SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES
|
|
- Marco Antônio Farias Amado
- 6 Há anos
- Visualizações:
Transcrição
1 SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de novembro de, Rio de Janeiro/RJ TÊMPERA SIMULADA APLICADA AO PROBLEMA DE ESCALONAMENTO COM RESTRIÇÃO DE RECURSOS Luciano Lessa Lorenzoni *# FAESA - UFES luciano@faesa.br Carlos Albuquerque * FAESA camvra@bol.com.br Rafael Dias Nascimento * FAESA rafdias@gazetaonline.com.br * FAESA - Ciência da Computação Rua Anselmo Serrat, 99, Ilha de Mote Belo, Vitória - ES, CEP 9- # UFES - Departamento de Informática Av Fernando Ferrari, S/N, Goiabeiras, Vitória - ES, CEP 96-9 Resumo Neste artigo apresentamos uma implementação da meta-heurística têmpera simulada aplicada ao problema de escalonamento com restrição de recursos com múltiplos modos de processamento. O problema consiste em identificar o modo e o tempo de início de processamento de cada tarefa e tem como objetivo minimizar o maior tempo de finalização dentre todas as tarefas, de forma que as restrições de recurso e de precedência sejam satisfeitas. Apresentamos ainda uma nova forma de representação para o escalonamento denominada representação em árvore com chave randômica que foi utilizada na implementação do algoritmo. O algoritmo foi testado utilizando instâncias padrões do problema geradas pelo ProGen. Os resultados computacionais obtidos indicaram um bom desempenho do algoritmo. Palavras-chave: Problema de escalonamento com restrição de recursos, Múltiplos modos, Têmpera simulada. Abstract In this paper we present an algorithm based on simulated annealing procedures for solving the multimode resource constrained project scheduling problem. The problem consists of identifying a mode for each task and a starting time for its processing respecting precedence and resource constraints with the objective of minimizing the makespan of the project. We present further a new way to represent the scheduling called Random Key-Tree Representation that was applied in the implementation of algorithm. The algorithm was tested with several instances generated by standard project generator ProGen. The Computational results have shown a good algorithm performance. Keywords: Resource constrained scheduling problem, Multiple Modes, Simulated annealing.
2 SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de novembro de, Rio de Janeiro/RJ Introdução O problema de escalonamento com restrição de recursos está associado à alocação de recursos escassos a um conjunto de tarefas num dado tempo. Escalonar significa determinar o tempo de início de execução de cada uma das tarefas e os recursos alocados para a sua execução até que todas tenham sido executadas sob as restrições impostas com o objetivo de minimizar o comprimento do escalonamento (tempo de processamento das tarefas) ou um outro critério estabelecido no contexto do problema (Blazewicz et al. 996). Aplicações desse problema podem ser encontradas em diversas situações do mundo real, por exemplo, no planejamento da produção, no genrenciamento de projetos e no seqüenciamento de tarefas pela unidade central do computador. A teoria do escalonamento é caracterizada por uma grande variedade de tipos de problemas. Esses problemas são classificados de acordo com os tipos de recursos existentes, das características das tarefas a serem executadas e do objetivo a ser alcançado. Uma descrição dos principais modelos pode ser encontrada Pinedo (995), Blazewicz et al. (996) e Brucker (998). A resolução desses problemas tem sido um desafio dada a sua complexidade. Em geral, os problemas de escalonamento são considerados NP-Difíceis e as abordagens utilizadas para a resolução dos diversos modelos têm sido elaboradas através de métodos de relaxação, algoritmos enumerativos e algoritmos de aproximação. Especificamente, neste trabalho, o foco é a classe de problemas de escalonamento com restrição de recursos com múltiplos modos de processamento. Dentre os algoritmos exatos desenvolvidos para a resolução desse problema destacamos a abordagem branch-and-bound desenvolvida por Sprecher et al. (997) e a proposta por Sprecher e Drexl (998) baseada em árvore de precedência. Ressaltamos também os algoritmos heurísticos desenvolvidos por Drexl (99) e e Drexl & Grünewald (99) que analisaram regras de prioridade baseadas em heurísticas multi-passo, Özdamar (996) e Hartmann (997) que desenvolveram uma versão para o algoritmo genético, Verhoeven (998) para a busca tabu e Lorenzoni et al. () para a colônia de formigas. Já Kolisch & Drexl (997) desenvolveram algoritmos de busca local próprios. Neste artigo propomos a aplicação da meta-heurística têmpera simulada para a resolução do problema, utilizando uma nova forma de representação do escalonamento denominada representação em árvore com chave randômica. O artigo está estruturado da seguinte forma. Na seção caracterizamos o problema de escalonamento com restrição de recursos com múltiplos modos de processamento e na seção apresentamos a nova forma de representação para o escalonamento. O algoritmo baseado na têmpera simulada implementada para a resolução do problema é descrito na seção. Os resultados computacionais para 5 instâncias padrões encontradas na literatura são apresentados na seção 5 e, finalmente na seção 6, as conclusões e perspectivas futuras. Escalonamento com restrição de recursos com múltiplos modos de processamento No problema clássico de escalonamento com restrição de recursos com múltiplos modos de processamento, um conjunto de tarefas tem que ser escalonado com o objetivo de minimizar, dentre todas as tarefas, o maior tempo de finalização de execução das tarefas, de tal forma que satisfaça as relações de precedências entre as tarefas e as restrições de capacidade de todos os recursos. Dessa forma, uma instância do problema de escalonamento com restrição de recursos com múltiplos modos de processamento consiste de um conjunto de tarefas T, um conjunto de Recursos R = R ren R nren, onde R ren contém os recursos renováveis e R nren os não renováveis. Uma quantidade constante c r do recurso r R está disponível. Caso o recurso r seja renovável, essa quantidade está disponível em qualquer momento, e, caso seja não renovável, essa quantidade está disponível para toda a execução do escalonamento. Para cada tarefa j T, um conjunto M j indica os diversos modos de processamento de j. Como cada tarefa pode ser processada de diversos modos, o tempo de processamento da tarefa num recurso particular depende do modo de processamento escolhido, assim p j,r,m corresponde ao tempo de processamento da tarefa j, utilizando o recurso r, caso seja executada no modo de processamento m M j e q j,r,m indica a quantidade de recurso r, utilizada para processar j, no modo m.
3 SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de novembro de, Rio de Janeiro/RJ Uma relação binária p define uma ordem parcial em T, indicando as precedências entre as tarefas. Assumiremos o modelo não preemptivo, ou seja, uma vez que a execução da tarefa tenha sido
4 SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de novembro de, Rio de Janeiro/RJ A representação do escalonamento utilizada neste trabalho é uma nova forma de representação, denominada representação em árvore com chave randômica (Random Key-Tree Representation), que será descrita a seguir. Podemos dizer que o escalonamento de n tarefas consiste de k =,,..., n etapas. Seja E k o conjunto das tarefas, denominadas elegíveis, que podem ser processadas na etapa k, ou seja temos em E k as tarefas cujas as predecessoras já foram todas escalonadas. Em cada etapa k do escalonamento uma tarefa em E k é selecionada. A seguir, determina-se o modo de execução dessa tarefa e processa-a. Associamos então, a cada etapa k, um nível k de uma árvore de decisão cujos nós são as tarefas em E k. Na representação em árvore com chave randômica o escalonamento com restrição de recursos com múltiplos modos de processamento é representado por uma matriz r α A = r β onde os vetores α r = (α, α,..., α n ) e β r = (β, β,..., β n ) associam dois valores α k, β k [,] a cada nível k da árvore, que indicarão, respectivamente, a tarefa e o seu modo de processamento na etapa k do escalonamento.. Procedimento decodificar Para cada uma das tarefas pertencentes ao nível k da árvore associa-se uma faixa de valores da seguinte forma: o intervalo, à primeira tarefa do conjunto E k, o intervalo, E k à E k E k Ek segunda tarefa, e assim sucessivamente, até à última tarefa o intervalo,. Também associase uma faixa de valores para cada modo de processamento, de cada uma das tarefas, da seguinte Ek forma: ao primeiro modo de processamento o intervalo,, ao segundo modo de M j processamento o intervalo,, e assim sucessivamente, até ao último modo de M j M j M j processamento o intervalo,. M j Para se obter o escalonamento a partir de A selecione em cada etapa k, a tarefa j E k tal que α k pertença à faixa correspondente associada à tarefa j. Uma vez que, a tarefa j foi selecionada, selecione o modo m M j de processamento tal que β k pertença a faixa correspondente associada ao modo de processamento m. Para ilustração do procedimento, considere o seguinte problema de escalonamento com restrição de recursos com múltiplos modos de processamento. Sejam 5 tarefas e recursos renováveis cujas capacidades são respectivamente, e unidades. Os arcos ligando as tarefas, na Figura, indicam as relações de precedência. As tarefas e 6 são artificiais. Na Tabela temos os possíveis modos de processamento de cada uma das tarefas.
