Browsing by Subject "Algoritmo genético"

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Diseño de un método de solución para el flexible job shop con tiempos de alistamiento dependientes de la secuencia
    (Pontificia Universidad Javeriana Cali, 2020) Arciniegas Cortés, Valentina; Duque Otabo, Jhoan Arley; Londoño Barreto, Sara Lucía; Marín Carvajal, Juan Esteban; Morillo Torres, Daniel
    El Flexible Job Shop con Tiempos de Alistamiento Dependientes de la Secuencia (SDST-FJSP) es, al igual que el Job Shop Scheduling Problem (JSP), un problema de programación de trabajos. Sin embargo, el SDST-FJSP tiene en cuenta supuestos adicionales, tales como los tiempos de alistamiento dependientes de la secuencia y la multifuncionalidad de las máquinas, que permiten darle mayor cercanía a la realidad. Este problema ha sido catalogado como NP-hard, lo que ha despertado gran interés entre los investigadores, pues su alta complejidad hace que un método de solución exacta no sea una propuesta viable debido a la gran magnitud de los tiempos computacionales. Así pues, en este trabajo se proponen dos métodos para abordar el SDST-FJSP. El primero es un modelo matemático empleando MILP (Mixed-integer Linear Programming); si bien este es un método exacto, permite una comprensión más profunda del problema. El segundo es un algoritmo genético (AG) en el cual se empleó el método Tournament para el operador de cruce y el método Swap Mutation para el operador de mutación. Posteriormente, se realiza una comparación del desempeño obtenido por cada uno de los métodos, encontrando, como era de esperarse, mejores resultados en el AG para un mismo tiempo de ejecución.
  • Thumbnail Image
    Item
    Diseño de una metaheurística basada en el algoritmo genético para la solución del problema de intercambio de riñones en Estados Unidos
    (Pontificia Universidad Javeriana Cali, 2021) Ortega Bedoya, Juan Felipe; Otero Villamarín, Juan Felipe; Patiño Espinosa, Alejandro; Solano Ossa, José David; Morillo Torres, Daniel
    En los Estados Unidos, las complicaciones renales ocupan la octava posición como causa de muerte más frecuente, generando listas de espera que se acercan a las 100,000 personas, con solo alrededor de 25,000 accediendo a trasplantes renales. Ante la dificultad de suplir la demanda total de riñones necesarios, han surgido programas de intercambio renal que involucran donantes, receptores y altruistas, buscando establecer intercambios con cadenas o ciclos de longitud reducida por consideraciones logísticas. Frente al aumento de estos intercambios y programas tanto en Estados Unidos como en Europa, se ha desarrollado una metaheurística basada en el algoritmo genético. Esta estrategia ha sido concebida para abordar casos de prueba de mayor envergadura, superando las limitaciones de los modelos matemáticos convencionales. La aplicación de esta metaheurística proporciona una solución eficaz y escalable, mejorando la asignación de riñones en un contexto de alta demanda y limitaciones logísticas, ofreciendo respuestas a desafíos previamente considerados inabordables.
  • Thumbnail Image
    Item
    Solución de un sistema open shop en un taller de mecánica automotriz mediante el diseño de un algoritmo genético
    (Pontificia Universidad Javeriana Cali, 2020) Delgado Moore, Luis Fernando; Morillo Torres, Daniel
    El área de programación de tareas (también conocida como scheduling) se encarga de planificar la mejor asignación de los recursos dentro de un sistema productivo que permita la consecución de un conjunto de tareas; logrando eficiencia y efectividad en tal asignación. El incentivo de estudiar problemas relacionados con el scheduling nace de la necesidad de obtener soluciones factibles de alta calidad de un grupo de tareas y recursos (como máquinas) que requieren ser secuenciados de forma que se optimicen los recursos productivos y obtener así un beneficio económico. El presente estudio buscar solucionar uno de los problemas más relevantes de esta área: el Open Shop, mediante el desarrollo de un algoritmo genético. Un problema Open Shop se define como un conjunto de m máquinas las cuales deben procesar un conjunto de n tareas que tienen un tiempo de procesamiento específico; cada tarea debe ser procesado por todas las máquinas (o un subconjunto de ellas). Adicionalmente, solo se puede ejecutar un solo tarea a la vez, y cada máquina solo puede procesar una tarea simultáneamente. Inicialmente, se desarrolló un Modelo Matemático que generó soluciones factibles obtenidas mediante el software de optimización AMPL, quien resultó eficiente solo para instancias inferiores a 5 máquinas y 5 tareas. Con el ánimo de mejorar amplitud en resultados y aplicaciones, se desarrolló un Algoritmo Genético el cual encontró soluciones para instancias de hasta 20 máquinas y 20 tareas, las que a su vez fueron evaluadas con las bases de datos más usadas en literatura: las instancias de Taillard (1993), Brucker (2007) y Guéret & Prins (1999) encontrando desviaciones promedio inferiores al 9% en tamaños de hasta 20 máquinas x 20 tareas. Finalmente, el algoritmo mencionado fue aplicado a un caso real de un taller de mecánica automotriz en el que se evidenció que asignando de una mejor manera las secuencias de operaciones y las máquinas, el tiempo de ejecución (makespan) mejoraría sustancialmente permitiendo incrementar la eficiencia de la operación cuantificada con los siguientes indicadores: Ejecución total de órdenes de trabajo diarias (100%), 14% de tiempo disponible y 86% de ocupación.