- -

Solución al Problema de Secuenciación de Trabajos mediante el Problema del Agente Viajero

RiuNet: Repositorio Institucional de la Universidad Politécnica de Valencia

Compartir/Enviar a

Citas

Estadísticas

  • Estadisticas de Uso

Solución al Problema de Secuenciación de Trabajos mediante el Problema del Agente Viajero

Mostrar el registro sencillo del ítem

Ficheros en el ítem

Thumbnail
Nombre: Anaya;Hernández;Seck ...
Tamaño: 410.5Kb
Formato: PDF
Descripción: Versión editorial
Abrir
dc.contributor.author Anaya Fuentes, G.E. es_ES
dc.contributor.author Hernández Gress, E.S. es_ES
dc.contributor.author Seck Tuoh Mora, J.C. es_ES
dc.contributor.author Medina Marín, J. es_ES
dc.date.accessioned 2020-05-18T10:48:49Z
dc.date.available 2020-05-18T10:48:49Z
dc.date.issued 2016-10-10
dc.identifier.issn 1697-7912
dc.identifier.uri http://hdl.handle.net/10251/143544
dc.description.abstract [ES] En este trabajo se estudia el Problema de Secuenciación de Trabajos codificado como un Problema de Agente Viajero y resuelto mediante Algoritmos Genéticos. Se propone un Algoritmo Genético en donde se comparan dos tipos de selección: por torneo y por ruleta. Se realizan diferentes pruebas para la solución del Problema del Agente Viajero con los dos tipos de selección bajo diferentes parámetros: número de individuos, número de iteraciones, probabilidad de cruce y probabilidad de mutación; a partir de estos se seleccionan los parámetros y el tipo de selección. Posteriormente se codifica al Problema de Secuenciación como un Problema del Agente Viajero. La propuesta se presenta mediante la aplicación a diferentes ejemplos del Problema de Secuenciación de Trabajos y la comparación con los resultados obtenidos en la literatura. es_ES
dc.description.abstract [EN] In this paper we proposed a solution to the Job-Shop Scheduling Problem using the Traveling Salesman Problem solved by Genetic Algorithms. We proposed a genetic algorithm where we compare two types of selection: tournament and roulette. Different tests are performed to solve the Traveling Salesman Problem with the two types of selection under different parameters: number of individuals, number of iterations, crossover probability and mutation probability. Then the best type of selection and the best parameters are used to solve the Job-Shop Scheduling Problem with Genetic Algorithms for the Traveling Salesman Problem. The proposal is presented solving different examples of Job Sequencing Problem and compare them with the results obtained in the literature. es_ES
dc.language Español es_ES
dc.publisher Universitat Politècnica de València es_ES
dc.relation.ispartof Revista Iberoamericana de Automática e Informática industrial es_ES
dc.rights Reconocimiento - No comercial - Sin obra derivada (by-nc-nd) es_ES
dc.subject Efficient algorithms es_ES
dc.subject Industrial production systems es_ES
dc.subject Optimization problem es_ES
dc.subject Traveling salesman problem es_ES
dc.subject Algoritmos eficientes es_ES
dc.subject Sistemas industriales de producción es_ES
dc.subject Problemas de optimización es_ES
dc.subject Problema de agente viajero es_ES
dc.title Solución al Problema de Secuenciación de Trabajos mediante el Problema del Agente Viajero es_ES
dc.title.alternative Solution of the Job-Shop Scheduling Problem through the Traveling Salesman Problem es_ES
dc.type Artículo es_ES
dc.identifier.doi 10.1016/j.riai.2016.07.003
dc.rights.accessRights Abierto es_ES
dc.description.bibliographicCitation Anaya Fuentes, G.; Hernández Gress, E.; Seck Tuoh Mora, J.; Medina Marín, J. (2016). Solución al Problema de Secuenciación de Trabajos mediante el Problema del Agente Viajero. Revista Iberoamericana de Automática e Informática industrial. 13(4):430-437. https://doi.org/10.1016/j.riai.2016.07.003 es_ES
dc.description.accrualMethod OJS es_ES
dc.relation.publisherversion https://doi.org/10.1016/j.riai.2016.07.003 es_ES
dc.description.upvformatpinicio 430 es_ES
dc.description.upvformatpfin 437 es_ES
dc.type.version info:eu-repo/semantics/publishedVersion es_ES
dc.description.volume 13 es_ES
dc.description.issue 4 es_ES
dc.identifier.eissn 1697-7920
dc.relation.pasarela OJS\9257 es_ES
dc.description.references Beasley, J., 1990.OR-Library: Distributing test problems by electronic mail. Journal of the Operational Research Society, 11, 1069-1072. es_ES
dc.description.references Bektas, T., 2006. The multiple traveling salesman problem: an overview of formulations and solution procedures, 34,209-219. es_ES
dc.description.references Bozejko, W., Pempera J. and Smuntnicki C., 2009. Parallel simulated annealing for the Job Shop Scheduling problem. Biological Cybernetics, 60, 139-144. es_ES
