Keywords
job
multiobjective
subpopulations
energy resources
makespan
population dynamics
algoritmo genético
job shop
multiobjetivo
subpoblaciones
recursos energéticos
makespan
dinámica de poblaciones
How to Cite
Abstract
This paper develops a methodology based on population genetics to improve the performance of two or more variables in job shop production systems. The methodology applies a genetic algorithm with special features in the individual selection when they pass from generation to generation. In comparison with the FIFO method, the proposed methodology showed better results in the variables makespan, idle time and energy cost. When compared with NSGA II, the methodology did not showed relevant differences in makespan and idle time; however better performance was obtained in energy cost and, especially, in the number of required iterations to get the optimal makespan.
References
Aramendiz Tatis, H.; Sudré, C.; Espitia, M.; Cardona, C.; Correa, E. (2009) “Caracterización morfoagronómica de la berenjena (Solanum melongena L.)”, Revista U.D.C.A. Actualidad & Divulgación Científica 12(2): 101–111.
Barbadilla, A. (2012) “Genética de Poblaciones”. Universidad Autónoma de Barcelona. En: http://biologia.uab.es/divulgacio/genpob.html#factores, consultado: 27/10/2012.
Carvajal Pérez, R.N. (2011) “Un Algoritmo genético especializado en planeamiento de redes de distribución. Parte I: Fundamentos técnicos del algoritmo”, Ingeniería Energética XXXII(1): 72–76.
Castrillón, O.D.; Giraldo, J.A.; Sarache, W.A. (2009)“Solución de un problema job shop con un agente inteligente”, Ingeniería y Ciencia 5(10): 75–92.
Chase, R.B.; Aquilano, N.J.; Jacobs, F.R. (2006) Operations Management for Competitive Advantage (11th ed.). Mc Graw-Hill/Irwin, New York.
Cheng, C C.; Smith, S.F. (1997) “Applying constraint satisfaction techniques to job shop scheduling”, Annals of Operations Research 70(0): 327–357.
Deb, K.; Pratap, A.; Agarwal, S.; Meyarivan, T. (2002) “A fast and elitist multiobjective genetic algorithm”, NSGA-II, IEEE. Transactions on evolutionary computation 6(2): 182–197.
Dı́az, A.; Glover, F.; Ghaziri, H.; Gonzalez J.; Laguna, M.; Moscato, P. (1996) Optimización Heurística y Redes Neuronales. Editorial Paraninfo, Madrid.
Falconer, D.S. (1989) Introduction to Quantitative Genetics (3rd ed.). Lobman, New York.
Fehr, W.R.; Fehr, E.L.; Jessen, J. (1987) Principles of Cultivar Development: Theory and Technique. Macmillan, New York.
Fisher, H.; Thompson, G.L. (1963) “Probabilistic learning combinations of local job-shop scheduling rules”, in: Muth J.F.; Thompson G.L. (Eds), Industrial Scheduling, Prentice Hall, Englewood Cliffs, New Jersey: 225–251.
Font Fernández, J.M. (2012) Sistema Evolutivo Bioinspirado en el Comportamiento Bacteriano. Tesis de doctorado, Universidad Politécnica de Madrid, Madrid.
Friese, R.; Brinks, T.; Oliver, C.; Siegel, H.J.; Maciejewski, A.A. (2012) “Analyzing the trade-offs between minimizing makespan and minimizing energy consumption in a heterogeneous resource allocation problem”, Think Mind – INFOCOMP The Second International Conference on Advanced Communications and Computation: 81–89.
Frutos Alazard, M.; Tohmé Hauptmann, R. (2012) “Técnicas evolutivas en problemas multi-objetivos en el proceso de planificación de la producción”, Ingenieŕıa Industrial XXXIII(1): 50–59.
Ginnobili S. (2010) “La teoŕıa de la selección natural darwiniana y la genética de poblaciones”, Theoria 67: 37–58.
Goldberg, D.; Sastry, K. (2008) Genetic Algorithms: the Design of Innovation. Springer, Berlin.
Guerra, J.M.; Pereira, J.; Vilà, M. (2012) “A hybrid genetic algorithm for the assembly line balancing problem with fixed number of workstations”, in: 6th International Conference on Industrial Engineering and Industrial Management / XVI Congreso de Ingeniería de Organización. Vigo, España: 895–902.
Hernández M.; Esparza, M. (2011)“Los datos del padrón en el estudio biodemográfico de la población del delta del Ebro a finales del siglo XIX”, Revista de la Sociedad Española de Antropología 32: 20–35.
Holland, J. (1975) Adaptation in Natural and Artificial Systems. The University of Michigan.
Krajewski, L.; Ritzman, L. (2000) Administración de Operaciones. Estrategia y Análisis (5a ed). Pearson Education, México D.F.
Martella, M.B.; Trumper, E.V.; Bellis, L.M.; Renison, D.; Giordano, P.F.; Bazzano, G.; Gleiser R.M. (2012) “Manual de ecología dinámica espacial en el manejo de las poblaciones”, Reduca (Biología). Serie Ecología 5(1): 116–136.
Martínez Pérez, C.A.; Puris Cáceres, A.Y.; Bello Pérez, R. (2012). “Mecanismos de limpieza del espacio de soluciones para fomentar la diversidad de la meta heurística PSO”, Universidad Central “Marta Abreu”. Facultad de Matemáticas, Física y Computación. Centro de Estudios de Informática. Departamento de Ciencia de l Computación: 2–23.
Melián Batista, B.; Moreno Pérez, J.A.; Moreno Vega, J.M. (2009) “algoritmos genéticos. Una visión práctica”, Números, Revista Didáctica de las Matemáticas 71: 29–47.
Niño, L.; Prieto, L.; Santiago, V.; Acevedo, E. (2009) “Fluctuación poblacional de la mosca minadora (Liriomyza huidobrensis Blanchard) en cultivos de papa de Pueblo Llano, Estado Mérida, Venezuela”, Entomotrópica 24(2): 65–70.
Pérez de la Cruz, C.; Ramı́rez Rodríguez, J. (2011) “Un algoritmo genético para un problema de horarios con restricciones especiales”, Revista de Matemática: Teoría y Aplicaciones 18(2): 215–229.
Ruiz Herrera, S.; Castrillón, O.D.; Sarache, W.A. (2012) “Metodología multiobjetivo para programar la producción en un ambiente job shop: open shop”, in: Décima Primera Conferencia Iberoamericana en “Sistemas, Cibernética e Informática: CISCI”, Orlando, Florida.
Ruiz, S.; Castrillón, O.D.; Sarache, W.A. (2012) “Una metodología multiobjetivo para optimizar un ambiente job shop”, Revista Información Tecnológica 23(1): 35–46.
Toro Murillo, A.M. (2010) “Florencio Conde y los valores de la nación de acuerdo con la ideología liberal de José María Samper”, Estudios de Literatura Colombiana (27).