Programación de Máquinas Paralelas no Relacionadas con Tiempos de Montaje dependientes de la Secuencia y Entrada Dinámica usando Algoritmos Genéticos

• Autores: Jaime Antero Arango Marín, Jaime A. Giraldo García, Omar D. Castrillón Gómez
• Localización: Información tecnológica, ISSN-e 0718-0764, ISSN 0716-8756, Vol. 24, Nº. 3, 2013, págs. 73-84
• Idioma: español
• Títulos paralelos:
  • Scheduling of Non-Related Parallel Machines with Sequence Dependent Setup Times and Dynamic Entry using Genetic Algorithms
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 2 Citas
• Resumen
  • español

    Este trabajo describe una propuesta de solución al problema de procesar n trabajos en m máquinas paralelas no relacionadas. Es un problema de asignación generalizado de orden lineal y tipo combinatorial que considera tiempos de montaje dependientes de la secuencia y entrada dinámica de trabajos. Se propone un algoritmo genético con codificación entera y conformación de la población, selección de padres, cruzamiento y mutación aleatorios. Hay dos descendientes por generación que compiten contra el peor elemento existente para entrar a la población. Se itera un número de generaciones proporcional al producto de nxm para obtener la solución En cada máquina se secuencian los trabajos por fecha de entrega y los tiempos computacionales son aceptables. Se concluye que el problema pudo ser solucionado mediante el algoritmo genético propuesto de forma eficaz y eficiente y que las soluciones se enfocan en reducir el tiempo de procesamiento y cumplimiento de fechas de entrega.

  • English

    This paper describes a solution method to the problem of processing n jobs on m non-related parallel machines. It is a linear and combinatorial generalized allocation problem that considered a sequence- dependent setup time and dynamic job entry. A genetic algorithm with integer coding and random generation of population, parent selection, crossover and mutation is proposed. There are two descendants per generation that are compared against the worst existing element to enter to population. After a number of generations that is proportional to the product of nxm the solution is generated. The jobs are sequenced on each machine by due date and computational times are acceptable. It is concluded that the proposed genetic algorithm is an effective and efficient solution that focuses on reducing processing time and on meeting deadlines.