Implementação de um algoritmo genético híbrido com simulated annealing para o problema job shop

Detalhes bibliográficos
Autor(a) principal: Figueiredo, José Filipe Moreira da Silva
Data de Publicação: 2015
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/1822/34374
Resumo: Dissertação de mestrado em Engenharia de Sistemas
id RCAP_974f3d22ce9f196e4f7e8ab1d9dfe2ed
oai_identifier_str oai:repositorium.sdum.uminho.pt:1822/34374
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Implementação de um algoritmo genético híbrido com simulated annealing para o problema job shopImplementation of a genetic algorithm with simulated annealing for the job shop schedulling problem681.3:658.5658.5:681.3Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e InformáticaEngenharia e Tecnologia::Outras Engenharias e TecnologiasDissertação de mestrado em Engenharia de SistemasNeste trabalho apresenta-se um estudo sobre problemas de planeamento de operações do tipo job shop. Devido à sua natureza combinatória, o planeamento de operações deste tipo pertence à classe de problemas NP-difícil. Dada a complexidade destes problemas, torna-se impraticável testar todas as soluções possíveis pois tal não seria exequível em tempo computacional útil. Mesmo com a utilização de métodos de solução exata aplicados a modelos de programação inteira a solução do problema fica limitada a instâncias de pequena dimensão. Por este motivo, vai-se ao encontro do paradigma de investigação que tem sido desenvolvido nas últimas duas décadas que procura encontrar soluções recorrendo a métodos de solução aproximada. Desde a pesquisa por arrefecimento simulado (Simulated Annealing) até à optimização por enxame de partículas (Particle Swarm Optimization) é possível ainda encontrarem-se muitas variantes dentro da mesma classe de métodos aproximados. Um dos métodos que se tornou muito popular na comunidade científica é o Algoritmo Genético. A simplicidade desta técnica na representação de modelos complexos e também a facilidade de integração com outros métodos de resolução são os fatores que justificam o seu estudo. Contudo é necessário manter uma diversidade genética ao longo das iterações para evitar uma convergência prematura para mínimos locais. Para colmatar esta ineficiência recorre-se à sua hibridização, combinando com outro método de aproximação (Simulated Annealing). A abordagem proposta nesta dissertação pretende dar mais um contributo para a resolução do problema de planeamento de operações em ambiente do tipo job shop recorrendo a um algoritmo genético híbrido com arrefecimento simulado (Simulated Annealing). É realizada uma caracterização das tarefas e recursos do problema Job Shop bem como um estudo de Algoritmos Genéticos e seus componentes. Como fator diferenciador em relação aos trabalhos já publicados, pretende-se desenvolver um método que permita resolver o problema job-shop clássico, bem como a hibridização de métodos de solução aproximada. Os métodos implementados são validados através da análise dos resultados obtidos para aferir a sua eficácia e eficiência. Os testes realizados têm como base conjuntos de problemas padronizados, previamente definidos por autores reconhecidos na área.This paper presents a study of job shop scheduling problems (JSSP). Due to its combinatorial nature, JSSP belongs to NP-hard class problems. Given the complexity of such problems, it becomes impossible to test all possible solutions in order to find the optimal solution of the problem, as this would not be feasible in useful computational time. Even with the use of exact solution methods applied to integer programming models, it is limited to small instances. For this reason, it will be followed the research paradigm that has been developed over the past two decades to find solutions using approximate methods. Since the research by simulated annealing to the particle swarm optimization it is possible to find many variants within the same class of approximate methods. One method that has become very popular in the scientific community is the Genetic Algorithm. The simplicity of this technique in the representation of complex models and also the ease of integration with other methods of resolution are the factors that justify their study. However genetic algorithms are not effective in finding the optimal solution value, but the regions where the solution is. To transcend this inefficiency one solution is the hybridization, combining with another approximation method (Simulated Annealing), whose goal is to find the optimal solution in a limited region. The approach proposed in this thesis aims to further contributes to solving the problem of planning of operations in job shop type environment using a hybrid genetic algorithm with simulated annealing. It is made a characterization of tasks and resources of the JSSP and a study of Genetic Algorithms and their components. As a differentiating factor in relation to the work already published, we intend to develop a method for solving the classical job shop problem, as well as the hybridization of distinct approximation methods. The implemented methods are validated through the analysis of the results to check their effectiveness and efficiency. The tests are based on standardized sets of problems, as established by recognized authors in the area.Oliveira, José A.Universidade do MinhoFigueiredo, José Filipe Moreira da Silva20152015-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/1822/34374por201194198info:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-07-21T12:22:12Zoai:repositorium.sdum.uminho.pt:1822/34374Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T19:15:39.826990Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Implementação de um algoritmo genético híbrido com simulated annealing para o problema job shop
Implementation of a genetic algorithm with simulated annealing for the job shop schedulling problem
title Implementação de um algoritmo genético híbrido com simulated annealing para o problema job shop
spellingShingle Implementação de um algoritmo genético híbrido com simulated annealing para o problema job shop
Figueiredo, José Filipe Moreira da Silva
681.3:658.5
658.5:681.3
Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
Engenharia e Tecnologia::Outras Engenharias e Tecnologias
title_short Implementação de um algoritmo genético híbrido com simulated annealing para o problema job shop
title_full Implementação de um algoritmo genético híbrido com simulated annealing para o problema job shop
title_fullStr Implementação de um algoritmo genético híbrido com simulated annealing para o problema job shop
title_full_unstemmed Implementação de um algoritmo genético híbrido com simulated annealing para o problema job shop
title_sort Implementação de um algoritmo genético híbrido com simulated annealing para o problema job shop
author Figueiredo, José Filipe Moreira da Silva
author_facet Figueiredo, José Filipe Moreira da Silva
author_role author
dc.contributor.none.fl_str_mv Oliveira, José A.
Universidade do Minho
dc.contributor.author.fl_str_mv Figueiredo, José Filipe Moreira da Silva
dc.subject.por.fl_str_mv 681.3:658.5
658.5:681.3
Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
Engenharia e Tecnologia::Outras Engenharias e Tecnologias
topic 681.3:658.5
658.5:681.3
Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
Engenharia e Tecnologia::Outras Engenharias e Tecnologias
description Dissertação de mestrado em Engenharia de Sistemas
publishDate 2015
dc.date.none.fl_str_mv 2015
2015-01-01T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/1822/34374
url http://hdl.handle.net/1822/34374
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv 201194198
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799132602583482368

Registros relacionados