%0 Journal Article
%T Programaci車n de M芍quinas Paralelas no Relacionadas con Tiempos de Montaje dependientes de la Secuencia y Entrada Din芍mica usando Algoritmos Gen谷ticos Scheduling of Non-Related Parallel Machines with Sequence Dependent Setup Times and Dynamic Entry using Genetic Algorithms
%A Jaime A Arango
%A Jaime A Giraldo
%A Omar D Castrill車n
%J Informaci車n Tecnol車gica
%D 2013
%I Centro de Informaci車n Tecnol車gica
%X Este trabajo describe una propuesta de soluci車n al problema de procesar n trabajos en m m芍quinas paralelas no relacionadas. Es un problema de asignaci車n generalizado de orden lineal y tipo combinatorial que considera tiempos de montaje dependientes de la secuencia y entrada din芍mica de trabajos. Se propone un algoritmo gen谷tico con codificaci車n entera y conformaci車n de la poblaci車n, selecci車n de padres, cruzamiento y mutaci車n aleatorios. Hay dos descendientes por generaci車n que compiten contra el peor elemento existente para entrar a la poblaci車n. Se itera un n迆mero de generaciones proporcional al producto de nxm para obtener la soluci車n En cada m芍quina se secuencian los trabajos por fecha de entrega y los tiempos computacionales son aceptables. Se concluye que el problema pudo ser solucionado mediante el algoritmo gen谷tico propuesto de forma eficaz y eficiente y que las soluciones se enfocan en reducir el tiempo de procesamiento y cumplimiento de fechas de entrega. This paper describes a solution method to the problem of processing n jobs on m non-related parallel machines. It is a linear and combinatorial generalized allocation problem that considered a sequence-dependent setup time and dynamic job entry. A genetic algorithm with integer coding and random generation of population, parent selection, crossover and mutation is proposed. There are two descendants per generation that are compared against the worst existing element to enter to population. After a number of generations that is proportional to the product of nxm the solution is generated. The jobs are sequenced on each machine by due date and computational times are acceptable. It is concluded that the proposed genetic algorithm is an effective and efficient solution that focuses on reducing processing time and on meeting deadlines.
%K meta-heur赤sticas
%K m芍quinas paralelas
%K optimizaci車n
%K programaci車n de actividades
%K meta-heuristics
%K parallel machines
%K optimization
%K activity scheduling
%U http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-07642013000300009