Pedro Sánchez Martín 2, Javier Conde Collado

Más detalles

Aplicación de un Algoritmo Evolutivo en la Solución de Problemas Job Shop-Open Shop

Aplicación de un Algoritmo Evolutivo en la Solución de Problemas Job Shop-Open Shop Aplicación Información de Tecnológica un Algoritmo Evolutivo en la Solución de Problemas Job Vol. 22(1), 83-92 (2011) doi: 10.4067/S0718-07642011000100011 Aplicación de un Algoritmo Evolutivo en la Solución

Más detalles

Experimentos con Algoritmos Genéticos para resolver un problema real de Programación Maestros-Horarios-Cursos

Experimentos con Algoritmos Genéticos para resolver un problema real de Programación Maestros-Horarios-Cursos Experimentos con Algoritmos Genéticos para resolver un problema real de Programación Maestros-Horarios-Cursos Pedro FLORES, Ernesto BRAU, Jazmín A. MONTEVERDE, Norman F. SALAZAR, José FIGUEROA, Eliseo

Más detalles

Revista Facultad de Ingeniería Universidad de Antioquia ISSN: 0120-6230 revista.ingenieria@udea.edu.co Universidad de Antioquia Colombia

Revista Facultad de Ingeniería Universidad de Antioquia ISSN: 0120-6230 revista.ingenieria@udea.edu.co Universidad de Antioquia Colombia Revista Facultad de Ingeniería Universidad de Antioquia ISSN: 0120-6230 revista.ingenieria@udea.edu.co Universidad de Antioquia Colombia Tabares, Héctor; Hernández, Jesús Pronóstico puntos críticos de

Más detalles

Computación Evolutiva Algoritmos Genéticos

Computación Evolutiva Algoritmos Genéticos UNL - FICH - Departamento de Informática - Ingeniería Informática Inteligencia Computacional Computación Evolutiva Algoritmos Genéticos Temas a tratar - Generalidades de los algoritmos de computación evolutiva.

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

Propuesta de un algoritmo genético para la programación diaria de los pedidos de una empresa del sector de la construcción

Propuesta de un algoritmo genético para la programación diaria de los pedidos de una empresa del sector de la construcción 5 th International Conference on Industrial Engineering and Industrial Management XV Congreso de Ingeniería de Organización Cartagena, 7 a 9 de Septiembre de 2011 Propuesta de un algoritmo genético para

Más detalles

Sistema de apoyo a procesos productivos en Pymes: Un caso de aplicación 1

Sistema de apoyo a procesos productivos en Pymes: Un caso de aplicación 1 Sistema de apoyo a procesos productivos en Pymes: Un caso de aplicación 1 Ricardo Contreras A., M. Angélica Pinninghoff J., Evelyn Osses L. Departamento de Ingeniería Informática y Ciencias de la Computación

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

Una heurística basada en memoria para el problema del diseño de recorridos en transporte público urbano

Una heurística basada en memoria para el problema del diseño de recorridos en transporte público urbano Una heurística basada en memoria para el problema del diseño de recorridos en transporte público urbano Antonio Mauttone María E. Urquhart Departamento de Investigación Operativa, Instituto de Computación,

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

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

UNIVERSIDAD DEL TURABO PROGRAMA DOCTORAL ADMINISTRACIÓN DE EMPRESAS EN SISTEMAS DE INFORMACIÓN. Dr. Mariano García

UNIVERSIDAD DEL TURABO PROGRAMA DOCTORAL ADMINISTRACIÓN DE EMPRESAS EN SISTEMAS DE INFORMACIÓN. Dr. Mariano García UNIVERSIDAD DEL TURABO PROGRAMA DOCTORAL ADMINISTRACIÓN DE EMPRESAS EN SISTEMAS DE INFORMACIÓN Dr. Mariano García INVESTIGACIÓN Y APLICABILIDAD DE LOS TIMETABLES DENTRO DEL CAMPO DE DECISION SUPPORT SYSTEM

