Metaheurística ACO aplicada a problemas de planificación en entornos dinámicos
- Autores
- San Pedro, María Eugenia de; Pandolfi, Daniel; Lasso, Marta Graciela; Villagra, Andrea; Leguizamón, Guillermo
- Año de publicación
- 2007
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- Las organizaciones industriales frecuentemente están sujetas a diferentes tipos de cambios como pueden ser: que se agregue una nueva tarea, la cancelación de una tarea, la ruptura de una maquina, como así también cambios en los tiempos de procesamiento o de la fecha estimada de terminación de la tarea. Debido a su naturaleza dinámica, los problemas de planificación real son computacionalmente complejos y el tiempo requerido para encontrar una solución óptima se incrementa exponencialmente con el tamaño del problema. Los problemas de planificación se pueden clasificar en: estáticos, donde todas las tareas son conocidas antes del comienzo de la planificación; y dinámicos, en donde sólo el tiempo de comienzo de la tarea es desconocido (dinamismo parcial) ó donde todas las propiedades de las tareas son desconocidas (dinamismo total). Los problemas de planificación (scheduling) estáticos se han abordado a través de distintas metaheurísticas (Simulating Annealing, Tabu Search, Algoritmos Evolutivos y Ant Colony Optimization), pero los problemas de scheduling dinámicos han sido encarados principalmente con Algoritmos Evolutivos, para problemas de job shop y para problemas de máquina única. Una metaheurística particularmente exitosa está inspirada para el comportamiento de las hormigas reales, conocida como la metaheurística Ant Colony Optimization (ACO). Numerosos enfoques algorítmicos basados sobre las mismas fueron desarrollados y aplicados con éxito para una variedad de problemas de optimización. Se pretende a través de esta línea de investigación, realizar un análisis comparativo de los trabajos realizados hasta el momento sobre scheduling dinámico con algoritmos evolutivos para diferentes problemas de máquina única (Weighted Tardiness, Average Tardiness, Weighted Number of Tardy Job), pero abordado con otra metaheurística diferente como es el caso de ACO.
Eje: Agentes y Sistemas Inteligentes
Red de Universidades con Carreras en Informática (RedUNCI) - Materia
-
Ciencias Informáticas
Planificación
Metaheurística ACO
Intelligent agents
problemas de planificación
entornos dinámicos - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
- Repositorio
.jpg)
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/20316
Ver los metadatos del registro completo
| id |
SEDICI_73ec23b07154379ccc4ac695c5bbcd91 |
|---|---|
| oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/20316 |
| network_acronym_str |
SEDICI |
| repository_id_str |
1329 |
| network_name_str |
SEDICI (UNLP) |
| spelling |
Metaheurística ACO aplicada a problemas de planificación en entornos dinámicosSan Pedro, María Eugenia dePandolfi, DanielLasso, Marta GracielaVillagra, AndreaLeguizamón, GuillermoCiencias InformáticasPlanificaciónMetaheurística ACOIntelligent agentsproblemas de planificaciónentornos dinámicosLas organizaciones industriales frecuentemente están sujetas a diferentes tipos de cambios como pueden ser: que se agregue una nueva tarea, la cancelación de una tarea, la ruptura de una maquina, como así también cambios en los tiempos de procesamiento o de la fecha estimada de terminación de la tarea. Debido a su naturaleza dinámica, los problemas de planificación real son computacionalmente complejos y el tiempo requerido para encontrar una solución óptima se incrementa exponencialmente con el tamaño del problema. Los problemas de planificación se pueden clasificar en: estáticos, donde todas las tareas son conocidas antes del comienzo de la planificación; y dinámicos, en donde sólo el tiempo de comienzo de la tarea es desconocido (dinamismo parcial) ó donde todas las propiedades de las tareas son desconocidas (dinamismo total). Los problemas de planificación (scheduling) estáticos se han abordado a través de distintas metaheurísticas (Simulating Annealing, Tabu Search, Algoritmos Evolutivos y Ant Colony Optimization), pero los problemas de scheduling dinámicos han sido encarados principalmente con Algoritmos Evolutivos, para problemas de job shop y para problemas de máquina única. Una metaheurística particularmente exitosa está inspirada para el comportamiento de las hormigas reales, conocida como la metaheurística Ant Colony Optimization (ACO). Numerosos enfoques algorítmicos basados sobre las mismas fueron desarrollados y aplicados con éxito para una variedad de problemas de optimización. Se pretende a través de esta línea de investigación, realizar un análisis comparativo de los trabajos realizados hasta el momento sobre scheduling dinámico con algoritmos evolutivos para diferentes problemas de máquina única (Weighted Tardiness, Average Tardiness, Weighted Number of Tardy Job), pero abordado con otra metaheurística diferente como es el caso de ACO.Eje: Agentes y Sistemas InteligentesRed de Universidades con Carreras en Informática (RedUNCI)2007-05info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf119-123http://sedici.unlp.edu.ar/handle/10915/20316spainfo:eu-repo/semantics/altIdentifier/isbn/978-950-763-075-0info: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:UNLP2025-09-03T10:27:04Zoai:sedici.unlp.edu.ar:10915/20316Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-03 10:27:04.582SEDICI (UNLP) - Universidad Nacional de La Platafalse |
| dc.title.none.fl_str_mv |
Metaheurística ACO aplicada a problemas de planificación en entornos dinámicos |
| title |
Metaheurística ACO aplicada a problemas de planificación en entornos dinámicos |
| spellingShingle |
