Meisel, José DavidPrado, Liliana Katherine2013-10-022022-06-172013-10-022022-06-172013-10-021794-1237https://repository.eia.edu.co/handle/11190/4732La programación de pedidos para el problema de producción Job Shop(JSP), catalogado como NP-Hard, ha constituido un reto para la comunidad científica, debido a que alcanzar una solución óptima a este problemase dificulta en la medida que crece en número de máquinas y trabajos. Numerosas técnicas, entre ellas las metaheurísticas, se han empleadopara su solución, sin embargo, su eficiencia, en cuanto a tiempo computacional, no ha sido muy satisfactoria. Por lo anterior y para contribuir a la soluciónde este problema, se planteó el uso de unenfriamiento simulado propuesto (ESP) y de un algoritmo genético mejorado (AGM). Para el AGM se implementó una estrategia de enfriamiento simulado en la fase de mutación, que permite al algoritmo intensificar y diversificar las soluciones al mismo tiempo, con el fin de que no converja prematuramente a un óptimo local. Los resultados mostraron que los algoritmos propuestos arrojan buenos resultados, con desviaciones alrededor de los mejore svalores encontrados que no superan el 5 % para los problemas más complejos.La programación de pedidos para el problema de producción Job Shop(JSP), catalogado como NP-Hard, ha constituido un reto para la comunidad científica, debido a que alcanzar una solución óptima a este problemase dificulta en la medida que crece en número de máquinas y trabajos. Numerosas técnicas, entre ellas las metaheurísticas, se han empleadopara su solución, sin embargo, su eficiencia, en cuanto a tiempo computacional, no ha sido muy satisfactoria. Por lo anterior y para contribuir a la soluciónde este problema, se planteó el uso de unenfriamiento simulado propuesto (ESP) y de un algoritmo genético mejorado (AGM). Para el AGM se implementó una estrategia de enfriamiento simulado en la fase de mutación, que permite al algoritmo intensificar y diversificar las soluciones al mismo tiempo, con el fin de que no converja prematuramente a un óptimo local. Los resultados mostraron que los algoritmos propuestos arrojan buenos resultados, con desviaciones alrededor de los mejore svalores encontrados que no superan el 5 % para los problemas más complejos.application/pdfengRevista EIA - 2013Job Shopalgoritmo genéticoenfriamiento simuladoadministración de operacionesoptimización combinatorialgenetic algorithmsimulated annealingoperations managementcombinatorial optimizationArtículo de revistainfo:eu-repo/semantics/openAccessEsta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.2463-0950https://revistas.eia.edu.co/index.php/reveia/article/view/231http://purl.org/coar/access_right/c_abf2