Más detalles

MODELO JERÁRQUICO PARA EL JOB SHOP FLEXIBLE

MODELO JERÁRQUICO PARA EL JOB SHOP FLEXIBLE !#"$%$$ %!& '($! *)!!#% $)$ +-,/.103254 687/9:6(;=1.1?A@50

Más detalles

Un Algoritmo Genético Híbrido Paralelo para Instancias Complejas del Problema VRP

Un Algoritmo Genético Híbrido Paralelo para Instancias Complejas del Problema VRP Un Algoritmo Genético Híbrido Paralelo para Instancias Complejas del Problema VRP Bernabé Dorronsoro, Antonio J. Nebro, Daniel Arias, y Enrique Alba Resumen En este trabajo proponemos un algoritmo genético

Más detalles

Estrategia evolutiva para el problema de la supersecuencia común más corta

Estrategia evolutiva para el problema de la supersecuencia común más corta Estrategia evolutiva para el problema de la supersecuencia común más corta Marcela Rivera Martínez Facultad de Ciencias de la Computación, Benemérita Universidad Autónoma de Puebla mrivmar@hotmail.com

Más detalles

Algoritmo genético aplicado a la programación en talleres de maquinado

Algoritmo genético aplicado a la programación en talleres de maquinado Ingeniería Mecánica. Vol. 15. No. 3, septiembre-diciembre, 2012, p. 201-212 ISSN 1815-5944 Algoritmo genético aplicado a la programación en talleres de maquinado Genetic algorithm applied to scheduling

Más detalles

SECUENCIACIÓN DE SISTEMAS DE TIPO JOB SHOP MEDIANTE APRENDIZAJE AUTOMÁTICO

SECUENCIACIÓN DE SISTEMAS DE TIPO JOB SHOP MEDIANTE APRENDIZAJE AUTOMÁTICO SECUENCIACIÓN DE SISTEMAS DE TIPO JOB SHOP MEDIANTE APRENDIZAJE AUTOMÁTICO Paolo Priore Moreno Raúl Pino Diez Alberto Gómez Gómez UNIVERSIDAD DE OVIEDO Una forma habitual de secuenciar de modo dinámico

Más detalles

Análisis Comparativo de Heurísticas para el Problema de Calendarización de Trabajos con Transferencia Cero

Análisis Comparativo de Heurísticas para el Problema de Calendarización de Trabajos con Transferencia Cero Análisis Comparativo de Heurísticas para el Problema de Calendarización de Trabajos con Transferencia Cero Beatriz Pérez Rojas Departamento de Sistemas Computación Instituto Tecnológico de Puebla am120@cs.buap.m

Más detalles

Comparación de técnicas metaheurísticas para la generación automática de casos de prueba que obtengan una cobertura software

Comparación de técnicas metaheurísticas para la generación automática de casos de prueba que obtengan una cobertura software Comparación de técnicas metaheurísticas para la generación automática de casos de prueba que obtengan una cobertura software Eugenia Díaz, Raquel Blanco, Javier Tuya Departamento de Informática, Universidad

Más detalles

ALGORITMO GENÉTICO APLICADO AL PROBLEMA DE ASIGNACIÓN DE CANAL EN COMUNICACIONES MÓVILES CELULARES

ALGORITMO GENÉTICO APLICADO AL PROBLEMA DE ASIGNACIÓN DE CANAL EN COMUNICACIONES MÓVILES CELULARES Memorias de la XVII Semana Regional de Investigación y Docencia en Matemáticas, Departamento de Matemáticas, Universidad de Sonora, México. Mosaicos Matemáticos No. 2, agosto 27, pp. 29-36. Nivel Superior

Más detalles

La Técnica Enumerativa de Programación Dinámica en los Problemas de Producción e Inventario y los Algoritmos Genéticos

La Técnica Enumerativa de Programación Dinámica en los Problemas de Producción e Inventario y los Algoritmos Genéticos La Técnica Enumerativa de Programación Dinámica en los Problemas de Producción e Inventario y los Algoritmos Genéticos AUTOR ING. MIGUEL JIMÉNEZ CARRIÓN M.Sc. Profesor Principal a DE, adscrito al Departamento

