Un matrimonio mejorado en el algoritmo de optimización de abejas de miel para minimizar las penalizaciones por anticipación/retraso en la programación de una sola máquina con una fecha de vencimiento común restrictiva
Autores: Palominos, Pedro; Mazo, Mauricio; Fuertes, Guillermo; Alfaro, Miguel
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Un matrimonio mejorado en el algoritmo de optimización de abejas de miel para minimizar las penalizaciones por anticipación/retraso en la programación de una sola máquina con una fecha de vencimiento común restrictiva
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Eficiencia
Algoritmo de inteligencia de enjambre
Matrimonio en la optimización de abejas melíferas
Problema de precocidad/tardanza ponderada de una sola máquina
Metaheurística MBO
Problema de optimización combinatoria NP-duro
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 31
Citaciones: Sin citaciones
Este estudio evalúa la eficiencia de un algoritmo de inteligencia de enjambre llamado matrimonio en la optimización de abejas melíferas (MBO) en la resolución del problema de precocidad/tardanza ponderada de una sola máquina, un tipo de problema de optimización combinatoria NP-duro. El objetivo es encontrar la secuencia óptima para completar un conjunto de tareas en una sola máquina, minimizando la penalización total incurrida por las tareas completadas demasiado temprano o demasiado tarde en comparación con sus plazos. Para lograr este objetivo, el estudio adapta la metaheurística MBO mediante la introducción de modificaciones para optimizar la función objetivo y producir soluciones de alta calidad en tiempos de ejecución razonables. La novedad de este trabajo radica en la aplicación de MBO al problema de precocidad/tardanza ponderada de una sola máquina, un enfoque previamente inexplorado en este contexto. MBO fue evaluado utilizando el conjunto de problemas de prueba de Biskup y Feldmann. Logró una mejora promedio del 1,03% en 280 problemas, superando los límites superiores en 141 casos (50,35%) y igualándolos o superándolos en 193 casos (68,93%). En los problemas más restringidos ( = 0,2 y = 0,4), el método logró una mejora promedio del 3,77%, mientras que para = 0,6 y = 0,8, el error promedio fue del 1,72%. En comparación con otras metaheurísticas, MBO demostró competitividad, con un error máximo del 1,12%. En general, MBO exhibió una fuerte competitividad, ofreciendo mejoras significativas y alta eficiencia en los problemas estudiados.
Descripción
Este estudio evalúa la eficiencia de un algoritmo de inteligencia de enjambre llamado matrimonio en la optimización de abejas melíferas (MBO) en la resolución del problema de precocidad/tardanza ponderada de una sola máquina, un tipo de problema de optimización combinatoria NP-duro. El objetivo es encontrar la secuencia óptima para completar un conjunto de tareas en una sola máquina, minimizando la penalización total incurrida por las tareas completadas demasiado temprano o demasiado tarde en comparación con sus plazos. Para lograr este objetivo, el estudio adapta la metaheurística MBO mediante la introducción de modificaciones para optimizar la función objetivo y producir soluciones de alta calidad en tiempos de ejecución razonables. La novedad de este trabajo radica en la aplicación de MBO al problema de precocidad/tardanza ponderada de una sola máquina, un enfoque previamente inexplorado en este contexto. MBO fue evaluado utilizando el conjunto de problemas de prueba de Biskup y Feldmann. Logró una mejora promedio del 1,03% en 280 problemas, superando los límites superiores en 141 casos (50,35%) y igualándolos o superándolos en 193 casos (68,93%). En los problemas más restringidos ( = 0,2 y = 0,4), el método logró una mejora promedio del 3,77%, mientras que para = 0,6 y = 0,8, el error promedio fue del 1,72%. En comparación con otras metaheurísticas, MBO demostró competitividad, con un error máximo del 1,12%. En general, MBO exhibió una fuerte competitividad, ofreciendo mejoras significativas y alta eficiencia en los problemas estudiados.