Heurísticas de agrupación híbridas eficientes para el problema de empacado de objetos en contenedores

• Laura Cruz-Reyes ^[1] ; Marcela Quiroz C. ^[1] ; Adriana C. F. Alvim ^[2] ; Héctor J. Fraire Huacuja ^[1] ; Claudia Gómez S. ^[1] ; José Torres-Jiménez ^[3]
  1. [1] Instituto Tecnológico de Ciudad Madero

     Instituto Tecnológico de Ciudad Madero

     México

     
  2. [2] Universidade Federal do Estado do Rio de Janeiro

     Universidade Federal do Estado do Rio de Janeiro

     Brasil

     
  3. [3] Instituto Politécnico Nacional

     Instituto Politécnico Nacional

     México

     

  Mostrar afiliaciones +
• Localización: Computación y Sistemas (CyS), ISSN 1405-5546, ISSN-e 2007-9737, Vol. 16, Nº. 3, 2012, págs. 349-360
• Idioma: español
• Títulos paralelos:
  • Efficient Hybrid Grouping Heuristics for the Bin Packing Problem
• Enlaces
  • Texto completo
• Resumen
  • español

    En este artículo se aborda un problema clásico muy conocido por su aplicabilidad y complejidad: el empacado de objetos en contenedores (Bin Packing Problem, BPP). Para la solución de BPP se propone un algoritmo genético híbrido de agrupación denominado HGGA-BP. El algoritmo propuesto está inspirado en el esquema de representación de grupos de Falkenauer, el cual aplica operadores evolutivos a nivel de contenedores. HGGA-BP incluye heurísticas eficientes para generar la población inicial y realizar mutación y cruzamiento de grupos; así como estrategias híbridas para el acomodo de objetos que quedaron libres al aplicar los operadores grupales. La efectividad del algoritmo es comparable con la de los mejores del estado del arte, superando los resultados publicados para el conjunto de instancias hard28, el cual ha mostrado el mayor grado de dificultad para los algoritmos de solución de BPP.

  • English

    This article addresses a classical problem known for its applicability and complexity: the Bin Packing Problem (BPP). A hybrid grouping genetic algorithm called HGGA-BP is proposed to solve BPP. The proposed algorithm is inspired by the Falkenauer grouping encoding scheme, which applies evolutionary operators at the bin level. HGGA-BP includes efficient heuristics to genérate the initial population and performs mutation and crossover for groups as well as hybrid strategies for the arrangement of objects that were released by the group operators. The effectiveness of the algorithm is comparable with the best state-of-the-art algorithms, outperforming the published results for the class of instances hard28, which has shown the highest difficulty for algorithms that solve BPP.