5 SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de novembro de, Rio de Janeiro/RJ 6 5 Figura : Relações de precedência Tarefa Modo Duração R R R 5 5 Tabela : Modos de processamento Tomando a matriz.7 A = como a representação do escalonamento temos na Figura a árvore de decisão gerada e na Tabela temos, para cada nível da árvore, os intervalos associados a cada uma das tarefas pertencentes ao nível, bem como, os intervalos associados a cada modo de processamento de cada uma das tarefas em E k.
6 SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de novembro de, Rio de Janeiro/RJ k = α =.7, β =.7 k = α =.5, β =.6 5 k = α =.8, β =. 5 k = α =.76, β =.7 5 k = 5 α 5 =., β 5 =.8 Figura : Árvore de precedência k E k tarefa intervalo (tarefa,modo) intervalo [,.) E = {,,} [.,.66) [.66,] (,) [,.) (,) [.,.66) (,) [.66,] (,) [,.5) (,) [.5,] (,) [,.) (,) [.,.66) (,) [.66,] E = {,} [,.5) (,) [,.) (,) [.,.66) (,) [.66,] [.5,] (,) [,.) (,) [.,.66) (,) [.66,] E = {,5} [,.5) (,) [,.) (,) [.,.66) (,) [.66,] 5 [.5,] (5,) [,.5) (5,) [.5,.5) (5,) [.5,.75) (5,) [.75,] E = {5,} 5 [,.5) (5,) [,.5) (5,) [.5,.5) (5,) [.5,.75) (5,) [.75,] [.5,] (,) [,.5) (,) [.5,] 5 E 5 = {5} 5 [,] (5,) [,.5) (5,) [.5,.5) (5,) [.5,.75) (5,) [.75,] Tabela : Intervalos associados Como α =.7 [.,.66), logo a tarefa será a selecionada na etapa k = e o modo de processamento será o modo pois β =.7 [.5,]. De modo análogo temos que na etapa k = a tarefa selecionada será a com o modo de processamento, na etapa k = a tarefa selecionada será a com o modo de processamento, na etapa k = a tarefa selecionada será a com o modo de processamento e na etapa k = 5 a tarefa selecionada será a 5 com o modo de processamento. Na Figura temos o escalonamento associado a representação A.
7 SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de novembro de, Rio de Janeiro/RJ R 5 R R tempo Figura : Escalonamento associado a A Têmpera simulada aplicada ao problema de escalonamento A têmpera simulada, uma tradução para simulated annealing, é uma abordagem heurística desenvolvida para encontrar uma boa solução, não necessariamente ótima, para problemas de otimização, dentro de um tempo computacional razoável. Ela tem sido aplicada com sucesso tanto a problemas de otimização combinatória (discreta) como a problemas de otimização global (contínua). Essa abordagem foi proposta independentemente por Kirkpatrick et al. (98) e Cerny (985) e está baseada na simulação algorítmica do processo físico de têmpera dos materiais. Segundo Viana (998), o processo de têmpera consiste em submeter os materiais inicialmente a elevadas temperaturas e reduzi-las gradualmente até atingirem, com aumentos e reduções do estado de energia, o equilíbrio térmico, tornando-os rígidos e consistentes. O resfriamento deve ser feito de forma cuidadosa (lentamente) para que o material atinja um estado fundamental (baixa energia), de modo a produzir um material com uma estrutura que tenha a resistência desejada. Caso o resfriamento não seja feito de forma adequada, o sistema não terá tempo suficiente para alcançar o equilíbrio térmico, podendo o estado final ter alta energia e como conseqüência o material apresentar defeitos em sua estrutura, não alcançando as características desejadas. Na Figura temos ilustrada a analogia entre o processo físico de têmpera dos materiais e os problemas de otimização.
8 SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de novembro de, Rio de Janeiro/RJ Sistemas Físicos Problemas de Otimização Estado Energia Temperatura Estado fundamental Resfriamento rápido Resfriamento cuidadoso Solução Função custo Parâmetro de controle Solução ótima Melhoramento iterativo Têmpera simulada Figura : Analogia entre sistemas físicos e problemas de otimização Nessa analogia, os diferentes estados dos materiais correspondem às diferentes soluções dos problemas, sendo que o estado fundamental está a
9 SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de novembro de, Rio de Janeiro/RJ equilíbrio térmico novas soluções vizinhas S são geradas a partir de S através de uma perturbação em S. No nosso caso, como as soluções são codificadas a partir da representação em árvore com chave randômica, conforme descrição na seção, novas soluções são obtidas selecionando-se aleatoriamente um nível k da árvore de decisão e escolhendo randomicamente dois novos valores α k e β k para formarem a nova solução S. Um novo estado S é aceito como uma nova solução se tiver um melhor custo que o estado S ( = C(S ) C(S) ) ou, se mesmo tendo um custo pior, o valor exp(- /T), for maior que um número gerado aleatoriamente entre zero e um. A probabilidade de aceitar uma mudança deste tipo é chamada critério de Metropolis, estabelecido a partir do fator de Boltzmann, que é dado pela função exp(- /T). Analisando a expressão exp(- /T ) podemos observar que quanto maior o valor de T maior a possibilidade de soluções com um custo pior serem aceitas. À medida que T se aproxima de zero mais mudanças indesejáveis são rejeitadas. No início do processo é necessário a temperatura relativamente alta para evitar o bloqueio nas configurações com ótimo local. Em geral, considera-se que o equilíbrio térmico foi atingido quando um certo número de configurações L forem aceitas ou nenhuma melhoria ocorreu após P tentativas. Neste trabalho o plano de resfriamento foi obtido a partir da expressão T = αt com um valor adequado para α [.8,.99) conforme proposto por Romeo et al. (98). Uma descrição mais detalhada da meta-heurística têmpera simulada, bem como a determinação dos diversos parâmetros, pode ser encontrada em Eglese (99) e em Viana (998). O algoritmo têmpera simulada básico foi estendido com o intuito de melhorar o seu desempenho através das rotinas de pré-processamento e busca local descritas a seguir.. Pré-Processamento A rotina de pré-processamento foi introduzida por Sprecher et al. (997) com o objetivo de reduzir o espaço de busca, diminuindo o número de soluções viáveis e inviáveis, sem contudo afetar o conjunto de soluções ótimas, através da eliminação dos modos não executáveis, ineficientes e dos recursos não renováveis redundantes. Segundo Sprecher et al. (997) um modo é dito não executável se a sua execução viola as restrições de recursos renováveis ou não renováveis em qualquer escalonamento e é considerado ineficente se a sua duração não é menor e a sua requisição de recursos não é menor que os outros modos de processamento da mesma tarefa. Um recurso não renovável é chamado redundante se o somatório da maior requisição desse recurso por cada tarefa não excede a capacidade do recurso. Observando a Tabela verificamos que o modo de execução da tarefa 5 é não executável, pois a requisição de unidades de R para o processamento da tarefa ultrapassa a capacidade de R que é de unidades por período. Já o modo de execução da tarefa 5 é dito ineficiente, já que, requisita os mesmos recursos, R e R, que o modo de execução, só que em maiores quantidades e com maior tempo de processamento.. Busca local O método de busca local implementado é baseado na definição multi-mode left shift. Um multimode left shift de uma tarefa j é uma ação executada sobre o escalonamento que reduz o tempo de finalização da tarefa j sem modificar os modos de processamento e os tempos de finalizações das outras tarefas e sem violar as restrições de recursos, mas o modo da tarefa j pode ser mudado. A definição multi-mode left shif, assim como, a rotina de pré-processamento foi introduzida por Sprecher et al. (997) com o objetivo de acelerar o algoritmo branch-and-bound desenvolvido para a resolução do problema de escalonamento com restrição de recursos com múltiplos modos de processamento. Essa definição também foi utilizada com sucesso por Hartmann (997) no desenvolvimento da versão do algoritmo genético para o mesmo problema. A tentativa de melhorar um escalonamento viável a partir de uma busca local é feita da seguinte forma: para cada tarefa do escalonamento, seguindo a ordem de processamento, o primeiro multi-mode left shift, se encontrado, é aplicado ao escalonamento. O resultado é um escalonamento com o maior