Más detalles

OPTIMIZACIÓN DE TRANSFORMACIONES LINEALES DE DATOS MEDIANTE BUSQUEDA LOCAL

OPTIMIZACIÓN DE TRANSFORMACIONES LINEALES DE DATOS MEDIANTE BUSQUEDA LOCAL OPTIMIZACIÓN DE TRANSFORMACIONES LINEALES DE DATOS MEDIANTE BUSQUEDA LOCAL INGENIERIA INFORMATICA AUTOR: FRANCISCO GODOY MUÑOZ-TORRERO TUTOR: JOSE MARIA VALLS FERRAN CO-DIRECTOR: RICARDO ALER MUR Contenidos

Más detalles

MMSPEA2 mejora del SPEA2 para problemas multi-modales: aplicación al RCMPSP

MMSPEA2 mejora del SPEA2 para problemas multi-modales: aplicación al RCMPSP MM mejora del para problemas multi-modales: aplicación al RCMPSP Pérez Vazquez, E. 1, Posada Calvo, M. 2, Herrera Triguero, F. 3 Resumen Un problema multi-modal es aquel que presenta múltiples óptimos

Más detalles

TÉCNICAS HEURÍSTICAS APLICADAS AL PROBLEMA DEL CARTERO VIAJANTE (TSP)

TÉCNICAS HEURÍSTICAS APLICADAS AL PROBLEMA DEL CARTERO VIAJANTE (TSP) TÉCNICAS HEURÍSTICAS APLICADAS AL PROBLEMA DEL CARTERO VIAJANTE (TSP) RESUMEN El problema del cartero viajante (Traveling Salesman Problem TSP) es un problema típico de optimización. En este documento

Más detalles

Librería de Algoritmos Genéticos para Arquitectura (LAGA)

Librería de Algoritmos Genéticos para Arquitectura (LAGA) Librería de Algoritmos Genéticos para Arquitectura (LAGA) Genetic Algorithms Architectural Library Carlos Ignacio de la Barrera Poblete designemergente.com, Chile - España cidelab@gmail.com Abstract LAGA

Más detalles

Análisis de un problema Job Shop por medio de un Sistema Experto y un Agente Inteligente

Análisis de un problema Job Shop por medio de un Sistema Experto y un Agente Inteligente 3rd International Conference on Industrial Engineering and Industrial Management XIII Congreso de Ingeniería de Organización Barcelona-Terrassa, September 2nd-4th 2009 Análisis de un problema Job Shop

Más detalles

Comparativa de Algoritmo Genético, Memético y SI para el diseño de horarios de una Institución Educativa

Comparativa de Algoritmo Genético, Memético y SI para el diseño de horarios de una Institución Educativa Comparativa de Algoritmo Genético, Memético y SI para el diseño de horarios de una Institución Educativa Lucero de Montserrat Ortiz Aguilar a, Juan Martín Carpio Valadez a, Héctor José Puga Soberanes a,

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

HEURISTIC FOR SCHEDULING OF PROJECTS WITH RESTRICTION OF RESOURCES UN HEURÍSTICO PARA PLANEACIÓN DE PROYECTOS CON RESTRICCIÓN DE RECURSOS

HEURISTIC FOR SCHEDULING OF PROJECTS WITH RESTRICTION OF RESOURCES UN HEURÍSTICO PARA PLANEACIÓN DE PROYECTOS CON RESTRICCIÓN DE RECURSOS HEURISTIC FOR SCHEDULING OF PROJECTS WITH RESTRICTION OF RESOURCES UN HEURÍSTICO PARA PLANEACIÓN DE PROYECTOS CON RESTRICCIÓN DE RECURSOS Juan C. Rivera, Luis F. Moreno, F. Javier Díaz, Gloria E. Peña

Más detalles

Tareas 20% Primer Examen Parcial 20% Segundo Examen Parcial 20% Proyecto Final 25% Examen Final 15%

Tareas 20% Primer Examen Parcial 20% Segundo Examen Parcial 20% Proyecto Final 25% Examen Final 15% Introducción a la Computación Evolutiva Dr. Carlos Artemio Coello Coello CINVESTAV-IPN Departamento de Computación Av. Instituto Politécnico Nacional No. 2508 Col. San Pedro Zacatenco México, D.F. 07360

