Resumen de Hibridización entre un Algoritmo Evolutivo y un Algoritmo de Estimación de Distribuciones para la solución de FSSP
Daniel Raul Pandolfi, Andrea Villagra, Guillermo N. Leguizamón
- español
Los Algoritmos Evolutivos (AEs) son una de las metaheurísticas más ampliamente estudiadas. Éstas, pueden sermejoradas en su diseño a fin de realizar una exploración más eficiente del espacio de búsqueda. A su vez, losalgoritmos de Estimación de Distribuciones (EDAs) son una clase de algoritmos basados en el paradigma deComputación Evolutiva que sustituyen los mecanis mos de variación, utilizados en AEs, por la generación deindividuos generados a través de la información producida de la simulación de una distribución de probabilidad.El problema de secuenciamiento de Flow Shop (FSSP) ha convocado la atención de muchos investigadores en losúltimos años. Para la resolución del FSSP y con el objetivo de mejorar la eficiencia de la búsqueda como así elesfuerzo computacional requerido, este trabajo propone un algoritmo híbrido entre estos dos enfoques. Detalles de laimplementación como así las mejoras obtenidas serán discutidas.
- English
The Evolutionary Algorithms (EAs) are one of the broadly studied metaheuristics. They can be improved in their design in order to carry out a more efficient exploration of the search space. In turn, the Estimation of Distribution Algorithms (EDAs) are a kind of algorithms based on the Evolutionary Computation paradigm that substitute the variation mechanisms used in EAs by the generation of individuals generated through the produced information of the simulation of a probability distribution.
The Flow Shop Scheduling Problem (FSSP) has summoned the attention of many researchers in the last years. For the resolution of the FSSP and with the objective of improving the efficiency of the search as well as the computational effort required, this work proposes a hybrid algorithm among these two approaches. Detail of the implementation as well as the obtained improvements will be discussed.