10 SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de novembro de, Rio de Janeiro/RJ tempo de finalização, dentre todas as tarefas, igual ou menor ao original. Esse método é aplicado a todas as soluções viáveis geradas pelo algoritmo têmpera simulada. 5 Experimentos Computacionais Um conjunto de problemas testes construídos pelo gerador ProGen, desenvolvido por Kolisch & Sprecher (997), foi utilizado para testar o desempenho do algoritmo implementado. Os problemas estão disponíveis na biblioteca denominada PSPLIB (project scheduling problem library). Para compor a massa de testes foram escolhidas aleatoriamente, 5 instâncias com tarefas, instâncias com 6 tarefas e 7 instâncias com tarefas. Nessas instâncias existem dois recursos renováveis e dois não renováveis e cada uma das tarefas pode ser executada em três diferentes modos. O algoritmo desenvolvido neste trabalho foi desenvolvido em Visual C++ e executado sobre a plataforma Windows NT num computador pessoal Pentium III GHz. A Tabela exibe os resultados obtidos com a seguinte escolha dos valores dos parâmetros, α =.8, P = * T, L = * T, onde T é o número de tarefas da instância do problema. A temperatura inicial T foi calculada a partir da expressão - C + /ln(.8) proposta por Johnson et al. (987), onde C + é a média aritmética, para um número randômico de perturbações, dos incrementos da função objetivo. Nessa tabela, as colunas TF PSPLIB e TF TS indicam a solução ótima e os tempos de finalização apresentados pelo algoritmo têmpera simulada, respectivamente. Nas colunas d a e d r, têm-se a diferença em valor absoluto e valor relativo, respectivamente, entre as soluções apresentadas e t(s) fornece o tempo médio, em segundos, de execução do algoritmo têmpera simulada. Instância T TF PSPLIB TF TS d a d r t(s) J_. J_.7 J8_ J8_5.7 J5_ J6_ J6_ J65_ J_ J5_5..6 J5_ J5_ J5_6.5. J6_ J6_ Tabela : Resultados para o problema de escalonamento com restrição de recursos com múltiplos modos de processamento De acordo com a tabela, observamos que o algoritmo atingiu para das 5 instâncias testadas a solução ótima. Sendo que, para as 5 instâncias que não atingiram a solução ótima, a média do desvio, em valores relativos, foi de.9%, e em termos absolutos, foi de.. Para as instâncias testadas podemos considerar que o algoritmo teve um bom desempenho. 6 Conclusões Neste artigo foi apresentada uma implementação da abordagem têmpera simulada para a resolução de problemas de escalonamento com restrição de recursos com múltiplos modos de processamento. Neste algoritmo utilizou-se para caracterizar as soluções, uma nova forma de representação do escalonamento, denominada representação em árvore com chave randômica. O algoritmo testado em para 5 instâncias padrões apresentou bons resultados, o que nos encoraja
11 SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de novembro de, Rio de Janeiro/RJ aperfeiçoar o projeto do algoritmo através da exploração do conhecimento específico do domínio do problema, visto que, para outros problemas clássicos de escalonamento, como o job shop, a utilização desse conhecimento tem sido útil no desenvolvimento de boas estratégias de resolução do problema conforme Nowick & Smutnicki (996). Uma outra direção para dar continuidade ao trabalho seria estender o algoritmo a aplicações reais. Uma dessas aplicações, que vem sendo estudada, encontra-se no contexto portuário, mais especificamente no gerenciamento de filas de navios, no qual as janelas de tempo para a chegada dos navios no porto seriam obtidas como solução de um problema de escalonamento com restrição de recursos com múltiplos modos de processamento. 7 Referências Blazewicz, J.J., Ecker, K. H., Pesch, E., Schmidt, G., Weglarz, J., 996. Scheduling Computer and Manufacturing Processes. Springer Verlag. Brucker, P., 998. Scheduling Algorithms, Springer, Berlin. Bullnheimer, B., Hartl, R. F., Strauss, C., 998. Applying the ant system to the vehicle routing problem. In I. H. Osman S. Voss, S. Martello and C. Roucariol, editors, Meta-Heuristics: Advances and Trends in Local Search Paradigms for Optimization, Kluwer Academics, 9-. Cerny, V., 985. Thermodynamical approach toto the traveling salesman problem: An efficient simulation algorithm, Journal of Optimisation Theory and Applications 5, -5. Drexl, A., 99. Scheduling of project networks by job assignment, Management Science, 7, Drexl, A., Grünewald, J., 99. Nonpreemptive multi-mode resource-constrained project scheduling, IIE Transactions, 5(5), 7-8. Eglese, RW., 99. Simulated Annealing: A tool for Operational Reserach. European Journal of Operational Research 6, Johnson, D.S., 97. Approximation algorithms for combinatorial problemas. J. Computing System Science 9, Hartmann, S., 997. Project scheduling with multiple modes: A genetic algorithm, Manuskripte aus den Instituten für Betriebswirtschaftslehre der Universität Kiel, 5. Kirkpatrick, S., Gelatt Jr., C.D., Vecchi, M.P., 98. Optimization by simulated annealing, Science, Kolisch, R., Drexl, A., 997. Local search for nonpreemptive multi-mode resource-constrained project scheduling, IIE Transactions, 9, Kolisch, R., Hartmann, S., 998. Heuristics algorithms for solving the resource constarined project scheduling problem: classification and compuatational analysis, Manuskripte aus den Instituten für Betriebswirtschaftslehre der Universität Kiel, N o 69. Kolisch, R., Sprecher, A., 997. PSPLIB A project scheduling library. European Journal of Operational Research, 5-6. Lorenzoni, L.L., Ahonen, H., Alvarenga, A. G.,. Colônia de Formigas para problemas de escalonamento com restrição de recursos, Anais do XXXIII Simpósio Brasileiro de Pesquisa Operacional, -. Nowicki, E., Smutnicki, C., 996. A fast taboo search algorithm for the job shop problem, Mangement Science, (6), Özdamar, L., 996. A genetic algorithm approach to a general category project scheduling problem, Research Report, Marmata University, Istanbul. Pinedo, M., 995. Scheduling theory, algorithms and systems, Prentice-Hall, Englewood Cliffs, NJ. Romeo, F., Sangiovanni-Vicentelli, A. L., Sechen, C., 98. Research on simulated annealing at Berkeley, Proceeding IEEE International Conference on Computer Design, , Post Chester, November. Schoonderwoerd, R., Holland, O., Bruten, J., Rothkrantz, L., 996. Ant-based load balancing in telecommunications networks. Adaptative Behavior, 5(), Slowinski, R., Soniewicki, B., Weglarz, J., 99. DSS for multi-objective project scheduling subject to multiple-category resource constraints, European Journal of Operational Research 79, -9.
