Algoritmos evolucionarios aplicados al problema de secuenciamiento de Flow Shop
- Autores
- Pandolfi, Daniel; Leguizamón, Guillermo
- Año de publicación
- 2008
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- Los algoritmos de Estimación de Distribuciones (EDAs - Estimation of Distribution Algorithms) son una clase de algoritmos basados en el paradigma de Computación Evolutiva (CE) que sustituyen los mecanismos de variación (cruce y mutación) utilizados tradicionalmente por Algoritmos Evolutivos (AEs). La población de nuevas soluciones se genera a través de la simulación de una estimación de probabilidad producida por la información de las soluciones generadas en iteraciones pasadas Por su parte, el problema de secuenciamiento de Flow Shop y conocido como FSSP (Flow Shop Sequencing Problem) ha convocado la atención de muchos investigadores en los últimos años. En FSSP, un conjunto de tareas deben seguir el mismo orden en una rutina de procesamiento para un conjunto de máquinas con el objetivo de optimizar alguna variable de performance (makespan, tardiness, lateness). 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 la exploración de distintos tipos de algoritmos evolucionarios aplicados a la resolución del problema de secuenciamiento de Flow Shop.
Eje: Agentes y Sistemas Inteligentes
Red de Universidades con Carreras en Informática (RedUNCI) - Materia
-
Ciencias Informáticas
Algoritmos Evolucionarios
Algorithms
Problema de Secuenciamiento
Intelligent agents
Flow Shop - 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:10915/20530
Ver los metadatos del registro completo
id |
SEDICI_df8ee18a98a9ace228a9e5efa8e8bcf5 |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/20530 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Algoritmos evolucionarios aplicados al problema de secuenciamiento de Flow ShopPandolfi, DanielLeguizamón, GuillermoCiencias InformáticasAlgoritmos EvolucionariosAlgorithmsProblema de SecuenciamientoIntelligent agentsFlow ShopLos algoritmos de Estimación de Distribuciones (EDAs - Estimation of Distribution Algorithms) son una clase de algoritmos basados en el paradigma de Computación Evolutiva (CE) que sustituyen los mecanismos de variación (cruce y mutación) utilizados tradicionalmente por Algoritmos Evolutivos (AEs). La población de nuevas soluciones se genera a través de la simulación de una estimación de probabilidad producida por la información de las soluciones generadas en iteraciones pasadas Por su parte, el problema de secuenciamiento de Flow Shop y conocido como FSSP (Flow Shop Sequencing Problem) ha convocado la atención de muchos investigadores en los últimos años. En FSSP, un conjunto de tareas deben seguir el mismo orden en una rutina de procesamiento para un conjunto de máquinas con el objetivo de optimizar alguna variable de performance (makespan, tardiness, lateness). 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 la exploración de distintos tipos de algoritmos evolucionarios aplicados a la resolución del problema de secuenciamiento de Flow Shop.Eje: Agentes y Sistemas InteligentesRed de Universidades con Carreras en Informática (RedUNCI)2008-05info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf105-109http://sedici.unlp.edu.ar/handle/10915/20530spainfo: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:UNLP2025-09-29T10:54:16Zoai:sedici.unlp.edu.ar:10915/20530Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 10:54:16.322SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Algoritmos evolucionarios aplicados al problema de secuenciamiento de Flow Shop |
title |
Algoritmos evolucionarios aplicados al problema de secuenciamiento de Flow Shop |
spellingShingle |
Algoritmos evolucionarios aplicados al problema de secuenciamiento de Flow Shop Pandolfi, Daniel Ciencias Informáticas Algoritmos Evolucionarios Algorithms Problema de Secuenciamiento Intelligent agents Flow Shop |
title_short |
Algoritmos evolucionarios aplicados al problema de secuenciamiento de Flow Shop |
title_full |
Algoritmos evolucionarios aplicados al problema de secuenciamiento de Flow Shop |
title_fullStr |
Algoritmos evolucionarios aplicados al problema de secuenciamiento de Flow Shop |
title_full_unstemmed |
Algoritmos evolucionarios aplicados al problema de secuenciamiento de Flow Shop |
title_sort |
Algoritmos evolucionarios aplicados al problema de secuenciamiento de Flow Shop |
dc.creator.none.fl_str_mv |
Pandolfi, Daniel Leguizamón, Guillermo |
author |
Pandolfi, Daniel |
author_facet |
Pandolfi, Daniel Leguizamón, Guillermo |
author_role |
author |
author2 |
Leguizamón, Guillermo |
author2_role |
author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas Algoritmos Evolucionarios Algorithms Problema de Secuenciamiento Intelligent agents Flow Shop |
topic |
Ciencias Informáticas Algoritmos Evolucionarios Algorithms Problema de Secuenciamiento Intelligent agents Flow Shop |
dc.description.none.fl_txt_mv |
Los algoritmos de Estimación de Distribuciones (EDAs - Estimation of Distribution Algorithms) son una clase de algoritmos basados en el paradigma de Computación Evolutiva (CE) que sustituyen los mecanismos de variación (cruce y mutación) utilizados tradicionalmente por Algoritmos Evolutivos (AEs). La población de nuevas soluciones se genera a través de la simulación de una estimación de probabilidad producida por la información de las soluciones generadas en iteraciones pasadas Por su parte, el problema de secuenciamiento de Flow Shop y conocido como FSSP (Flow Shop Sequencing Problem) ha convocado la atención de muchos investigadores en los últimos años. En FSSP, un conjunto de tareas deben seguir el mismo orden en una rutina de procesamiento para un conjunto de máquinas con el objetivo de optimizar alguna variable de performance (makespan, tardiness, lateness). 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 la exploración de distintos tipos de algoritmos evolucionarios aplicados a la resolución del problema de secuenciamiento de Flow Shop. Eje: Agentes y Sistemas Inteligentes Red de Universidades con Carreras en Informática (RedUNCI) |
description |
Los algoritmos de Estimación de Distribuciones (EDAs - Estimation of Distribution Algorithms) son una clase de algoritmos basados en el paradigma de Computación Evolutiva (CE) que sustituyen los mecanismos de variación (cruce y mutación) utilizados tradicionalmente por Algoritmos Evolutivos (AEs). La población de nuevas soluciones se genera a través de la simulación de una estimación de probabilidad producida por la información de las soluciones generadas en iteraciones pasadas Por su parte, el problema de secuenciamiento de Flow Shop y conocido como FSSP (Flow Shop Sequencing Problem) ha convocado la atención de muchos investigadores en los últimos años. En FSSP, un conjunto de tareas deben seguir el mismo orden en una rutina de procesamiento para un conjunto de máquinas con el objetivo de optimizar alguna variable de performance (makespan, tardiness, lateness). 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 la exploración de distintos tipos de algoritmos evolucionarios aplicados a la resolución del problema de secuenciamiento de Flow Shop. |
publishDate |
2008 |
dc.date.none.fl_str_mv |
2008-05 |
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/10915/20530 |
url |
http://sedici.unlp.edu.ar/handle/10915/20530 |
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 105-109 |
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_ |
1844615799639113728 |
score |
13.070432 |