MOEA/D com Busca Local para o Flow Shop Multiobjetivo

Geovani Antunes, Carolina Almeida, Ricardo Lüders, Sandra Venske, Myriam Delgado
2020 Anais do Encontro Nacional de Inteligência Artificial e Computacional (ENIAC)   unpublished
Este artigo aborda o Flow Shop de Permutação, um problema de sequenciamento presente em muitos mecanismos de gerenciamento de processos de produção industrial. A abordagem multiobjetivo considerada neste trabalho envolve a minimização do tempo máximo para completar um trabalho (makespan) e do tempo total de atraso (total tardiness). Para isso é utilizada uma plataforma multiobjetivo denominada MOEA/D-DRA (do inglês Multi-objective Evolutionary Algorithm based on Decomposition with Dynamic
more » ... with Dynamic Resource Allocation). O foco do trabalho reside na utilização de um mecanismo muito conhecido por seus bons resultados nas versões mono-objetivo do problema. Este mecanismo, denominado NEH, é adaptado para ser utilizado na busca local incluída no MOEA/D-DRA, aplicado na solução de 11 instâncias do Flow Shop de permutação com tamanhos variando de 20 a 200 tarefas e 5 a 20 máquinas. A abordagem proposta é comparada com o MOEA/D-DRA utilizando NEH apenas na inicialização da população. Os resultados mostram que, em apenas 2 instâncias, a versão do MOEA/D-DRA sem busca local supera a abordagem proposta.
doi:10.5753/eniac.2019.9332 fatcat:um2kzuvprbegjnk4iqurvyhi2m