12 SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de novembro de, Rio de Janeiro/RJ Sprecher, A., Hartmann, S., Drexl A., 997. An exact algorithm for project scheduling with multiples modes. OR Spektrum, 9, 95-. Sprecher, A., Drexl A., 998. Solving multi-mode resource constrained project scheduling problems by a simple, general and powerful sequencing algorithm. European Journal of Operational Research 7, -5. Stützle, T., Hoos, H., 997. Improvements on the ant system: Introducing MAX-MIN ant system. In Proceedings of the International Conference on Artificial Neural Networks and Genetic Algorithms, 5-9. Springer Verlag, Wien. Verhoeven, M. G. A., 998. Tabu search for resource-constrained scheduling. European Journal of Operational Research, 6, Viana, V., 998. Meta-Heurísticas e programação paralela em otimização combinatória, Edições UFC, Fortaleza, Ceará.
CAP 254 CAP 254. Otimização Combinatória. Professor: Dr. L.A.N. Lorena. Assunto: Metaheurísticas Antonio Augusto Chaves
CAP 254 CAP 254 Otimização Combinatória Professor: Dr. L.A.N. Lorena Assunto: Metaheurísticas Antonio Augusto Chaves Conteúdo C Simulated Annealing (2//7). C2 Busca Tabu (22//7). C3 Colônia de Formigas
4 Métodos Existentes. 4.1 Algoritmo Genético
61 4 Métodos Existentes A hibridização de diferentes métodos é em geral utilizada para resolver problemas de escalonamento, por fornecer empiricamente maior eficiência na busca de soluções. Ela pode ser
Unidade de Matemática e Tecnologia, Universidade Federal de Goiás Regional Catalão
1 CAPÍTULO O MÉTODO SIMULATED ANNEALING APLICADO EM LOCALIZAÇÃO E ROTEAMENTO Ferreira, Kamyla Maria 1 * ; Queiroz, Thiago Alves de 2 1 Unidade de Matemática e Tecnologia, Universidade Federal de Goiás
ESTÁGIOS DOMINANTES FLEXÍVEIS EM SISTEMAS DE PRODUÇÃO FLOW SHOP HÍBRIDOS
ESTÁGIOS DOMINANTES FLEXÍVEIS EM SISTEMAS DE PRODUÇÃO FLOW SHOP HÍBRIDOS João Vitor Moccellin Departamento de Engenharia de Produção Escola de Engenharia de São Carlos, Universidade de São Paulo. Av. Trabalhador
Algoritmos Branch e Bound para o problema de sequenciamento em uma única máquina
Trabalho apresentado no XXXV CNMAC, Natal-RN, 2014. Algoritmos Branch e Bound para o problema de sequenciamento em uma única máquina Carlos E. Ferreira Instituto de Matemática e Estatística, IME, USP 05508-090,
Sistemas de Produção em Fluxo
Uma introdução a problemas de sequenciamento em sistemas de produção em fluxo Faculdade de Ciências da Universidade do Porto 18 de Janeiro de 2012 Sumário Introdução Literatura (Makespan) Pesquisa Local
Implementação de um escalonador de processos em GPU
Implementação de um escalonador de processos em GPU Guilherme Martins guilhermemartins@usp.br 6 de abril de 2017 Guilherme Martins (guilhermemartins@usp.br) Implementação de um escalonador de processos
Um GRASP Simples e Robusto para o Job Shop Scheduling Problem
Um GRASP Simples e Robusto para o Job Shop Scheduling Problem Dayan de Castro Bissoli Universidade Federal do Espírito Santo (UFES) Av. Fernando Ferrari, 514 Goiabeiras 29075910 Vitória/ES Brasil dcbissoli@inf.ufes.br
UMA ABORDAGEM BRANCH AND BOUND PARA O RCPSP EM
UMA ABORDAGEM BRANCH AND BOUND PARA O RCPSP EM UM AMBIENTE DE COMPUTAÇÃO COLABORATIVA Fábio C. Lourenço*, Felipe C. Pereira, Éber A. Schmitz Núcleo de Computação Eletrônica / Instituto de Matemática -
Têmpera Simulada Aplicada ao Problema de Designação Quadrática
Universidade Federal do Rio Grande do Sul - Instituto de Informática Têmpera Simulada Aplicada ao Problema de Designação Quadrática Fábio A. Camargo Corrêa - 141971 faccorrea@inf.ufrgs.br Porto Alegre,
Unidade de Matemática e Tecnologia, Universidade Federal de Goiás Regional Catalão
5 CAPÍTULO BUSCA EM VIZINHANÇA VARIÁVEL PARA LOCALIZAÇÃO E ROTEAMENTO Silva, Lorrany Cristina da 1 *; Queiroz, Thiago Alves de 2 1 Unidade de Matemática e Tecnologia, Universidade Federal de Goiás Regional
META-HEURÍSTICA SIMULATED ANNEALING APLICADA AO PROBLEMA DO ROTEAMENTO DE VEÍCULOS CAPACITADOS COM RESTRIÇÕES DE CARREGAMENTO BIDIMENSIONAL
META-HEURÍSTICA SIMULATED ANNEALING APLICADA AO PROBLEMA DO ROTEAMENTO DE VEÍCULOS CAPACITADOS COM RESTRIÇÕES DE CARREGAMENTO BIDIMENSIONAL Andre Renato Sales Amaral (UFES) andre.r.s.amaral@gmail.com Roger
Um Algoritmo Genético para o Problema de Roteamento de Veículos com Janelas de Tempo
Um Algoritmo Genético para o Problema de Roteamento de Veículos com Janelas de Tempo Francisco Henrique de Freitas Viana Pontifícia Universidade Católica do Rio de Janeiro PUC-Rio Departamento de Informática
Branch-and-Bound para problemas de Otimização Combinatória
para problemas de Otimização Combinatória Rafael Antônio Marques Gomes Orientador: Haroldo Gambini Santos Departamento de Computação UFOP 26 de julho de 2011 Rafael Antônio Marques Gomes BB para problemas
Uma Meta-heurística para o Problema da Programação de Projectos com Recursos Limitados
Uma Meta-heurística para o Problema da Programação de Projectos com Recursos Limitados Jorge José de Magalhães Mendes a, José Fernando Gonçalves b a Instituto Superior de Engenharia - Instituto Politécnico
Programação da produção em sistema no-wait flow shop com minimização do tempo total de fluxo
Programação da produção em sistema no-wait flow shop com minimização do tempo total de fluxo Lucas Yamada Scardoelli (EESC/USP) scarty@terra.com.br R. General Glicério, 340, Centro, CEP 15900-000, Taquaritinga,
Um Estudo do Comportamento dos Tempos de Makespan, Atraso e Setup no Problema de Escalonamento do Job-shop
Um Estudo do Comportamento dos Tempos de Makespan, Atraso e Setup no Problema de Escalonamento do Job-shop Gilberto Irajá Müller 1, Arthur Tórgo Gómez 1 1 Universidade do Vale do Rio dos Sinos UNISINOS
UM ITERATED LOCAL SEARCH PARA A MINIMIZAÇÃO DO MAKESPAN EM SISTEMAS DE PRODUÇÃO FLOWSHOP COM EXECUÇÃO CONTÍNUA DAS TAREFAS
