Algoritmos de búsqueda basados en la población para el problema de programación de fabricación biofarmacéutica con flujos mixtos paralelos heterogéneos
Autores: Kim, Yong Jae; Kim, Hyun Joo; Kim, Byung Soo
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Algoritmos de búsqueda basados en la población para el problema de programación de fabricación biofarmacéutica con flujos mixtos paralelos heterogéneos
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Biotecnológico
Programación de fabricación
Flujo de trabajo mixto
Algoritmo genético
Optimización por enjambre de partículas
Análisis de sensibilidad
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 21
Citaciones: Sin citaciones
En este trabajo, abordamos problemas de programación de fabricación de biofarmacéuticos con flujos de trabajo paralelos mixtos heterogéneos. El flujo de trabajo mixto consta de tres etapas, un proceso por lotes y dos procesos continuos. La función objetivo es minimizar la tardanza total. Formulamos un modelo de programación lineal entera mixta para el problema para obtener soluciones óptimas para problemas de tamaño pequeño. Presentamos un algoritmo genético y una optimización por enjambre de partículas, que se utilizan para encontrar soluciones eficientes para problemas de gran tamaño. Mostramos que la optimización por enjambre de partículas supera al algoritmo genético en problemas de gran tamaño. Realizamos un análisis de sensibilidad para obtener percepciones gerenciales utilizando el algoritmo de optimización por enjambre de partículas.
Descripción
En este trabajo, abordamos problemas de programación de fabricación de biofarmacéuticos con flujos de trabajo paralelos mixtos heterogéneos. El flujo de trabajo mixto consta de tres etapas, un proceso por lotes y dos procesos continuos. La función objetivo es minimizar la tardanza total. Formulamos un modelo de programación lineal entera mixta para el problema para obtener soluciones óptimas para problemas de tamaño pequeño. Presentamos un algoritmo genético y una optimización por enjambre de partículas, que se utilizan para encontrar soluciones eficientes para problemas de gran tamaño. Mostramos que la optimización por enjambre de partículas supera al algoritmo genético en problemas de gran tamaño. Realizamos un análisis de sensibilidad para obtener percepciones gerenciales utilizando el algoritmo de optimización por enjambre de partículas.