Una representación generalizada en algoritmos evolutivos para una amplia variedad de problemas de scheduling

Autores
Ordoñez, Guillermo; Leguizamón, Mario Guillermo
Año de publicación
2005
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El problema general de scheduling representa un gran desafío computacional dado que es un problema inherentemente difícil. Para su resolución, existe una gran variedad de enfoques cuya efectividad depende del tipo, tamaño y otras características del problema de scheduling. Tales enfoques incluyen métodos tradicionales de investigación operativa, búsqueda local y sus diferentes versiones (por ejemplo, simulated annealing y tabu search) y diversas metaheurísticas bio-inspiradas tales como computación evolutiva y ant colony optimization, entre otras. La propuesta aquí planteada se centra en la descripción de una representación válida para una gran variedad de clases de problemas de scheduling, la cual es potencialmente apta para ser utilizada en el diseño de algunas metaheurísticas, en particular, algoritmos evolutivos.
VI Workshop de Agentes y Sistemas Inteligentes (WASI)
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
Scheduling
Heuristic methods
Representation
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:10915/22958
Acceder
id SEDICI_4d2942029c37f28196d78c33609877fe
oai_identifier_str oai:sedici.unlp.edu.ar:10915/22958
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Una representación generalizada en algoritmos evolutivos para una amplia variedad de problemas de schedulingOrdoñez, GuillermoLeguizamón, Mario GuillermoCiencias InformáticasSchedulingHeuristic methodsRepresentationEl problema general de scheduling representa un gran desafío computacional dado que es un problema inherentemente difícil. Para su resolución, existe una gran variedad de enfoques cuya efectividad depende del tipo, tamaño y otras características del problema de scheduling. Tales enfoques incluyen métodos tradicionales de investigación operativa, búsqueda local y sus diferentes versiones (por ejemplo, simulated annealing y tabu search) y diversas metaheurísticas bio-inspiradas tales como computación evolutiva y ant colony optimization, entre otras. La propuesta aquí planteada se centra en la descripción de una representación válida para una gran variedad de clases de problemas de scheduling, la cual es potencialmente apta para ser utilizada en el diseño de algunas metaheurísticas, en particular, algoritmos evolutivos.VI Workshop de Agentes y Sistemas Inteligentes (WASI)Red de Universidades con Carreras en Informática (RedUNCI)2005-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/22958spainfo: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:UNLP2025-10-22T16:36:47Zoai:sedici.unlp.edu.ar:10915/22958Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-22 16:36:47.536SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Una representación generalizada en algoritmos evolutivos para una amplia variedad de problemas de scheduling
title Una representación generalizada en algoritmos evolutivos para una amplia variedad de problemas de scheduling
spellingShingle Una representación generalizada en algoritmos evolutivos para una amplia variedad de problemas de scheduling
Ordoñez, Guillermo
Ciencias Informáticas
Scheduling
Heuristic methods
Representation
title_short Una representación generalizada en algoritmos evolutivos para una amplia variedad de problemas de scheduling
title_full Una representación generalizada en algoritmos evolutivos para una amplia variedad de problemas de scheduling
title_fullStr Una representación generalizada en algoritmos evolutivos para una amplia variedad de problemas de scheduling
title_full_unstemmed Una representación generalizada en algoritmos evolutivos para una amplia variedad de problemas de scheduling
title_sort Una representación generalizada en algoritmos evolutivos para una amplia variedad de problemas de scheduling
dc.creator.none.fl_str_mv Ordoñez, Guillermo
Leguizamón, Mario Guillermo
author Ordoñez, Guillermo
author_facet Ordoñez, Guillermo
Leguizamón, Mario Guillermo
author_role author
author2 Leguizamón, Mario Guillermo
author2_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
Scheduling
Heuristic methods
Representation
topic Ciencias Informáticas
Scheduling
Heuristic methods
Representation
dc.description.none.fl_txt_mv El problema general de scheduling representa un gran desafío computacional dado que es un problema inherentemente difícil. Para su resolución, existe una gran variedad de enfoques cuya efectividad depende del tipo, tamaño y otras características del problema de scheduling. Tales enfoques incluyen métodos tradicionales de investigación operativa, búsqueda local y sus diferentes versiones (por ejemplo, simulated annealing y tabu search) y diversas metaheurísticas bio-inspiradas tales como computación evolutiva y ant colony optimization, entre otras. La propuesta aquí planteada se centra en la descripción de una representación válida para una gran variedad de clases de problemas de scheduling, la cual es potencialmente apta para ser utilizada en el diseño de algunas metaheurísticas, en particular, algoritmos evolutivos.
VI Workshop de Agentes y Sistemas Inteligentes (WASI)
Red de Universidades con Carreras en Informática (RedUNCI)
description El problema general de scheduling representa un gran desafío computacional dado que es un problema inherentemente difícil. Para su resolución, existe una gran variedad de enfoques cuya efectividad depende del tipo, tamaño y otras características del problema de scheduling. Tales enfoques incluyen métodos tradicionales de investigación operativa, búsqueda local y sus diferentes versiones (por ejemplo, simulated annealing y tabu search) y diversas metaheurísticas bio-inspiradas tales como computación evolutiva y ant colony optimization, entre otras. La propuesta aquí planteada se centra en la descripción de una representación válida para una gran variedad de clases de problemas de scheduling, la cual es potencialmente apta para ser utilizada en el diseño de algunas metaheurísticas, en particular, algoritmos evolutivos.
publishDate 2005
dc.date.none.fl_str_mv 2005-10
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/10915/22958
url http://sedici.unlp.edu.ar/handle/10915/22958
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
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_ 1846782825666183168
score 12.982451

Publicaciones similares