Orientadores: Akebo Yamakami, Tatiane Regina Bonfim

Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação

Resumo: Este trabalho propõe novas abordagens híbridas baseadas em técnicas da computação bio-inspirada para o problema de escalonamento do tipo Job Shop. Como o problema do tipo job shop pertence a classe NP-difícil e não existe algoritmo exato capaz de solucionar todos os tipos deste problema....

Resumo: Este trabalho propõe novas abordagens híbridas baseadas em técnicas da computação bio-inspirada para o problema de escalonamento do tipo Job Shop. Como o problema do tipo job shop pertence a classe NP-difícil e não existe algoritmo exato capaz de solucionar todos os tipos deste problema. Normalmente é necessária a elaboração de métodos de resolução mais sofisticados para contornar essa alta complexidade. Desta forma, nesta tese propomos abordagens híbridas baseadas em algoritmo memético e algoritmo de otimização por colônia de formigas a fim de contornar essa complexidade e ser capaz de explorar eficientemente o espaço de busca obtendo resultados de alta qualidade. Os algoritmos híbridos propostos são aplicados tanto no problema de job shop com tempo de processamento preciso, como nos problemas de job shop com tempo de processamento incerto. No caso de problema com tempo de processamento incerto, os algoritmos visam encontrar um conjunto diversificado de escalonamentos com alto grau de possibilidade de serem ótimos

Abstract: This work proposes new hybrid approaches based on techniques of bio-inspired computing for the Job Shop scheduling problem. As the job shop scheduling problem is NP-hard and there is no exact algorithm capable of solving all kinds of this problem. Usually it is necessary to elaborate more...

Abstract: This work proposes new hybrid approaches based on techniques of bio-inspired computing for the Job Shop scheduling problem. As the job shop scheduling problem is NP-hard and there is no exact algorithm capable of solving all kinds of this problem. Usually it is necessary to elaborate more sophisticated methods of resolution to overcome this high complexity. Thus, in this work we propose hybrid approaches based on memetic algorithm and ant colony optimization algorithm in order to explore the search space in an efficient manner and obtain high quality results. The proposed hybrid algorithms are applied in both the job shop scheduling problem with precise processing time, as in job shop scheduling problems with uncertain processing time. In the case of problem with uncertain processing time, the algorithms obtain a diversified set of schedules with high possibility of being optimal