UM ITERATED LOCAL SEARCH PARA A MINIMIZAÇÃO DO MAKESPAN EM SISTEMAS DE PRODUÇÃO FLOWSHOP COM EXECUÇÃO CONTÍNUA DAS TAREFAS Francisco Régis Abreu Gomes (UFC) frag.82@ig.com.br O Problema de Seqüenciamento
Recozimento Simulado (Simulated Annealing)
Capítulo 5 Recozimento Simulado (Simulated Annealing) Francisco José da Cunha Pires Soeiro José Carlos Becceneri AntônioJosédaSilvaNeto 51 Motivação e Histórico do Método O Recozimento Simulado (Simulated
Computação Evolucionária: Conceitos Básicos de Otimização
Computação Evolucionária: Conceitos Básicos de Otimização Prof. Dr. Rafael Stubs Parpinelli E-mail: rafael.parpinelli@udesc.br Otimização Min ou Max Sujeito a Otimização Função objetivo A qual se quer
Um Modelo Baseado na Busca Tabu Aplicado ao Problema do Escalonamento do Job-shop com Setup e Data de Entrega
Um Modelo Baseado na Busca Tabu Aplicado ao Problema do Escalonamento do Job-shop com Setup e Data de Entrega Gilberto Irajá Müller 1, Antonio Gabriel Rodrigues 1, Arthur Tórgo Gómez 1 1 Universidade do
Fundamentos de Inteligência Artificial [5COP099]
Fundamentos de Inteligência Artificial [5COP099] Dr. Sylvio Barbon Junior Departamento de Computação - UEL Disciplina Anual Assunto Aula 19 ACO - Ant Colony Optimization 2 de 15 Sumário Problema do Caixeiro
Otimização por Colônia de Formigas (Ant Colony Optimization - ACO)
Otimização por Colônia de Formigas (Ant Colony Optimization - ACO) Eros Moreira de Carvalho Gabriel Silva Ramos CI209 - Inteligência Artificial BCC - Bacharelado em Ciência da Computação DInf - Departamento
SIMULATED ANNEALING APLICADO AO PROBLEMA DE ORDENAÇÃO EM LINHAS PARALAELAS
SIMULATED ANNEALING APLICADO AO PROBLEMA DE ORDENAÇÃO EM LINHAS PARALAELAS Bernardo De Polli Cellin Mestrando em Informática - Universidade Federal do Espírito Santo Av. Fernando Ferrari, Nº 514, CEP:
Thiago Christiano Silva
Thiago Christiano Silva Conteúdo Conceitos Relevantes Problemas de Otimização Conceitos de Estabilidade e Convergência Teoremas de Lyapunov Rede Neural de Hopfield Aplicações do modelo de Hopfield Clusterização
Estratégias de Escalonamento em um Ambiente de Job-shop
Estratégias de Escalonamento em um Ambiente de Job-shop Gilberto Irajá Müller 1, Arthur Tórgo Gómez 1 1 Universidade do Vale do Rio dos Sinos UNISINOS PIPCA - Programa Interdisciplinar de Pós-Graduação
RESOLUÇÃO DO PROBLEMA DAS P-MEDIANAS POR MEIO DE ALGORITMOS BASEADOS EM GRASP, ILS E MULTI-START
RESOLUÇÃO DO PROBLEMA DAS P-MEDIANAS POR MEIO DE ALGORITMOS BASEADOS EM GRASP, ILS E MULTI-START Gustavo Marques Zeferino, Flaviana M. de S. Amorim, Marcone Jamilson Freitas Souza, Moacir F. de F. Filho
Abordagens para Problemas Intratáveis
Abordagens para Problemas Intratáveis Letícia Rodrigues Bueno UFABC Motivação Se você se depara com um problema intratável... Motivação Se você se depara com um problema intratável... I can t find an efficient
Soluções de alto desempenho para a programação da produção flow shop
Soluções de alto desempenho para a programação da produção flow shop Marcelo Seido Nagano (EESC USP, SP, Brasil) drnagano@usp.br Av. Trabalhador Sãocarlense, 400, Centro, CEP: 13566-590, São Carlos-SP
Análise do Comportamento das Estratégias de Escalonamento Considerando n Máquinas de Produção
Análise do Comportamento das Estratégias de Escalonamento Considerando n Máquinas de Produção Gilberto Irajá Müller 1, Arthur Tórgo Gómez 1 1 Universidade do Vale do Rio dos Sinos UNISINOS PIPCA - Programa
UM MÉTODO HEURÍSTICO APLICADO AO PROBLEMA DE PROGRAMAÇÃO DE SONDAS DE PRODUÇÃO. Miguel Angel Fernández Pérez
UM MÉTODO HEURÍSTICO APLICADO AO PROBLEMA DE PROGRAMAÇÃO DE SONDAS DE PRODUÇÃO Miguel Angel Fernández Pérez miguelfp177@yahoo.com Fernanda Maria Pereira Raupp fraupp@puc-rio.br Departamento de Engenharia
UM MODELO DE PROGRAMAÇÃO INTEIRA MISTA PARA A PROGRAMAÇÃO DA PRODUÇÃO EM FLOWSHOP HÍBRIDO COM BUFFERS LIMITADOS
UM MODELO DE PROGRAMAÇÃO INTEIRA MISTA PARA A PROGRAMAÇÃO DA PRODUÇÃO EM FLOWSHOP HÍBRIDO COM BUFFERS LIMITADOS Pedro Luis Miranda Lugo Universidade Federal de São Carlos Departamento de Engenharia de
UM ALGORITMO GRASP PARA O SALBP-2
UM ALGORITMO GRASP PARA O SALBP-2 Dayan de Castro Bissoli Universidade Federal do Espírito Santo (UFES) Av. Fernando Ferrari, 54 Goiabeiras 2907590 Vitória/ES Brasil dayan.bissoli@ufes.br André Renato
Resolução de Problemas via Busca
Resolução de Problemas via Busca Aula #4.1 EBS 564 IA Prof. Luiz Fernando S. Coletta luizfsc@tupa.unesp.br Campus de Tupã A 80 C 219 99 B 97 D 101 E 2 A 80 C 219 99 B 97 D 101 E Busca local com algoritmo
Sequenciamento de Tarefas
Sequenciamento de Tarefas Programa: Introdução; Sequenciamento numa única máquina; Sequenciamento em máquinas paralelas; Problemas de shop scheduling; Extensões; 1 Introdução Problemas de sequenciamento/escalonamento
Uma heurística para o problema sequenciamento de tarefas com restrições adicionais em um centro de distribuição
Trabalho apresentado no XXXVII CNMAC, S.J. dos Campos - SP, 2017. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Uma heurística para o problema sequenciamento de tarefas
LIMITANTE INFERIOR PARA O PROBLEMA DE MINIMIZAR O NÚMERO DE TROCAS DE FERRAMENTAS
LIMITANTE INFERIOR PARA O PROBLEMA DE MINIMIZAR O NÚMERO DE TROCAS DE FERRAMENTAS Horacio Hideki Yanasse Instituto Nacional de Pesquisas Espaciais INPE/LAC, Avenida dos Astronautas 1758, Jardim da Granja
XLVII SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL
META-HEURÍSTICA SIMULATED ANNEALING APLICADA AO PROBLEMA DE CORTE BIDIMENSIONAL NÃO-GUILHOTINADO Gelinton Pablo Mariano Mestrando em Informática - Universidade Federal do Espírito Santo Av. Fernando Ferrari,
Problemas de otimização
