Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/5214
metadata.teses.dc.title: Algoritmos genéticos aplicados ao problema geral de dimensionamento de lotes e programação de produção
metadata.teses.dc.creator: Simeone, Fernando
metadata.teses.dc.contributor.advisor1: Toledo, Cláudio Fabiano Motta
metadata.teses.dc.contributor.referee1: Pereira, Marluce Rodrigues
Lacerda, Wilian Soares
metadata.teses.dc.subject: Programação da produção
Dimensionamento de lotes
Algoritmo genético
Scheduling
Lot sizing
Genetic algorithm
metadata.teses.dc.date.issued: 17-Mar-2015
metadata.teses.dc.identifier.citation: SIMEONE, F. Algoritmos genéticos aplicados ao problema geral de dimensionamento de lotes e programação de produção. 2009. 86 p. Monografia (Graduação em Ciência da Computação) - Universidade Federal de Lavras, Lavras, 2009.
metadata.teses.dc.description.resumo: O presente trabalho propõe algoritmos genéticos (AGs) para solucionar o Problema Geral de Dimensionamento de Lotes e Programação da Produção (PGDLPP) com e sem máquinas paralelas, e com penalização para demandas não atendidas. Um modelo matemático é apresentado para este caso do PGDLPP e conjuntos de instancias são gerados, baseados em parâmetros utilizados na literatura. Essas instancias são solucionadas usando uma ferramenta de modelagem matemática cujas soluções servem para avaliação do desempenho dos algoritmos genéticos. As metaheurísticas também são comparadas a outras heurísticas e a um método exato. Os resultados revelam o melhor desempenho obtido pelos algoritmos genéticos nas instancias mais complexas envolvendo o PGLDPP com máquinas paralelas.
metadata.teses.dc.description.abstract: The present paper proposes algorithm genetics (AGs) to solve the General Lot sizing and Scheduling Problem (GLSP) with and without parallel machines, and with penalties for demand shortcoming. A mathematical model is presented for this GLSP case and set of instances are generated using parameters found in the literature. These instances are solved using a mathematical modeling computational package whose solutions will be benchmarks to evaluate the GAs performance. These metaheuristics are also compared with other heuristics and with a exact method.. The results report the better performance found by the AGs in complex instances for the GLSP with parallel machines.
metadata.teses.dc.identifier.uri: http://repositorio.ufla.br/jspui/handle/1/5214
metadata.teses.dc.language: pt_BR
Appears in Collections:PRG - Ciência da Computação (Trabalhos de Conclusão de Curso)



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.