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

Autores
Ezzatti, Pablo; Nesmachnow, Sergio
Año de publicación
2003
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Este trabajo presenta el análisis de una estrategia evolutiva de optimización basada en población para la resolución del Open Shop Scheduling, un problema de optimización combinatoria clásico que plantea la asignación de tareas a procesadores. Sobre la propuesta original del algoritmo MOSES (Mutation or Selection Evolution Strategy) [3] aplicado al problema de asignación de tareas a procesadores, se analizan los resultados teóricos de convergencia en función de los parámetros del método y del problema. Se estudian dos variantes del algoritmo propuestas en la literatura y una tercera alternativa propuesta en este trabajo, analizando comparativamente su comportamiento y calidad de resultados. El estudio contempla tres diferentes operadores de mutación, para los cuales se calcularon los diámetros de los grafos de exploración y se analizó empíricamente su vinculación con la calidad de resultados obtenidos sobre un conjunto de instancias de prueba.
Eje: Agentes y Sistemas Inteligentes (ASI)
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
Algorithms
algoritmo evolutivo
ARTIFICIAL INTELLIGENCE
MOSES
asignación de tareas a procesadores
Intelligent agents
OSSP
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:10915/22642
Acceder
id SEDICI_9e654c31f03d218dca6a0c93035577bb
oai_identifier_str oai:sedici.unlp.edu.ar:10915/22642
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Un algoritmo evolutivo simple para el problema de asignación de tareas a procesadoresEzzatti, PabloNesmachnow, SergioCiencias InformáticasAlgorithmsalgoritmo evolutivoARTIFICIAL INTELLIGENCEMOSESasignación de tareas a procesadoresIntelligent agentsOSSPEste trabajo presenta el análisis de una estrategia evolutiva de optimización basada en población para la resolución del Open Shop Scheduling, un problema de optimización combinatoria clásico que plantea la asignación de tareas a procesadores. Sobre la propuesta original del algoritmo MOSES (Mutation or Selection Evolution Strategy) [3] aplicado al problema de asignación de tareas a procesadores, se analizan los resultados teóricos de convergencia en función de los parámetros del método y del problema. Se estudian dos variantes del algoritmo propuestas en la literatura y una tercera alternativa propuesta en este trabajo, analizando comparativamente su comportamiento y calidad de resultados. El estudio contempla tres diferentes operadores de mutación, para los cuales se calcularon los diámetros de los grafos de exploración y se analizó empíricamente su vinculación con la calidad de resultados obtenidos sobre un conjunto de instancias de prueba.Eje: Agentes y Sistemas Inteligentes (ASI)Red de Universidades con Carreras en Informática (RedUNCI)2003-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf765-776http://sedici.unlp.edu.ar/handle/10915/22642spainfo: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:UNLP2025-09-29T10:55:07Zoai:sedici.unlp.edu.ar:10915/22642Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 10:55:08.091SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Un algoritmo evolutivo simple para el problema de asignación de tareas a procesadores
title Un algoritmo evolutivo simple para el problema de asignación de tareas a procesadores
spellingShingle Un algoritmo evolutivo simple para el problema de asignación de tareas a procesadores
Ezzatti, Pablo
Ciencias Informáticas
Algorithms
algoritmo evolutivo
ARTIFICIAL INTELLIGENCE
MOSES
asignación de tareas a procesadores
Intelligent agents
OSSP
title_short Un algoritmo evolutivo simple para el problema de asignación de tareas a procesadores
title_full Un algoritmo evolutivo simple para el problema de asignación de tareas a procesadores
title_fullStr Un algoritmo evolutivo simple para el problema de asignación de tareas a procesadores
title_full_unstemmed Un algoritmo evolutivo simple para el problema de asignación de tareas a procesadores
title_sort Un algoritmo evolutivo simple para el problema de asignación de tareas a procesadores
dc.creator.none.fl_str_mv Ezzatti, Pablo
Nesmachnow, Sergio
author Ezzatti, Pablo
author_facet Ezzatti, Pablo
Nesmachnow, Sergio
author_role author
author2 Nesmachnow, Sergio
author2_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
Algorithms
algoritmo evolutivo
ARTIFICIAL INTELLIGENCE
MOSES
asignación de tareas a procesadores
Intelligent agents
OSSP
topic Ciencias Informáticas
Algorithms
algoritmo evolutivo
ARTIFICIAL INTELLIGENCE
MOSES
asignación de tareas a procesadores
Intelligent agents
OSSP
dc.description.none.fl_txt_mv Este trabajo presenta el análisis de una estrategia evolutiva de optimización basada en población para la resolución del Open Shop Scheduling, un problema de optimización combinatoria clásico que plantea la asignación de tareas a procesadores. Sobre la propuesta original del algoritmo MOSES (Mutation or Selection Evolution Strategy) [3] aplicado al problema de asignación de tareas a procesadores, se analizan los resultados teóricos de convergencia en función de los parámetros del método y del problema. Se estudian dos variantes del algoritmo propuestas en la literatura y una tercera alternativa propuesta en este trabajo, analizando comparativamente su comportamiento y calidad de resultados. El estudio contempla tres diferentes operadores de mutación, para los cuales se calcularon los diámetros de los grafos de exploración y se analizó empíricamente su vinculación con la calidad de resultados obtenidos sobre un conjunto de instancias de prueba.
Eje: Agentes y Sistemas Inteligentes (ASI)
Red de Universidades con Carreras en Informática (RedUNCI)
description Este trabajo presenta el análisis de una estrategia evolutiva de optimización basada en población para la resolución del Open Shop Scheduling, un problema de optimización combinatoria clásico que plantea la asignación de tareas a procesadores. Sobre la propuesta original del algoritmo MOSES (Mutation or Selection Evolution Strategy) [3] aplicado al problema de asignación de tareas a procesadores, se analizan los resultados teóricos de convergencia en función de los parámetros del método y del problema. Se estudian dos variantes del algoritmo propuestas en la literatura y una tercera alternativa propuesta en este trabajo, analizando comparativamente su comportamiento y calidad de resultados. El estudio contempla tres diferentes operadores de mutación, para los cuales se calcularon los diámetros de los grafos de exploración y se analizó empíricamente su vinculación con la calidad de resultados obtenidos sobre un conjunto de instancias de prueba.
publishDate 2003
dc.date.none.fl_str_mv 2003-10
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/10915/22642
url http://sedici.unlp.edu.ar/handle/10915/22642
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
765-776
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_ 1844615810013724672
score 13.070432

Publicaciones similares