Más detalles

Algoritmos para CSP 1

Algoritmos para CSP 1 Algoritmos para CSP 1 1. Técnicas de Consistencia, o Inferenciales I. Inferencia, o consistencia completa Proceso que permite la síntesis de todas las restricciones de un problema en una única restricción

Más detalles

[ Guía para recién llegados a los ALGORITMOS GENÉTICOS]

[ Guía para recién llegados a los ALGORITMOS GENÉTICOS] UVa Dpto. de Organización de Empresas Escuela de Ingenierías Industriales Elena Pérez www.eis.uva.es/elena [ Guía para recién llegados a los ALGORITMOS GENÉTICOS] El propósito de esta guía es dar soporte

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

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

APRENDIZAJE HÍBRIDO DE LA BASE DE CONOCIMIENTO DE UN SISTEMA BASADO EN REGLAS DIFUSAS MEDIANTE ALGORITMOS GENÉTICOS Y COLONIAS DE HORMIGAS

APRENDIZAJE HÍBRIDO DE LA BASE DE CONOCIMIENTO DE UN SISTEMA BASADO EN REGLAS DIFUSAS MEDIANTE ALGORITMOS GENÉTICOS Y COLONIAS DE HORMIGAS APRENDIZAJE HÍBRIDO DE LA BASE DE CONOCIMIENTO DE UN SISTEMA BASADO EN REGLAS DIFUSAS MEDIANTE ALGORITMOS GENÉTICOS Y COLONIAS DE HORMIGAS J. Casillas, O. Cordón, F. Herrera P. Villar Dept. Ciencias de

Más detalles

Algoritmos Genéticos aplicados a la resolución de problemas de optimización

Algoritmos Genéticos aplicados a la resolución de problemas de optimización 1 Algoritmos Genéticos aplicados a la resolución de problemas de optimización Luis Marco Giménez lmarcogimenez@gmail.com http://www.luismarco.nom.es RESUMEN Los Algoritmos Genéticos, como paradigma principal

Más detalles

Miguel Ortega Mier Grupo de Ingeniería de Organización y Logística ETSII (UPM)

Miguel Ortega Mier Grupo de Ingeniería de Organización y Logística ETSII (UPM) Búsqueda de soluciones robustas para el problema de localización de una instalación de tratamiento de residuos y las plantas de transferencia correspondientes Miguel Ortega Mier Grupo de Ingeniería de

Más detalles

Resolución del Problema de Set-Covering utilizando un Algoritmo Genético

Resolución del Problema de Set-Covering utilizando un Algoritmo Genético Resolución del Problema de Set-Covering utilizando un Algoritmo Genético Pablo Itaim Ananias Valparaíso, 20 de Junio del 2005 Resumen El Set Covering Problem (SCP)es un problema clásico, que consiste en

Más detalles

Problemas de Rutas. Vicente Campos Aucejo Dpt. Estadística i Investigació Operativa Universitat de València vicente.campos@uv.es

Problemas de Rutas. Vicente Campos Aucejo Dpt. Estadística i Investigació Operativa Universitat de València vicente.campos@uv.es Problemas de Rutas Vicente Campos Aucejo Dpt. Estadística i Investigació Operativa Universitat de València vicente.campos@uv.es Resumen El objetivo de este trabajo es el de divulgar la existencia de un

Más detalles

EL PROBLEMA DE PROGRAMACIÓN Y SECUENCIAMIENTO DE TAREAS EN EL PROCESO DE SECADO EN UN ASERRADERO

EL PROBLEMA DE PROGRAMACIÓN Y SECUENCIAMIENTO DE TAREAS EN EL PROCESO DE SECADO EN UN ASERRADERO Theoria, Vol. 16 (1): 15-22, 2007 ISSN 0717-196X Artículo / Article EL PROBLEMA DE PROGRAMACIÓN Y SECUENCIAMIENTO DE TAREAS EN EL PROCESO DE SECADO EN UN ASERRADERO THE PROBLEM OF TASK SCHEDULING AND SEQUENCING

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

Cómo resolver el juego Mastermind a través de computación evolutiva

Cómo resolver el juego Mastermind a través de computación evolutiva Cómo resolver el juego Mastermind a través de computación evolutiva Lizzeth Cabana Tejada Ciencia de Computación Universidad Católica San Pablo Arequipa, Perú lizzeth.cabana@ucsp.pe Yván Jesús Túpac Valdivia

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

Rubén Ruiz, Concepción Maroto, Javier Alcaraz.