Problemas de otimização Problemas de decisão: Existe uma solução satisfazendo certa propriedade? Resultado: sim ou não Problemas de otimização: Entre todas as soluções satisfazendo determinada propriedade,
$QWyQLR-RVp%DWHO$QMR 0DULD5RViOLD'LQLV5RGULJXHV 'HSDUWDPHQWRGH0DWHPiWLFD'HSDUWDPHQWRGH0DWHPiWLFD 8QLYHUVLGDGHGH$YHLUR 8QLYHUVLGDGHGH&RLPEUD
V Congresso Anual Sociedade Portuguesa de Estatística Curia, 11 a 14 de Junho de 1997 $XWyPDWRV(VWRFiVWLFRVFRPR0RGHORGHXP 0pWRGRGH2SWLPL]DomR&RPELQDWyULD $QWyQLR-RVp%DWHO$QMR 0DULD5RViOLD'LQLV5RGULJXHV
Buscas Informadas ou Heurísticas - Parte III
Buscas Informadas ou Heurísticas - Parte III Prof. Cedric Luiz de Carvalho Instituto de Informática - UFG Mestrado em Ciência da Computação / 2006 BUSCA SMA* (Simplified Memory-Bounded A*) BUSCA SMA* (Simplified
UTILIZAÇÃO DO ALGORITMO SIMULATED ANNEALING EM PROBLEMAS DE OTIMIZAÇÃO
Revista da Estatística da UFOP, Vol I, 2011 - X Semana da Matemática e II Semana da Estatística, 2010 ISSN 2237-8111 UTILIZAÇÃO DO ALGORITMO SIMULATED ANNEALING EM PROBLEMAS DE OTIMIZAÇÃO Victor Ferreira
Tratamento de um problema de escalonamento considerando datas de entrega, turnos de produção e trocas de ferramentas via Busca Tabu
Tratamento de um problema de escalonamento considerando datas de entrega, turnos de produção e trocas de ferramentas via Busca Tabu ANTONIO GABRIEL RODRIGUES ARTHUR TÓRGO GÓMEZ Unisinos Resumo Neste trabalho
Escalonamento de Aplicações BoT em Ambiente de Nuvem
Escalonamento de Aplicações BoT em Ambiente de Nuvem Maicon Ança dos Santos 1 Fernando Angelin 1 Gerson Geraldo H. Cavalheiro 1 1 Universidade Federal de Pelotas {madsantos,fangelin,gerson.cavalheiro}@inf.ufpel.edu.br
XLVI Pesquisa Operacional na Gestão da Segurança Pública
UM ALGORITMO HEURÍSTICO MULTIOBJETIVO BASEADO NO MÉTODO DE NEWTON PARA O PROBLEMA INTEGRADO DE ALOCAÇÃO DE RECURSOS E SEQUENCIAMENTO DE OPERAÇÕES Miguel Angel Fernández Pérez fernandezmiguelp@gmail.com
Análise da Performance de um Modelo de Escalonamento Baseado em Pesquisa Tabu Aplicado em um Sistema de Manufatura Flexível
Análise da Performance de um Modelo de Escalonamento Baseado em Pesquisa Tabu Aplicado em um Sistema de Manufatura Flexível Antonio G. RODRIGUES, Leandro T. HOFFMANN e Arthur T. GÓMEZ Universidade do Vale
Uma Introdução à Busca Tabu André Gomes
Uma Introdução à Busca Tabu André Gomes Departamento de Ciência da Computação, Instituto de Matemática e Estatística, Universidade de São Paulo, SP, Brasil Novembro de 2009 INTRODUÇÃO Método de Busca Local
INTRODUÇÃO À INTELIGÊNCIA COMPUTACIONAL. Aula 04 Prof. Vitor Hugo Ferreira
Universidade Federal Fluminense Escola de Engenharia Departamento de Engenharia Elétrica INTRODUÇÃO À INTELIGÊNCIA COMPUTACIONAL Aula 04 Prof. Vitor Hugo Ferreira Busca em espaço de estados Estratégias
Um AG Baseado em Ordem para o Problema do Ladrão de Jóias com Múltiplas Restrições
> REVISTA DE INTELIGÊNCIA COMPUTACIONAL APLICADA (ISSN: XXXXXXX), Vol. X, No. Y, pp. 1-10 1 Um AG Baseado em Ordem para o Problema do Ladrão de Jóias com Múltiplas Restrições Jarbas Silva Abstract Neste
Algoritmos de Escalonamento do Preactor. Algoritmos de Escalonamento do Preactor. INESC Porto Unidade de Engenharia de Sistemas de Produção
Algoritmos de Escalonamento do Preactor INESC Porto Unidade de Engenharia de Sistemas de Produção Identificação do Documento: Código do Documento Nome do Documento Nome do Ficheiro RI.03 Algoritmos de
MPE(S)- Metodologias de Planeamento e Escalonamento Planning and Scheduling Methodologies
MPE(S)- Metodologias de Planeamento e Escalonamento Planning and Scheduling Methodologies Eugénio Oliveira / Henrique L. Cardoso {eco, hlc}@fe.up.pt Sítio web institucional Sítio web específico: http://paginas.fe.up.pt/~eol/prodei/mpe1415_eng.htm
Teoria da Decisão. Introdução às Metaheurísticas. Prof. Lucas S. Batista. lusoba
Teoria da Decisão Introdução às Metaheurísticas Prof. Lucas S. Batista lusoba@ufmg.br www.ppgee.ufmg.br/ lusoba Universidade Federal de Minas Gerais Escola de Engenharia Graduação em Engenharia de Sistemas
ALGORITMO DE BUSCA TABU APLICADO NA SOLUÇÃO DO PROBLEMA DE MÚLTIPLAS MOCHILAS.
ALGORITMO DE BUSCA TABU APLICADO NA SOLUÇÃO DO PROBLEMA DE MÚLTIPLAS MOCHILAS MÜLLER, M. R. 1 ; FRANCO, E. M. C. 2 1,2 Universidade Estadual do Oeste do Paraná - UNIOESTE/Pós-Graduação em Engenharia de
3 Extensões dos modelos matemáticos
3 Extensões dos modelos matemáticos Os modelos matemáticos definidos por (2-1) (2-6) e (2-7) (2-13), propostos por Achuthan e Caccetta e apresentados no Capítulo 2, são reforçados neste trabalho através
Um Estudo Empírico de Métodos Hiper-Heurísticos
Um Estudo Empírico de Métodos Hiper-Heurísticos Igor Ribeiro Sucupira (Aluno de Mestrado) Flávio Soares Corrêa da Silva (Orientador) Departamento de Ciência da Computação Instituto de Matemática e Estatística
3. Resolução de problemas por meio de busca
Inteligência Artificial - IBM1024 3. Resolução de problemas por meio de busca Prof. Renato Tinós Local: Depto. de Computação e Matemática (FFCLRP/USP) 1 Principais Tópicos 3. Resolução de problemas por
Marcone Jamilson Freitas Souza
Otimização: Algumas aplicações Marcone Jamilson Freitas Souza Departamento de Computação Programa de Pós-Graduação em Ciência da Computação Universidade Federal de Ouro Preto http://www.decom.ufop.br/prof/marcone
BUSCA LOCAL (PARTE 4 Resolução de problemas por meio de busca) (C)Russell & Norvig, capítulo 4
BUSCA LOCAL (PARTE 4 Resolução de problemas por meio de busca) (C)Russell & Norvig, capítulo 4 1 Roteiro Algoritmos de Busca Local Subida de encosta (Hill-climbing) Têmpera Simulada (Simulated Anealing)
5 VNS com Filtro e Reconexão por Caminhos
5 VNS com Filtro e Reconexão por Caminhos A metaheurística VNS (Variable Neighborhood Search) foi proposta por Mladenović e Hansen [40] e possui como idéia básica a mudança de vizinhanças realizada da
