Metaheurísticos e Hibridación aplicados al problema del diseño de plantillas (TDP)

Metaheuristics and Hybridization applied to the problem of template design (TDP)

Contenido principal del artículo

David Rodríguez-Rueda
Resumen

El problema de diseño de plantilla (TDP) es un problema combinatorio difícil de atacar y que presenta un alto número de simetrías cuya existencia agrega complejidad a su resolución. Se han propuesto varias técnicas en la literatura para optimizar su resolución, que abarca desde métodos completos hasta métodos estocásticos. En este artículo estamos proponiendo el uso de técnicas híbridas. Nos proponemos utilizar un enfoque integrador híbrido que combine técnicas de búsqueda local basadas en vecindario y basados en población para obtener lo que se denomina un algoritmo Memético. Utilizaremos búsquedas locales basadas en vecindario como operadores de mejora local, que nos permitan explotar zonas de búsquedas que resulten prometedoras. El uso de un algoritmo Genético contribuirá como mecanismo para la realizar la exploración del espacio de búsqueda. Un análisis empírico que compara el rendimiento de todos los métodos (es decir, algoritmos básicos o híbridos) en la optimización del problema, nos permite comprara la propuesta descrita con los resultados obtenidos en la literatura científica existente.

Palabras clave

Descargas

Los datos de descargas todavía no están disponibles.

Detalles del artículo

Referencias
Amaya J, Cotta C, Fernández Leiva AJ (2011). Memetic cooperative models for the tool switching problem. Memetic Computing 3:199–216.

Feng Y, Wang GG, Deb S, Lu M, Zhao XJ (2017). Solving 0–1 knapsack problem by a novel binary monarch butterfly optimization. Neural Computing and Applications 28(7):1619–1634, DOI 10.1007/s00521-015-2135-1 , URL https://doi.org/10.1007/s00521-015-2135-1.

Flener P, Frisch AM, Hnich B, Kzltan Z, Miguel I, Walsh T (2001). Matrix modelling. In: In: Proc. of the CP-01 Workshop on Modelling and Problem Formulation. International Conference on the Principles and Practice of Constraint Programming, available from: http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.21.5946.

Hart WE (1994). Adaptive global optimization with local search. PhD thesis, University of California.

Kasemset C, Chernsupornchai J, Pala-ud W (2015). Application of mfca in waste reduction: case study on a small textile factory in thailand. Journal of Cleaner Production 108, Part B:1342 – 1351, DOI http://dx.doi.org/10.1016/j.jclepro.2014.09.071 , URL http://www.sciencedirect.com/science/article/pii/S0959652614010105, material Flow Cost Accounting.

Kulkarni AJ, Shabir H (2016). Solving 0–1 knapsack problem using cohort intelligence algorithm. International Journal of Machine Learning and Cybernetics 7(3):427–441, DOI 10.1007/s13042-014-0272-y , URL https://doi.org/10.1007/s13042-014-0272-y.

Prestwich S, Tarim A, Hnich B (2006). Template design under demand uncertainty by integer linear local search. International Journal of Production Research, 44(22):4915–4928.

Proll L, Smith B (1998). Ilp and constraint programming approaches to a template design problem. INFORMS Journal of Computing 10(3):265–275.

Rodríguez D, Cotta C, Fernández-Leiva AJ (2010). Un problema de diseño de plantillas: Un enfoque metaheurístico basado en búsqueda local. In: et al VC (ed) Algoritmos Evolutivos y bioinspirados (MAEB2010), Garceta, Valencia, pp 743–750.

Rodríguez D, Cotta C, Fernández-Leiva AJ (2011). The template design problem: A perspective with metaheuristics. In: in Computer Science LN (ed) Eighth IMACS Seminar on Monte Carlo Methods, Walter de Gruyter, Borovets, Bulgaria, pp 181–191.

Wang LK, Shammas NK, Hung YT (2016). Waste Treatment in the Metal Manufacturing, Forming, Coating, and Finishing Industries. Advances in Industrial and Hazardous Wastes Treatment, CRC Press, URL https://books.google.co.ve/books?id=7s-H4q8ddlgC.
Sistema OJS - Metabiblioteca |