A hybrid genetic algorithm for ROADEF'05-like complex production problems

• Mariano Frutos ^[1] ; Ana Carolina Olivera ^[2] ; Fernando Tohmé ^[1]
  1. [1] Universidad Nacional del Sur

     Universidad Nacional del Sur

     Argentina

     
  2. [2] Universidad Nacional de la Patagonia Austral

     Universidad Nacional de la Patagonia Austral

     Argentina

     
• Localización: DYNA: revista de la Facultad de Minas. Universidad Nacional de Colombia. Sede Medellín, ISSN 0012-7353, Vol. 82, Nº. 190, 2015, págs. 82-88
• Idioma: inglés
• DOI: 10.15446/dyna.v82n190.43137
• Títulos paralelos:
  • Algoritmo genético híbrido para problemas complejos de producción tipo ROADEF'05
• Enlaces
  • Texto completo
• Resumen
  • español

    En este trabajo se presenta una técnica híbrida que combina un Algoritmo Genético con meta-heurísticas para la resolución de un problema en las plantas productivas de RENAULT Francia. El método comienza con una solución inicial por medio de GRASP (Greedy Randomized Adaptive Search Procedure), que es utilizada como entrada por un Algoritmo Genético complementado por un procedimiento de Simulated Annealing para mejorar las poblaciones. Se establece un punto de comparación entre las diferentes técnicas. El desempeño de las mismas es evaluado así como el de todo el método. La conclusión es que los métodos híbridos tienen claras ventajas para el tratamiento de problemas de planificación de la producción.

  • English

    In this work, we present a hybrid technique that combines a Genetic Algorithm with meta-heuristics to solve a problem in RENAULT France's production plants. The method starts with an initial solution obtained by means of a GRASP (Greedy Randomized Adaptive Search Procedure) used as an input for a Genetic Algorithm complemented by a Simulated Annealing procedure of population improvement. We establish a comparison point among the different techniques used in the method. Their performances are evaluated as well as that of the entire method. The conclusion is that hybrid methods have clear advantages for the treatment of production planning problems.