Planejamento de Rede de Distribuição de Energia Elétrica com Restrições Geográficas
Anais do CNMAC v. ISSN 984-80X Planejamento de Rede de Distribuição de Energia Elétrica com Restrições Geográficas Geraldo V. Ribeiro, Leonardo da C. Brito e Paulo César M. Machado Escola de Engenharia
Busca com informação e exploração. Inteligência Artificial
Busca com informação e exploração (Capítulo 4 - Russell) Inteligência Artificial Professor: Rosalvo Ferreira de Oliveira Neto Estrutura Busca pela melhor escolha Busca gulosa pela melhor escolha Busca
ANÁLISE COMPARATIVA DE HEURÍSTICAS PARA MINIMIZAÇÃO DE ADIANTAMENTOS E ATRASOS EM FLOW SHOP COM TEMPOS DE SETUP
ANÁLISE COMPARATIVA DE HEURÍSTICAS PARA MINIMIZAÇÃO DE ADIANTAMENTOS E ATRASOS EM FLOW SHOP COM TEMPOS DE SETUP John Lennon Damas David UFG/Campus Catalão johnlennon_13@yahoo.com.br Hélio Yochihiro Fuchigami
1. Computação Evolutiva
Computação Bioinspirada - 5955010-1 1. Computação Evolutiva Prof. Renato Tinós Depto. de Computação e Matemática (FFCLRP/USP) 1 1.7. Outras Metaheurísticas Populacionais 1.7.1. Metaheurísticas Populacionais
Otimização Combinatória - Parte 4
Graduação em Matemática Industrial Otimização Combinatória - Parte 4 Prof. Thiago Alves de Queiroz Departamento de Matemática - CAC/UFG 2/2014 Thiago Queiroz (DM) Parte 4 2/2014 1 / 33 Complexidade Computacional
HEURÍSTICAS GRASP PARA A MINIMIZAÇÃO DO ATRASO TOTAL NO PROBLEMA DE PROGRAMAÇÃO DE TAREFAS EM UMA MÁQUINA COM SETUP TIME
HEURÍSTICAS GRASP PARA A MINIMIZAÇÃO DO ATRASO TOTAL NO PROBLEMA DE PROGRAMAÇÃO DE TAREFAS EM UMA MÁQUINA COM SETUP TIME Gilberto Vinícius P. Nunes Departamento de Informática, Universidade Federal de
BALANCEANDO LINHAS DE PRODUÇÃO COM TRABALHADORES DEFICIENTES E ESTAÇÕES PARALELAS
BALANCEANDO LINHAS DE PRODUÇÃO COM TRABALHADORES DEFICIENTES E ESTAÇÕES PARALELAS Felipe F. B. Araújo¹, Alysson M. Costa¹, Cristóbal Miralles² ¹ Instituto de Ciências Matemáticas e de Computação. Universidade
REDUÇÃO DO ESTOQUE EM PROCESSAMENTO EM SISTEMAS DE PRODUÇÃO FLOW SHOP
REDUÇÃO DO ESTOQUE EM PROCESSAMENTO EM SISTEMAS DE PRODUÇÃO FLOW SHOP Marcelo Seido Nagano Departamento de Engenharia de Produção Escola de Engenharia de São Carlos, Universidade de São Paulo. Av. Trabalhador
Executivo Cíclico. Executivo Cíclico Introdução. Sistemas de Tempo Real: Executivo Cíclico Exemplo. Executivo Cíclico Introdução
Sistemas de Tempo Real: Executivo Cíclico Rômulo Silva de Oliveira Departamento de Automação e Sistemas - DAS UFSC romulo.deoliveira@ufsc.br http://www.romulosilvadeoliveira.eng.br Setembro/201 1 Também
DECISÕES SOBRE TRANSPORTES (PARTE III) Mayara Condé Rocha Murça TRA-53 Logística e Transportes
DECISÕES SOBRE TRANSPORTES (PARTE III) Mayara Condé Rocha Murça TRA-53 Logística e Transportes Agosto/2013 Problemas de roteirização e programação de veículos (RPV) Objetivo geral: Determinar rotas de
ANAIS SURVEY SOBRE O PROBLEMA DE PROGRAMAÇÃO DE PROJETOS COM CUSTO DE DISPONIBILIDADE DE RECURSOS
SURVEY SOBRE O PROBLEMA DE PROGRAMAÇÃO DE PROJETOS COM CUSTO DE DISPONIBILIDADE DE RECURSOS CONNIE TENIN SU ( connie.su@usp.br, connietsu@hotmail.com ) USP - ESCOLA POLITÉCNICA MIGUEL CEZAR SANTORO ( santoro@usp.br
Aprimorando o Corte Peças com Forma Irregular em Chapas Retangulares
Aprimorando o Corte Peças com Forma Irregular em Chapas Retangulares Leandro Resende Mundim, leandroresendemundim@gmail.com Thiago Alves de Queiroz, th.al.qz@catalao.ufg.br Resumo: Esta pesquisa lida com
Metaheurísticas Aplicadas ao Problema de Escalonamento de Projetos com Restrições de Recursos e Múltiplos Modos de Processamento
CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA DE MINAS GERAIS Diretoria de Pesquisa e Pós-Graduação Programa de Mestrado em Modelagem Matemática e Computacional Metaheurísticas Aplicadas ao Problema de Escalonamento
Implementações do Simulated Annealing para o problema do Caixeiro Viajante Simétrico
Implementações do Simulated Annealing para o problema do Caixeiro Viajante Simétrico Universidade Federal do Paraná Tópicos em Inteligência Artificial Drª Aurora Pozo Elaboração do Relatório: Ademir Roberto
UMA METAHEURÍSTICA PARA A PROGRAMAÇÃO DE PROJECTOS COM MULTI-MODOS E RECURSOS LIMITADOS
IJIE Iberoamerican Journal of Industrial Engineering / Revista Iberoamericana de Engenharia Industrial / Revista Iberoamericana de Ingeniería Industrial Periódico da área de Engenharia Industrial e áreas
Minimização da duração total da programação em sistemas de produção flowshop, sem interrupção de execução e tarefas
Minimização da duração total da programação em sistemas de produção flowshop, sem interrupção de execução e tarefas Fábio José Ceron Branco (EESC-USP) fbranco@hotmail.com R. General Glicério, 340, Centro,
UMA ABORDAGEM DIDÁTICA DO SIMULATED ANNEALING USANDO O MODELO MARKOVIANO APLICADA AO PROBLEMA DO CAIXEIRO VIAJANTE
A pesquisa Operacional e os Recursos Renováveis 4 a 7 de novembro de 2003, Natal-RN UMA ABORDAGEM DIDÁTICA DO SIMULATED ANNEALING USANDO O MODELO MARKOVIANO APLICADA AO PROBLEMA DO CAIXEIRO VIAJANTE Iloneide
DETERMINAÇÃO DE FUNÇÕES DE TRANSFERÊNCIA DE PROCESSOS QUÍMICOS ATRAVÉS DO MÉTODO DE EVOLUÇÃO DIFERENCIAL UTILIZANDO O SCILAB
DETERMINAÇÃO DE FUNÇÕES DE TRANSFERÊNCIA DE PROCESSOS QUÍMICOS ATRAVÉS DO MÉTODO DE EVOLUÇÃO DIFERENCIAL UTILIZANDO O SCILAB A. H. R. REZENDE 1, D. L. SOUZA 1 1 Universidade Federal do Triângulo Mineiro,
PCC104 - Projeto e Análise de Algoritmos
PCC104 - Projeto e Análise de Algoritmos Marco Antonio M. Carvalho Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade Federal de Ouro Preto 1 de novembro de 2018 Marco Antonio
Pesquisa Operacional Aplicada à Mineração
Pesquisa Operacional Aplicada à Mineração Módulo de Otimização Parte II-b Prof. Marcone J. F. Souza Prof. Túlio A. M. Toffolo marcone.freitas@yahoo.com.br tulio@toffolo.com.br Departamento de Computação