dc.description.references Buthainah F. and Hamza A., 2008. Enhanced Traveling Salesman Problem solving by Genetic Algorithm Technique. World Academy of Science, Engineering and Technology,38, 298-302. es_ES
dc.description.references Cerny, V., 1985. Thermodynamical Approach to the Traveling Salesman Problem: An Efficient Simulation Algorithm. Lecture note in computer science Proceedings of the 9th Intenational Conference on Computational Science, 5544, 631-640. es_ES
dc.description.references Chambers, L., 1998. Genetic Algorithms. University Western Press, Australia. es_ES
dc.description.references Chatterjee, S., Carrera C., and Linch L., 1996. Genetic Algorithms and traveling salesman problems. Siam Journal of Optimation, 515-529. es_ES
dc.description.references Chunguo, W., Wei X., and Yanchun L., 2004. A Modified Integer-Coding Genetic Algorithm for Job Shop Scheduling Problem, Trends in Artificial Intelligence. Lecture Notes in Computer Science Volum 3157,373-380. es_ES
dc.description.references Delgado E., 2005. Aplicación de Algoritmos Genéticos para la Programación de Tareas de una celda de manufactura. Ingeniería e Investigación: Universidad Nacional de Colombia, 24-31. es_ES
dc.description.references Dorigo, M., 1997. Ant colonies for the traveling salesman problem. Universidad Libre de Bruselas, Bélgica. es_ES
dc.description.references Fogel, D., 1998. An evolutionary approach to the traveling salesman problem. Biological Cybernetics, 60, 139-144. es_ES
dc.description.references Gao, S., Zhang L, and Zhang F. 2007. g. Solving Traveling Salesman Problem by Ant Colony Optimization Algorithm with Association Rule Proceedings of the Third International Conference on Natural Computation, 3, 693-698. es_ES
dc.description.references Ge, H., Du W., y Quian F., 2007. A hybrid algorithm based on swarm optimization and simulated annealing for job shop scheduling. Proceedings of the Third International Conference on Natural Computation, 3, 715-719. es_ES
dc.description.references Gerhard, R., 2006. Discrete and Combinatorial Optimization. Universidad de Heidelberg-Instituto de Ciencias de la Computación, Alemania. es_ES
dc.description.references Goldberg, D., 1989. Genetic Algorithms in Search, Optimization and Machine Learning. Addison-Wesley Publishing Corporation, Estados Unidos de América. es_ES
dc.description.references Holland, J., 1992. Adaptation in Natural and Artificial Systems. MIT Press, Cambridge, Estados Unidos de América. es_ES
dc.description.references Jog, P., Kim J., Suh J., y Gucht D., 1991. Parallel Genetic Algorithms Applied to the Traveling Salesman Problem. European Journal of Operational Research, 490-510. es_ES
dc.description.references Juang, C., 2004. A hybrid genetic algorithm and particle swarm optimization for recurrent network design. IEEE Transactions on Evolutionary Computation, 34, 997-1006. es_ES
dc.description.references Larrañaga, P., Kuijpers C., Murga R., Inza I., y Dizdarevic S., 1999. Genetic Algorithms for the Traveling Salesman Problem: A review of Representations and Operators. Artificial Intelligence Review, 129-170. es_ES
dc.description.references Maldonado C. 2010. El mundo de las ciencias de la complejidad: Una investigación sobre qué son, su desarrollo y sus posibilidades. Universidad del Rosario. es_ES
dc.description.references Moon, C., Kim J., Choi G., y Seo Y., 2002. An efficient genetic algorithm for the traveling salesman problem with precedent constraints. European Journal of Operational Research, 606-617. es_ES
dc.description.references Ruiz, J., 2011. Complexity Indicators Applied to the Job Shop Scheduling Problem. International Journal of Combinatorial Optimization Problems and Informatics, 25-31. es_ES
dc.description.references Sivanamdam, S. y Deepa S, 2008. Introduction to Genetic Algorithms. Springer, Estados Unidos de América. es_ES
dc.description.references Tamilarasi, A. y Anantha K., 2010. An enhanced genetic algorithm with simulated annealing for jobshop scheduling. International Journal of Engineering Science and Technology 2, 144-151. es_ES
dc.description.references Wagner, H, 1975. Principles of Operations Research. 2ª ed. Englewood Cliffs, N.J. Prentice Hall, Estados Unidos de América. es_ES
dc.description.references Winston, W., 2005. Investigación de Operaciones: Aplicaciones y Algoritmos. Indiana University Press, Estados Unidos de América. es_ES
dc.description.references Yamada T., y Nakano R., 1997. Genetic Algorithms for Job Shop Scheduling. Proceedings of Modern Heuristic for Decision Support, UNICOM Seminar London, 67-81. es_ES


Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem