42- #1042 UN SQUIRREL SEARCH ALGORITHM DISCRETO APLICADO AL PROBLEMA JOB SHOP CON OPERADORES CALIFICADOS
Publicado 2019-01-01
Palabras clave
- Job Shop Skilled Operators (JSSO),
- Metaheuristic,,
- Valid Particle Generator (VPG)
Cómo citar
Resumen
El problema Job Shop Con Operadores Calificados
(JSSO) es una extensión del problema general
Scheduling Job Shop, en donde se busca minimizar el
tiempo de terminación total de las tareas o Makespan.
En esta situación, para realizar una tarea es necesario
utilizar una máquina y un operador con la habilidad para
desarrollarla. Las tareas se relacionan por medio de un
grafo de precedencia la cual indica el orden en que
estas se deben realizar. Cada tarea incurre en un
tiempo de procesamiento conocido, no se permiten
interrupciones. Este planteamiento es catalogado como
un problema NP-HARD (Agnetis, Murgia, & Sbrilli,
2014).
Se aborda el problema descrito anteriormente
implementando un método de solución aproximado conocido como Squirrel Search Algorithm (SSA), el
cual, se basa en la dinámica de búsqueda y de un
mecanismo eficiente de movimiento conocido como
“Planeo” de las ardillas voladoras presentes en el
Sudeste asiático (Jain, Singh, & Rani, 2019). Para tal
fin, se propone un esquema de codificación discreto
basado en la regla Short Position Value (SPV) (Kumar
& Vidyarthi, 2016), además se aplica un corrector de
posición denominado Valid Particle Generator (VPG)
(Chaudhry, Tapaswi, & Kumar, 2018) para generar
programas de producción factibles. La asignación de
los operadores se realiza por medio de la heurística
First Fit (FF), la cual busca un balance en la carga de
trabajo. Se utilizó el lenguaje R (R Core Team, 2019)
para la codificación de la metaheurística y se coloca a
prueba 32 problemas propuestos en la literatura. En
estos momentos se esta desarrollando la fase de
experimentación para determinar la eficiencia de la
herramienta propuesta.
Descargas
Referencias
scheduling problem with human operators in handicraft
production. International Journal of Production
Research, 52(13), 3820–3831.
https://doi.org/10.1080/00207543.2013.831220
Chaudhry, R., Tapaswi, S., & Kumar, N. (2018).
Forwarding Zone enabled PSO routing with Network
lifetime maximization in MANET. Applied Intelligence,
48(9), 3053–3080. https://doi.org/10.1007/s10489-0171127-5
Jain,
M.,
Singh,
V.,
&
Rani,
A.
(2019).
A
novel
natureinspired
algorithm for optimization: Squirrel search
algorithm. Swarm and Evolutionary Computation, 44,
148–175. https://doi.org/10.1016/j.swevo.2018.02.013
Kumar, N., & Vidyarthi, D. P. (2016). A model for
resource-constrained project scheduling using adaptive
PSO. Soft Computing, 20(4), 1565–1580.
https://doi.org/10.1007/s00500-015-1606-8R Core
Team. (2019). R: A language and environment for
statistical computing. R Foundation for Statistical
Computing. Retrieved from https://www.r-project.org/