Hibridización con búsqueda local de un algoritmo de estimación de distribución para la resolución del problema de secuenciamiento de Flow Shop

Autores
Pandolfi, Daniel; Villagra, Andrea; Leguizamón, Mario Guillermo
Año de publicación
2009
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Los algoritmos de Estimación de Distribuciones, conocidos como EDAs (Estimation of Distribution Algorithms) son una clase de algoritmos basados en el paradigma de Computación Evolutiva. Los EDAs, sustituyen los mecanismos de variación (cruce y mutación) utilizados tradicionalmente por los Algoritmos Evolutivos (AEs) por la generación de individuos obtenidos por simulación de una distribución de probabilidad. La distribución es estimada a partir del proceso iterativo de competencia de los individuos seleccionados en la generación anterior. Por otra parte, el problema de secuenciamiento de Flow Shop y conocido como FSSP (Flow Shop Secuencing Problem) ha convocado la atención de muchos investigadores en los últimos años. En el caso de makespan, se trata de minimizar el tiempo de salida de la última tarea en la última máquina. Para máquinas mayores e iguales a tres el problema se transforma en NP-hard, conforme se incrementa el número de tareas. Este trabajo, propone aplicar a la resolución del FSSP dos versiones de EDAs, para ser comparados con dos hibridaciones de EDA aplicándole métodos de búsqueda local. Detalles de los algoritmos, experimentos y resultados son presentados en las secciones subsiguientes.
Presentado en el X Workshop Agentes y Sistemas Inteligentes
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
Algorithms
algoritmo de estimación de distribuciones
computación evolutiva
Flow Shop secuencing problem
búsqueda local
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/20895

id SEDICI_0b6ed9aa314a66486a368e6c70241a9a
oai_identifier_str oai:sedici.unlp.edu.ar:10915/20895
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Hibridización con búsqueda local de un algoritmo de estimación de distribución para la resolución del problema de secuenciamiento de Flow ShopPandolfi, DanielVillagra, AndreaLeguizamón, Mario GuillermoCiencias InformáticasAlgorithmsalgoritmo de estimación de distribucionescomputación evolutivaFlow Shop secuencing problembúsqueda localLos algoritmos de Estimación de Distribuciones, conocidos como EDAs (Estimation of Distribution Algorithms) son una clase de algoritmos basados en el paradigma de Computación Evolutiva. Los EDAs, sustituyen los mecanismos de variación (cruce y mutación) utilizados tradicionalmente por los Algoritmos Evolutivos (AEs) por la generación de individuos obtenidos por simulación de una distribución de probabilidad. La distribución es estimada a partir del proceso iterativo de competencia de los individuos seleccionados en la generación anterior. Por otra parte, el problema de secuenciamiento de Flow Shop y conocido como FSSP (Flow Shop Secuencing Problem) ha convocado la atención de muchos investigadores en los últimos años. En el caso de makespan, se trata de minimizar el tiempo de salida de la última tarea en la última máquina. Para máquinas mayores e iguales a tres el problema se transforma en NP-hard, conforme se incrementa el número de tareas. Este trabajo, propone aplicar a la resolución del FSSP dos versiones de EDAs, para ser comparados con dos hibridaciones de EDA aplicándole métodos de búsqueda local. Detalles de los algoritmos, experimentos y resultados son presentados en las secciones subsiguientes.Presentado en el X Workshop Agentes y Sistemas InteligentesRed de Universidades con Carreras en Informática (RedUNCI)2009-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf169-180http://sedici.unlp.edu.ar/handle/10915/20895spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T10:54:26Zoai:sedici.unlp.edu.ar:10915/20895Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 10:54:26.813SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Hibridización con búsqueda local de un algoritmo de estimación de distribución para la resolución del problema de secuenciamiento de Flow Shop
title Hibridización con búsqueda local de un algoritmo de estimación de distribución para la resolución del problema de secuenciamiento de Flow Shop
spellingShingle Hibridización con búsqueda local de un algoritmo de estimación de distribución para la resolución del problema de secuenciamiento de Flow Shop
Pandolfi, Daniel
