Análisis de diferentes métodos de combinación y mejora de soluciones con metaheurísticas evolutivas en problemas de producción flow-shop

Resumen

En años recientes, se ha producido un crecimiento en el desarrollo de algoritmos para resolver problemas de optimización en entornos de producción flow-shop que involucran diferentes métodos de combinación y mejora de las soluciones. Por otro lado, es bien conocido que, para un buen rendimiento de un algoritmo evolutivo, es esencial ajustar sus parámetros y métodos a un problema determinado. En este contexto, y considerando como criterios de evaluación el makespan y el total tardiness, en este trabajo se analizan varios métodos de combinación y mejora de las soluciones, con un algoritmo genético y un algoritmo de búsqueda dispersa (scatter search), para evaluar su impacto en la diversidad de las soluciones generadas y en la convergencia de ambas metaheurísticas, al resolver el problema de programación flow-shop permutacional (permutation flowshop scheduling problem) con una instancia de 50 trabajos y 10 máquinas. El análisis de los resultados busca mejorar la comprensión tanto del comportamiento de estas metaheurística como de los métodos de combinación y mejora considerados, de forma que se pueda obtener directrices prácticas para aplicaciones reales.