Rubén Ruiz, Concepción Maroto, Javier Alcaraz. 27 Congreso Nacional de Estadística e Investigación Operativa Lleida, 8 11 de abril de 2003 UN ALGORITMO GENÉTICO HÍBRIDO PARA EL TALLER DE FLUJO DE PERMUTACIÓN Rubén Ruiz, Concepción Maroto, Javier Alcaraz.

Más detalles

Sistema inteligente para el tratamiento de ruidos

Sistema inteligente para el tratamiento de ruidos Sistema inteligente para el tratamiento de ruidos G.M.Barrera, F.D.Goldenstein, D.M.López de Luise Universidad de Palermo (Tel.: 54--599-4520, aigroup@palermo.edu). Objetivos y alcance El principal objetivo

Más detalles

Programación Multiobjetivo en un Sistema de Fabricación Tipo Contra Existencia (Job Shop)

Programación Multiobjetivo en un Sistema de Fabricación Tipo Contra Existencia (Job Shop) Programación Información Tecnológica Multiobjetivo en un Sistema de Fabricación Tipo Contra Existencia Vol. 24(6), 79-92 (2013) doi: 10.4067/S0718-07642013000600011 Programación Multiobjetivo en un Sistema

Más detalles

METAHEURÍSTICA ACO APLICADA A PROBLEMAS DE PLANIFICACIÓN

METAHEURÍSTICA ACO APLICADA A PROBLEMAS DE PLANIFICACIÓN METAHEURÍSTICA ACO APLICADA A PROBLEMAS DE PLANIFICACIÓN EN ENTORNOS DINÁMICOS de San Pedro M., Pandolfi D., Lasso M., Villagra A. Laboratorio de Tecnologías Emergentes (LabTEm) Proyecto UNPA-29/B084/1

Más detalles

Analizando la Evolución Diferencial sobre una topología toroidal

Analizando la Evolución Diferencial sobre una topología toroidal Analizando la Evolución Diferencial sobre una topología toroidal D.Sc. Yván Jesús Túpac Valdivia Conversatorio de Investigación 26 de setiembre de 2013 Yván Túpac (CC/UCSP) Pág 1/29 Objetivo Mostrar una

Más detalles

Programación de la Producción en un Sistema de Job Shop Flexible para Minimizar el Retraso Máximo

Programación de la Producción en un Sistema de Job Shop Flexible para Minimizar el Retraso Máximo Twelfth LACCEI Latin American and Caribbean Conference for Engineering and Technology (LACCEI 2014) Excellence in Engineering To Enhance a Country s Productivity July 22-24, 2014 Guayaquil, Ecuador. Programación

Más detalles

Estructura de datos (arreglos) Vectores y Matrices

Estructura de datos (arreglos) Vectores y Matrices Apunte del curso PROGRAMACIÓN (FI-UBA,, J. T. P. Ing. Z. CATALDI; A.T.P. Srta. A Pauluzzi, Sr. C Corradino, Sr. F Gómez Estructura de datos (arreglos) Hasta aquí se han visto distintos tipos de estructuras

Más detalles

Algoritmo de Colonias de Abejas Artificiales para la composición de equipos médicos *

Algoritmo de Colonias de Abejas Artificiales para la composición de equipos médicos * Algoritmo de Colonias de Abejas Artificiales para la composición de equipos médicos * José A. Delgado-Osuna 1, Manuel Lozano 2, and Carlos García-Martínez 3 1 H.U. Reina Sofía jantonio.delgado.sspa@juntadeandalucia.es,

Más detalles

Estrategias evolutivas para la minimización del makespan en una máquina con tiempos de preparación dependientes de la secuencia

