Hibridización con búsqueda local de un algoritmo de estimación de distribución para la resolución del problema de secuenciamiento de Flow Shop

Abstract

Los algoritmos de Estimación de Distribuciones, conocidos como EDAs (Estimation of Distribution Algorithms) son una clase de algoritmos basados en el paradigma de Computación Evolutiva. Los EDAs, sustituyen los mecanismos de variación (cruce y mutación) utilizados tradicionalmente por los Algoritmos Evolutivos (AEs) por la generación de individuos obtenidos por simulación de una distribución de probabilidad. La distribución es estimada a partir del proceso iterativo de competencia de los individuos seleccionados en la generación anterior. Por otra parte, el problema de secuenciamiento de Flow Shop y conocido como FSSP (Flow Shop Secuencing Problem) ha convocado la atención de muchos investigadores en los últimos años. En el caso de makespan, se trata de minimizar el tiempo de salida de la última tarea en la última máquina. Para máquinas mayores e iguales a tres el problema se transforma en NP-hard, conforme se incrementa el número de tareas. Este trabajo, propone aplicar a la resolución del FSSP dos versiones de EDAs, para ser comparados con dos hibridaciones de EDA aplicándole métodos de búsqueda local. Detalles de los algoritmos, experimentos y resultados son presentados en las secciones subsiguientes.