Enfoque híbrido de búsqueda dispersa y búsqueda tabú para la programación abierta de taller de múltiples procesadores, dinámica y biobjetivo
Autores: Abdelmaguid, Tamer F.
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Enfoque híbrido de búsqueda dispersa y búsqueda tabú para la programación abierta de taller de múltiples procesadores, dinámica y biobjetivo
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Software
Palabras clave
Algoritmo de búsqueda dispersa multiobjetivo
Bi-DMOSP
Minimización
Tiempo de finalización
Tiempo de flujo ponderado
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 47
Citaciones: Sin citaciones
Este documento presenta un algoritmo de búsqueda dispersa multiobjetivo novedoso (MOSS) para un problema de programación de taller abierto multiprocesador dinámico y biobjetivo (Bi-DMOSP). Los objetivos considerados son la minimización del tiempo máximo de finalización (makespan) y la minimización del tiempo medio ponderado de flujo. Ambos son especialmente importantes para mejorar la utilización de las máquinas y el nivel de satisfacción del cliente en sistemas de mantenimiento y diagnóstico de salud, en los que se encuentra principalmente el estudiado Bi-DMOSP. Dado que el problema estudiado es NP-duro para ambos objetivos, se necesitan algoritmos rápidos para cumplir con los requisitos de circunstancias de la vida real. Intentos anteriores han incluido el desarrollo de un algoritmo exacto y dos enfoques metaheurísticos basados en el algoritmo genético de ordenación no dominada (NSGA-II) y el optimizador de lobo gris multiobjetivo (MOGWO). El algoritmo exacto está limitado a instancias de pequeño tamaño; mientras tanto, se descubrió que NSGA-II producía mejores resultados en comparación con MOGWO tanto en instancias de prueba de pequeño como de gran tamaño. El MOSS propuesto en este documento intenta proporcionar soluciones no dominadas más eficientes para el Bi-DMOSP estudiado. Esto es posible a través de su hibridación con un enfoque de búsqueda tabú biobjetivo novedoso que utiliza un conjunto de funciones de búsqueda de vecindario eficientes. Se realizan experimentos de ajuste de parámetros primero utilizando un subconjunto de instancias de referencia de pequeño tamaño para las cuales se conocen las soluciones óptimas del frente de Pareto. Luego, se realizan experimentos computacionales detallados en instancias de pequeño y gran tamaño. Las comparaciones con la metaheurística NSGA-II desarrollada previamente demuestran la superioridad del enfoque MOSS propuesto para instancias de pequeño tamaño. Para instancias de gran tamaño, demuestra su capacidad para producir resultados competitivos para instancias con baja y media densidad.
Descripción
Este documento presenta un algoritmo de búsqueda dispersa multiobjetivo novedoso (MOSS) para un problema de programación de taller abierto multiprocesador dinámico y biobjetivo (Bi-DMOSP). Los objetivos considerados son la minimización del tiempo máximo de finalización (makespan) y la minimización del tiempo medio ponderado de flujo. Ambos son especialmente importantes para mejorar la utilización de las máquinas y el nivel de satisfacción del cliente en sistemas de mantenimiento y diagnóstico de salud, en los que se encuentra principalmente el estudiado Bi-DMOSP. Dado que el problema estudiado es NP-duro para ambos objetivos, se necesitan algoritmos rápidos para cumplir con los requisitos de circunstancias de la vida real. Intentos anteriores han incluido el desarrollo de un algoritmo exacto y dos enfoques metaheurísticos basados en el algoritmo genético de ordenación no dominada (NSGA-II) y el optimizador de lobo gris multiobjetivo (MOGWO). El algoritmo exacto está limitado a instancias de pequeño tamaño; mientras tanto, se descubrió que NSGA-II producía mejores resultados en comparación con MOGWO tanto en instancias de prueba de pequeño como de gran tamaño. El MOSS propuesto en este documento intenta proporcionar soluciones no dominadas más eficientes para el Bi-DMOSP estudiado. Esto es posible a través de su hibridación con un enfoque de búsqueda tabú biobjetivo novedoso que utiliza un conjunto de funciones de búsqueda de vecindario eficientes. Se realizan experimentos de ajuste de parámetros primero utilizando un subconjunto de instancias de referencia de pequeño tamaño para las cuales se conocen las soluciones óptimas del frente de Pareto. Luego, se realizan experimentos computacionales detallados en instancias de pequeño y gran tamaño. Las comparaciones con la metaheurística NSGA-II desarrollada previamente demuestran la superioridad del enfoque MOSS propuesto para instancias de pequeño tamaño. Para instancias de gran tamaño, demuestra su capacidad para producir resultados competitivos para instancias con baja y media densidad.