Estrategias evolutivas para la minimización del makespan en una máquina con tiempos de preparación dependientes de la secuencia Ingeniería Investigación y Tecnología, volumen XV (número 1), enero-marzo 2014: 1-10 ISSN 1405-7743 FI-UNAM (artículo arbitrado) Estrategias evolutivas para la minimización del makespan en una máquina

Más detalles

Algoritmos Evolutivos para la Secuenciación de Operaciones con Tiempos de Preparación

Algoritmos Evolutivos para la Secuenciación de Operaciones con Tiempos de Preparación 7 Algoritmos Evolutivos para la Secuenciación de Operaciones con Tiempos de Preparación Evolutionary Algorithms for the Scheduling with Setups Times Mayra D Armas Regnault Palabras Claves: Algoritmos Evolutivos,

Más detalles

Una Estrategia para la Selección de Individuos Recibidos en la Migración en un Algoritmo Genético Distribuido

Una Estrategia para la Selección de Individuos Recibidos en la Migración en un Algoritmo Genético Distribuido Una Estrategia para la Selección de Individuos Recibidos en la Migración en un Algoritmo Genético Distribuido Germán Dupuy 1 - Carolina Salto 1-2 1 Facultad de Ingeniería - Universidad Nacional de La Pampa

Más detalles

Predicción del índice IBEX-35 aplicando Máquinas de Soporte Vectorial y Redes Neuronales.

Predicción del índice IBEX-35 aplicando Máquinas de Soporte Vectorial y Redes Neuronales. 6th International Conference on Industrial Engineering and Industrial Management. XVI Congreso de Ingeniería de Organización. Vigo, July 18-20, 2012 Predicción del índice IBEX-35 aplicando Máquinas de

Más detalles

Influencia de los parámetros principales de un Algoritmo Genético para el Flow Shop Scheduling

Influencia de los parámetros principales de un Algoritmo Genético para el Flow Shop Scheduling Tipo de artículo: Artículo original Temática: Inteligencia artificial Recibido: 4/11/2013 Aceptado: 17/12/2013 Publicado: 21/01/2014 Influencia de los parámetros principales de un Algoritmo Genético para

Más detalles

Introducción a los Algoritmos Genéticos

Introducción a los Algoritmos Genéticos Marcos Gestal Pose Depto. Tecnologías de la Información y las Comunicaciones Universidade da Coruña http://sabia.tic.udc.es/ mgestal mgestal@udc.es Índice 1. Introducción 2 2. Orígenes 2 3. Bases Biológicas

Más detalles

Selección usando Algoritmos

Selección usando Algoritmos Capítulo 3 Selección usando Algoritmos Genéticos 3.1. Introducción En esta sección se aborda el uso de Algoritmos Genéticos (GA del inglés Genetic Algorithms) para selección de características. Así como

Más detalles

An Hybrid Evolutive-Genetic Algorithm for the Fractal IFS Inverse Problem

An Hybrid Evolutive-Genetic Algorithm for the Fractal IFS Inverse Problem An Hybrid Evolutive-Genetic Algorithm for the Fractal IFS Inverse Problem Maria L. Ivanissevich UNPA Antonio S. Cofiño José Manuel Gutiérrez Universidad de Cantabria http://personales.unican.es/~gutierjm

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

Propuesta de una arquitectura para la generación de mutantes de orden superior en WS-BPEL

Propuesta de una arquitectura para la generación de mutantes de orden superior en WS-BPEL Propuesta de una arquitectura para la generación de mutantes de orden superior en WS-BPEL Emma Blanco Muñoz, Antonio García Domínguez, Juan José Domínguez Jiménez, Inmaculada Medina Bulo Escuela Superior

Más detalles

Hibridación Iterativa de DE con Búsqueda Local con reinicio para problemas de alta dimensionalidad

Hibridación Iterativa de DE con Búsqueda Local con reinicio para problemas de alta dimensionalidad Hibridación Iterativa de DE con Búsqueda Local con reinicio para problemas de alta dimensionalidad Daniel Molina 1 and Francisco Herrera 2 1 Universidad de Cádiz, daniel.molina@uca.es 2 Universidad de

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