Utilize este identificador para referenciar este registo:
https://hdl.handle.net/1822/34374
Título: | Implementação de um algoritmo genético híbrido com simulated annealing para o problema job shop |
Outro(s) título(s): | Implementation of a genetic algorithm with simulated annealing for the job shop schedulling problem |
Autor(es): | Figueiredo, José Filipe Moreira da Silva |
Orientador(es): | Oliveira, José A. |
Data: | 2015 |
Resumo(s): | Neste 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. |
Tipo: | Dissertação de mestrado |
Descrição: | Dissertação de mestrado em Engenharia de Sistemas |
URI: | https://hdl.handle.net/1822/34374 |
Acesso: | Acesso aberto |
Aparece nas coleções: | BUM - Dissertações de Mestrado DPS - Dissertações de Mestrado |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
José Filipe Moreira da Silva Figueiredo.pdf | 3,63 MB | Adobe PDF | Ver/Abrir |