Use este identificador para citar ou linkar para este item: http://www.repositorio.ufop.br/jspui/handle/123456789/10616
Título: Uma abordagem evolucionária para o problema escalonamento de tarefas em máquinas idênticas paralelas com limitações de ferramentas.
Autor(es): Soares, Leonardo Cabral da Rocha
Orientador(es): Carvalho, Marco Antonio Moreira de
Palavras-chave: Máquinas-ferramenta
Algoritmos genéticos
Programação heurística
Data do documento: 2018
Membros da banca: Carvalho, Marco Antonio Moreira de
Toffolo, Túlio Ângelo Machado
Arroyo, José Elias Claudio
Referência: SOARES, Leonardo Cabral da Rocha. Uma abordagem evolucionária para o problema escalonamento de tarefas em máquinas idênticas paralelas com limitações de ferramentas. 2018. 88 f. Dissertação (Mestrado em Ciência da Computação) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2018.
Resumo: O Problema de Escalonamento de Tarefas em Máquinas Flexíveis Paralelas Idênticas com Restrições de Ferramentas, consiste em alocar tarefas a um conjunto de máquinas flexíveis paralelas, com o objetivo de minimizar o tempo máximo de processamento das tarefas pelas máquinas. Especificamente, as tarefas possuem tempo de processamento igual em qualquer máquina, porém, possuem tempo de preparo prévio que depende de todas as tarefas anteriores sequenciadas na mesma máquina, devido a configurações de ferramentas nas máquinas flexíveis. Neste trabalho, este problema NP-Difícil é abordado utilizando-se a metaheurística paralela Algoritmo Genético de Chaves Aleatórias Viciadas hibridizada com procedimentos de busca local organizados em uma Descida em Vizinhança Variável. São apresentados resultados inéditos para um conjunto de 2880 instâncias da literatura, incluindo resultados ótimos para 12,31% entre as menores instâncias. O método proposto é comparado ao atual estado da arte e obtém 91,81% das melhores soluções. Novas melhores soluções são apresentadas para 52,75% do total de instâncias. Adicionalmente, o método proposto apresenta tempo de execução 92,69% menor, dominando assim o atual estado da arte.
Resumo em outra língua: The Identical Parallel Flexible Machines With Tooling Constraints Problem consists in scheduling tasks to a set of flexible parallel machines, with the objective of minimizing the maximum processing time of the tasks by the machines. Particularly, the tasks have the same processing time in any machine, however, they have a setup time which depends on the all of sequence of tasks scheduled on the same machine, owing to tool configurations on the flexible machine. In this work, this NP-Hard problem is addressed using a parallel Biased Random-Key Genetic Algorithm hibridized with local search procedures organized in a Variable Neighborhood Descent. Results for a set of 2,880 benchmark instances from the literature are presented for the first time, including optimal solutions for 12,31% among the smallest instances. The proposed method is compared with the state of-the-art method and achieves 91,81% of the best results. New best results are presented for 52,75% of the instances. Additionally, the proposed method is 91,69% faster than the compared method, thus dominating the current state-of-art.
Descrição: Programa de Pós-Graduação em Ciência da Computação. Departamento de Ciência da Computação, Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto.
URI: http://www.repositorio.ufop.br/handle/123456789/10616
Licença: Autorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 21/12/2018 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho desde que sejam citados o autor e o licenciante. Não permite o uso para fins comerciais nem a adaptação.
Aparece nas coleções:PPGCC - Mestrado (Dissertações)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
DISSERTAÇÃO_AbordagemEvolucionáriaProblema.pdf36,23 MBAdobe PDFVisualizar/Abrir


Este item está licenciado sob uma Licença Creative Commons Creative Commons