Ciencias Informáticas
Algorithms
algoritmo de estimación de distribuciones
computación evolutiva
Flow Shop secuencing problem
búsqueda local
title_short Hibridización con búsqueda local de un algoritmo de estimación de distribución para la resolución del problema de secuenciamiento de Flow Shop
title_full Hibridización con búsqueda local de un algoritmo de estimación de distribución para la resolución del problema de secuenciamiento de Flow Shop
title_fullStr Hibridización con búsqueda local de un algoritmo de estimación de distribución para la resolución del problema de secuenciamiento de Flow Shop
title_full_unstemmed Hibridización con búsqueda local de un algoritmo de estimación de distribución para la resolución del problema de secuenciamiento de Flow Shop
title_sort Hibridización con búsqueda local de un algoritmo de estimación de distribución para la resolución del problema de secuenciamiento de Flow Shop
dc.creator.none.fl_str_mv Pandolfi, Daniel
Villagra, Andrea
Leguizamón, Mario Guillermo
author Pandolfi, Daniel
author_facet Pandolfi, Daniel
Villagra, Andrea
Leguizamón, Mario Guillermo
author_role author
author2 Villagra, Andrea
Leguizamón, Mario Guillermo
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Algorithms
algoritmo de estimación de distribuciones
computación evolutiva
Flow Shop secuencing problem
búsqueda local
topic Ciencias Informáticas
Algorithms
algoritmo de estimación de distribuciones
computación evolutiva
Flow Shop secuencing problem
búsqueda local
dc.description.none.fl_txt_mv Los algoritmos de Estimación de Distribuciones, conocidos como EDAs (Estimation of Distribution Algorithms) son una clase de algoritmos basados en el paradigma de Computación Evolutiva. Los EDAs, sustituyen los mecanismos de variación (cruce y mutación) utilizados tradicionalmente por los Algoritmos Evolutivos (AEs) por la generación de individuos obtenidos por simulación de una distribución de probabilidad. La distribución es estimada a partir del proceso iterativo de competencia de los individuos seleccionados en la generación anterior. Por otra parte, el problema de secuenciamiento de Flow Shop y conocido como FSSP (Flow Shop Secuencing Problem) ha convocado la atención de muchos investigadores en los últimos años. En el caso de makespan, se trata de minimizar el tiempo de salida de la última tarea en la última máquina. Para máquinas mayores e iguales a tres el problema se transforma en NP-hard, conforme se incrementa el número de tareas. Este trabajo, propone aplicar a la resolución del FSSP dos versiones de EDAs, para ser comparados con dos hibridaciones de EDA aplicándole métodos de búsqueda local. Detalles de los algoritmos, experimentos y resultados son presentados en las secciones subsiguientes.
Presentado en el X Workshop Agentes y Sistemas Inteligentes
Red de Universidades con Carreras en Informática (RedUNCI)
description Los algoritmos de Estimación de Distribuciones, conocidos como EDAs (Estimation of Distribution Algorithms) son una clase de algoritmos basados en el paradigma de Computación Evolutiva. Los EDAs, sustituyen los mecanismos de variación (cruce y mutación) utilizados tradicionalmente por los Algoritmos Evolutivos (AEs) por la generación de individuos obtenidos por simulación de una distribución de probabilidad. La distribución es estimada a partir del proceso iterativo de competencia de los individuos seleccionados en la generación anterior. Por otra parte, el problema de secuenciamiento de Flow Shop y conocido como FSSP (Flow Shop Secuencing Problem) ha convocado la atención de muchos investigadores en los últimos años. En el caso de makespan, se trata de minimizar el tiempo de salida de la última tarea en la última máquina. Para máquinas mayores e iguales a tres el problema se transforma en NP-hard, conforme se incrementa el número de tareas. Este trabajo, propone aplicar a la resolución del FSSP dos versiones de EDAs, para ser comparados con dos hibridaciones de EDA aplicándole métodos de búsqueda local. Detalles de los algoritmos, experimentos y resultados son presentados en las secciones subsiguientes.
publishDate 2009
dc.date.none.fl_str_mv 2009-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/20895
url http://sedici.unlp.edu.ar/handle/10915/20895
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
dc.format.none.fl_str_mv application/pdf
169-180
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844615801415401472
score 13.070432