Particle swarm optimization para problemas de secuenciamiento: total weighted tardiness
Particle Swarm Optimization (PSO) ha sido utilizado exitosamente en diferentes áreas como optimización mutidimensional y multiobjetivo, y entrenamiento de redes neuronales entre otras, pero existen actualmente pocos reportes relacionados a problemas de secuenciamiento. En este trabajo presentamos un...
Guardado en:
| Autores principales: | , , |
|---|---|
| Formato: | Objeto de conferencia |
| Lenguaje: | Español |
| Publicado: |
2004
|
| Materias: | |
| Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/21357 |
| Aporte de: |
| Sumario: | Particle Swarm Optimization (PSO) ha sido utilizado exitosamente en diferentes áreas como optimización mutidimensional y multiobjetivo, y entrenamiento de redes neuronales entre otras, pero existen actualmente pocos reportes relacionados a problemas de secuenciamiento. En este trabajo presentamos un PSO modificado (MPSO) que incorpora un método diferente de representación de las partículas y un operador de mutación dinámica similar al utilizado en los algoritmos evolutivos. Este estudio preliminar muestra la performance del algoritmo cuando éste es aplicado a un conjunto de instancias correspondientes al problema de Total Weighted Tardiness, en ambientes de scheduling de máquina única. Este primer estudio muestra a MPSO como un posible método alternativo para resolver problemas de secuenciamiento. |
|---|