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
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/20895
Ver los metadatos del registro completo
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 |