Incorporación de técnicas heurísticas a la resolución del problema del sheduling mediante algoritmos genéticos
- Autores: Celia Gutiérrez Cosío
- Directores de la Tesis: Anselmo del Moral Bueno (dir. tes.)
- Lectura: En la Universidad del País Vasco - Euskal Herriko Unibertsitatea ( España ) en 2000
- Idioma: español
- Tribunal Calificador de la Tesis: Francisco Javier Zubillaga Zubimendi (presid.), Verónica Canivell Castillo (secret.), Cesáreo Hernández Iglesias (voc.), Joseba Iñaki Goirizelaia Ordorika (voc.), Pedro Isasi Viñuela (voc.)
- Materias:
- Texto completo no disponible (Saber más ...)
- Resumen
En el problema del Scheduling industrial se tratan restricciones tecnológicas, sobre todo de tiempo y de recursos, A su vez existen funciones a optimizar como las de coste total de realizacion de un pedido o tiempo total de fabricación.
Surgen así conflictos para el cumplimiento de los dos objetivos ya que la mejora de puede suponer el detrimento del otro.
Existen diversas tecnicas de optimización para llegar a estos objetivos.
Una de ellas son los Algoritmos Geneticos Artificiales. Imitando el comportamiento de la Genética Natural de Darwin, en la que en cada generación pasan los más adaptados, los Algoritmos Genéticos contienen unos operadores que realizan esta función. Como salida se obtienen los valores más optimos para la optimización de una función de adaptación.
Tomando esta técnica la presente tesis está desarrollada en dos fases:
1ª Un primer caso, sencillo y ficticio, en el que se resuelven las restricciones tecnologicas, aplicadas a una planta con un solo recurso y 10 operaciones.
Posteriormente, se añadiran una serie de tecnicas heuristicas para llegar al 100% de efectividad, que un Algoritmo Genético Simple nunca consigue.
2ª Un segundo caso, más generalizado y totalmente exportable, en el que se realizan tantas operaciones como se necesiten, para realizar todos los pedidos que llegan a la planta. Además existen varios recursos funcionando a la vez.
La aportación científica más novedos radica en la incorporación de tecnicas heuristicas, con unos evaluadores y reparadores, que mejoran considerablemente el funcionamiento del Algoritmo Genetico diseñado, el cual no incorpora el suficiente conocimiento como para ser totalmente eficiente.
