REVISÃO SISTEMÁTICA DE META-HEURÍSTICAS PARA FLEXIBLE JOB SHOP SCHEDULING PROBLEM (FJSSP)
O flexible job shop scheduling problem (FJSSP) é um obstáculo presente na computa- ção e na manufatura, onde ambos procuram otimizar o tempo de produção. Na com- putação ele apresenta uma complexidade do tipo NP-Hard, onde deve ordenar n jobs com m máquinas de maneira que o processamento seja o mais rápido e eficiente, e que a seleção da operação e máquina não convirjam com as outras jobs. Para solucio- nar o FJSSP são propostos a utilização de meta-heurísticas, que são algoritmos para resolver problemas diversos, diferente da heurística que visa resolver um problema em específico e hiper-heurísticas que selecionam heurísticas e meta-heurísticas que melhor soluciona o problema. Dentro da meta-heurística o algoritmo genético (GA) é o mais utilizado, devido a sua implementação simples, métodos como o ant colony optimization (ACO) e quantum particle swarm optimization (QPSO) são explorados, desenvolvendo novos algoritmos com melhores resultados. Este trabalho tem como objetivo realizar uma revisão sistemática de meta-heurísticas e híper-heurísticas para o FJSSP. Através de leitura e análise de artigos e trabalhos foi possível observar que
o GA é um dos métodos utilizados pelos pesquisadores dessa área para a resolução do FJSSP.
REVISÃO SISTEMÁTICA DE META-HEURÍSTICAS PARA FLEXIBLE JOB SHOP SCHEDULING PROBLEM (FJSSP)
-
DOI: 10.22533/at.ed.9492331034
-
Palavras-chave: FJSSP, Meta-heurística, JSSP.
-
Keywords: FJSSP, Meta-heuristic, JSSP.
-
Abstract:
The flexible job shop scheduling problem (FJSSP) is an obstacle in the computation and manufacture fields, having the objective of optimizing production time. The FJSSP has a complexity of NP-Hard in the computation, where it must schedule a sequence of n jobs and o operations with m machines resulting in a faster and more efficient pro- cessing time, without having the same operation or machine processing at the same time as the other jobs. To solve FJSSP it’s often used meta-heuristics, they are algo- rithms that solve multiple problems, unlike heuristics that solve specific problems and hyper-heuristics that choose the best heuristic or meta-heuristic to solve the problem. In the meta-heuristic field, the genetic algorithm (GA) is more used among researchers. The reason it’s most likely to be because the implementation of the GA is easier and simpler than the others in that field. Methods like ant colony optimization (ACO) and quantum particle swarm optimization (QPSO) are also used to solve FJSSP, they are also used to generate new algorithms that are faster and better. The objective of this paper is to make a systematic review of meta-heuristics and hyper-heuristics for FJSSP. After reading and analyzing papers and projects, it was possible to observe that GA was the most used and researched to solve FJSSPs.
- REBECA EMI ITO