Metaheurística ACO aplicada a problemas de planificación en entornos dinámicos San Pedro, María Eugenia de Ciencias Informáticas Planificación Metaheurística ACO Intelligent agents problemas de planificación entornos dinámicos |
| title_short |
Metaheurística ACO aplicada a problemas de planificación en entornos dinámicos |
| title_full |
Metaheurística ACO aplicada a problemas de planificación en entornos dinámicos |
| title_fullStr |
Metaheurística ACO aplicada a problemas de planificación en entornos dinámicos |
| title_full_unstemmed |
Metaheurística ACO aplicada a problemas de planificación en entornos dinámicos |
| title_sort |
Metaheurística ACO aplicada a problemas de planificación en entornos dinámicos |
| dc.creator.none.fl_str_mv |
San Pedro, María Eugenia de Pandolfi, Daniel Lasso, Marta Graciela Villagra, Andrea Leguizamón, Guillermo |
| author |
San Pedro, María Eugenia de |
| author_facet |
San Pedro, María Eugenia de Pandolfi, Daniel Lasso, Marta Graciela Villagra, Andrea Leguizamón, Guillermo |
| author_role |
author |
| author2 |
Pandolfi, Daniel Lasso, Marta Graciela Villagra, Andrea Leguizamón, Guillermo |
| author2_role |
author author author author |
| dc.subject.none.fl_str_mv |
Ciencias Informáticas Planificación Metaheurística ACO Intelligent agents problemas de planificación entornos dinámicos |
| topic |
Ciencias Informáticas Planificación Metaheurística ACO Intelligent agents problemas de planificación entornos dinámicos |
| dc.description.none.fl_txt_mv |
Las organizaciones industriales frecuentemente están sujetas a diferentes tipos de cambios como pueden ser: que se agregue una nueva tarea, la cancelación de una tarea, la ruptura de una maquina, como así también cambios en los tiempos de procesamiento o de la fecha estimada de terminación de la tarea. Debido a su naturaleza dinámica, los problemas de planificación real son computacionalmente complejos y el tiempo requerido para encontrar una solución óptima se incrementa exponencialmente con el tamaño del problema. Los problemas de planificación se pueden clasificar en: estáticos, donde todas las tareas son conocidas antes del comienzo de la planificación; y dinámicos, en donde sólo el tiempo de comienzo de la tarea es desconocido (dinamismo parcial) ó donde todas las propiedades de las tareas son desconocidas (dinamismo total). Los problemas de planificación (scheduling) estáticos se han abordado a través de distintas metaheurísticas (Simulating Annealing, Tabu Search, Algoritmos Evolutivos y Ant Colony Optimization), pero los problemas de scheduling dinámicos han sido encarados principalmente con Algoritmos Evolutivos, para problemas de job shop y para problemas de máquina única. Una metaheurística particularmente exitosa está inspirada para el comportamiento de las hormigas reales, conocida como la metaheurística Ant Colony Optimization (ACO). Numerosos enfoques algorítmicos basados sobre las mismas fueron desarrollados y aplicados con éxito para una variedad de problemas de optimización. Se pretende a través de esta línea de investigación, realizar un análisis comparativo de los trabajos realizados hasta el momento sobre scheduling dinámico con algoritmos evolutivos para diferentes problemas de máquina única (Weighted Tardiness, Average Tardiness, Weighted Number of Tardy Job), pero abordado con otra metaheurística diferente como es el caso de ACO. Eje: Agentes y Sistemas Inteligentes Red de Universidades con Carreras en Informática (RedUNCI) |
| description |
Las organizaciones industriales frecuentemente están sujetas a diferentes tipos de cambios como pueden ser: que se agregue una nueva tarea, la cancelación de una tarea, la ruptura de una maquina, como así también cambios en los tiempos de procesamiento o de la fecha estimada de terminación de la tarea. Debido a su naturaleza dinámica, los problemas de planificación real son computacionalmente complejos y el tiempo requerido para encontrar una solución óptima se incrementa exponencialmente con el tamaño del problema. Los problemas de planificación se pueden clasificar en: estáticos, donde todas las tareas son conocidas antes del comienzo de la planificación; y dinámicos, en donde sólo el tiempo de comienzo de la tarea es desconocido (dinamismo parcial) ó donde todas las propiedades de las tareas son desconocidas (dinamismo total). Los problemas de planificación (scheduling) estáticos se han abordado a través de distintas metaheurísticas (Simulating Annealing, Tabu Search, Algoritmos Evolutivos y Ant Colony Optimization), pero los problemas de scheduling dinámicos han sido encarados principalmente con Algoritmos Evolutivos, para problemas de job shop y para problemas de máquina única. Una metaheurística particularmente exitosa está inspirada para el comportamiento de las hormigas reales, conocida como la metaheurística Ant Colony Optimization (ACO). Numerosos enfoques algorítmicos basados sobre las mismas fueron desarrollados y aplicados con éxito para una variedad de problemas de optimización. Se pretende a través de esta línea de investigación, realizar un análisis comparativo de los trabajos realizados hasta el momento sobre scheduling dinámico con algoritmos evolutivos para diferentes problemas de máquina única (Weighted Tardiness, Average Tardiness, Weighted Number of Tardy Job), pero abordado con otra metaheurística diferente como es el caso de ACO. |
| publishDate |
2007 |
| dc.date.none.fl_str_mv |
2007-05 |
| 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/10915/20316 |
| url |
http://sedici.unlp.edu.ar/handle/10915/20316 |
| dc.language.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/isbn/978-950-763-075-0 |
| 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 119-123 |
| 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_ |
1842260106322903040 |
| score |
13.13397 |