6 Experimentos realizados
6 Experimentos realizados 6.1 Considerações iniciais Resolvemos os modelos de PLIM utilizando o resolvedor CPLEX, baseado no método de branch-and-bound. Resolvemos as relaxações lineares dos mesmos modelos
3. Resolução de problemas por meio de busca
Inteligência Artificial - IBM1024 3. Resolução de problemas por meio de busca Prof. Renato Tinós Local: Depto. de Computação e Matemática (FFCLRP/USP) 1 Principais Tópicos 3. Resolução de problemas por
Avaliação de métodos heurísticos em sistemas de produção no-wait flow shop
Avaliação de métodos heurísticos em sistemas de produção no-wait flow shop Marcelo Seido Nagano (USP) - drnagano@usp.br Lucas Yamada Scardoelli (USP) - scarty@terra.com.br João Vitor Moccellin (USP) -
NOVAS REGRAS DE SEQUENCIAMENTO PARA PROGRAMAÇÃO DE FLOW SHOP COM DATAS DE LIBERAÇÃO E TEMPOS DE SETUP
NOVAS REGRAS DE SEQUENCIAMENTO PARA PROGRAMAÇÃO DE FLOW SHOP COM DATAS DE LIBERAÇÃO E TEMPOS DE SETUP Caio Soares de Araujo (UFG ) caio.ufg@gmail.com Helio Yochihiro Fuchigami (UFG ) heliofuchigami@yahoo.com.br
COMPARAÇÃO ENTRE FROTA HOMOGÊNEA E HETEROGÊNEA EM PROBLEMAS DE ROTEAMENTO DE VEÍCULOS CAPACITADOS
COMPARAÇÃO ENTRE FROTA HOMOGÊNEA E HETEROGÊNEA EM PROBLEMAS DE ROTEAMENTO DE VEÍCULOS CAPACITADOS Rosiana da Silva Lopes Danilo César Rodrigues Azevedo rosianalopes16@gmail.com danilo.azevedo@ufpi.edu.br.com
SEQUENCIAMENTO DE TAREFAS COM RESTRIÇÕES DE COMPATIBILIDADE EM MÁQUINAS PARALELAS COM TEMPOS DE PREPARAÇÃO DEPENDENTES DA SEQUÊNCIA
SEQUENCIAMENTO DE TAREFAS COM RESTRIÇÕES DE COMPATIBILIDADE EM MÁQUINAS PARALELAS COM TEMPOS DE PREPARAÇÃO DEPENDENTES DA SEQUÊNCIA Edson Luiz França Senne Universidade Estadual Paulista UNESP, Faculdade
Um algoritmo branch-and-bound para o problema de programação de projetos com custo de disponibilidade de recursos e múltiplos modos
Um algoritmo branch-and-bound para o problema de programação de projetos com custo de disponibilidade de recursos e múltiplos modos Resumo Denise Sato Yamashita Reinaldo Morabito Em um estudo anterior
TIMETABLING, A COMPLEXIDADE NA GERAÇÃO DE HORÁRIOS EM
TIMETABLING, A COMPLEXIDADE NA GERAÇÃO DE HORÁRIOS EM INSTITUIÇÕES DE ENSINO OLIVEIRA, Marcos Paulo Martins (1); OLIVEIRA, Willian Alves (1); TAVARES, Wiliam Mendes(1); CARVALHO, Marcos Alberto (2); (1)
Disc. Scientia. Série: Ciências Naturais e Tecnológicas, S. Maria, v. 7, n. 1, p ,
Disc. Scientia. Série: Ciências Naturais e Tecnológicas, S. Maria, v. 7, n. 1, p. 25-38, 2006. 25 ISSN 1981-2841 ANÁLISE DO COMPORTAMENTO DAS ESTRATÉGIAS DE ESCALONAMENTO CONSIDERANDO N MÁQUI- NAS DE PRODUÇÃO
SEQUENCIAMENTO DA PRODUÇÃO EM JOB-SHOPS COM O AUXÍLIO DE GRIDS COMPUTACIONAIS
SEQUENCIAMENTO DA PRODUÇÃO EM JOB-SHOPS COM O AUXÍLIO DE GRIDS COMPUTACIONAIS Luiz Rossi de Souza (CEFET) luizrrossi@gmail.com Diego Moreira de Araujo Carvalho (CEFET) d.carvalho@ieee.org Rafael Garcia
PCC173 - Otimização em Redes
PCC173 - Otimização em Redes Marco Antonio M. Carvalho Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade Federal de Ouro Preto 31 de maio de 2017 Marco Antonio M. Carvalho
Optimização de um Plano de Marketing Directo para o Sector da Banca Daniel Barata
Optimização de um Plano de Marketing Directo para o Sector da Banca Daniel Barata, Fernando Bação, Victor Lobo Agenda Introdução Justificação do Tema Formulação usada Métodos de Resolução Exacto Guloso
Tópicos Especiais em Otimização
Tópicos Especiais em Otimização ivo.junior@ufjf.edu.br Juiz de Fora, 05 de Maio de 2016 Introdução Qual a diferença entre inteligência: ARTIFICIAL E COMPUTACIONAL? ARTIFICIAL: É a ciência que tenta compreender
Criptografia Pós-Quântica Corretores de Erros
Universidade de São Paulo Criptografia Pós-Quântica P com Códigos C Corretores de Erros Rafael Misoczki IME/USP misoczki@linux.ime.usp.br Prof. Dr. Paulo S. L. M. Barreto Poli/USP pbarreto@larc.usp.br
ALGORITMOS GENÉTICOS PARA O PROBLEMA DE SEQUENCIAMENTO EM MÁQUINAS PARALELAS NÃO-RELACIONADAS COM TEMPOS DE PREPARAÇÃO DEPENDENTES DA SEQUÊNCIA
ALGORITMOS GENÉTICOS PARA O PROBLEMA DE SEQUENCIAMENTO EM MÁQUINAS PARALELAS NÃO-RELACIONADAS COM TEMPOS DE PREPARAÇÃO DEPENDENTES DA SEQUÊNCIA Matheus Nohra Haddad 1, Marcone Jamilson Freitas Souza 1,
METAHEURÍSTICA Encontrar soluções boas ou até mesmo ótima
METAHEURÍSTICAS METAHEURÍSTICA Encontrar soluções boas ou até mesmo ótima Consiste em aplicar iterativamente uma heurística subordinada (busca local) Tem algum mecanismo para escapar de ótimos locais (vales)
CAP 254 CAP 254. Otimização Combinatória. Professor: Dr. L.A.N. Lorena. Assunto: Metaheurísticas Antonio Augusto Chaves
CAP 254 CAP 254 Otimização Combinatória Professor: Dr. L.A.N. Lorena Assunto: Metaheurísticas Antonio Augusto Chaves Conteúdo C01 Simulated Annealing (20/11/07). C02 Busca Tabu (22/11/07). C03 Colônia
SEQUENCIAMENTO DE LINHAS DE MONTAGEM MÚLTIPLAS NO AMBIENTE DE PRODUÇÃO ENXUTA UM ESTUDO SIMULADO PARA MINIMIZAR O RISCO DE PARADAS
Disponível eletronicamente em www.revista-ped.unifei.edu.br Edição Especial Projeto Pró Engenharias Revista P&D em Engenharia de Produção V. 08 N. 01 (2010) p. 06-10 ISSN 1679-5830 SEQUENCIAMENTO DE LINHAS
4 Implementação Computacional
4 Implementação Computacional 4.1. Introdução Neste capítulo é apresentada a formulação matemática do problema de otimização da disposição das linhas de ancoragem para minimizar os deslocamentos (offsets)
MÉTODO HEURÍSTICO HÍBRIDO PARA RESOLUÇÃO DO PROBLEMA DE LOCALIZAÇÃO DE FACILIDADES CAPACITADAS EM DOIS NÍVEIS
MÉTODO HEURÍSTICO HÍBRIDO PARA RESOLUÇÃO DO PROBLEMA DE LOCALIZAÇÃO DE FACILIDADES CAPACITADAS EM DOIS NÍVEIS Rômulo Louzada Rabello Universidade Federal do Espírito Santo Alegre, ES, 29500-00, Brasil