Studs Mating Immigrants in Evolutionary Algorithm to Solve the Earliness-Tardiness Scheduling Problem

Pandolfi, Daniel; Vilanova, Gabriela; Pedro, Marc de San; Villagra, Andrea; Gallard, Raúl Hector

doi:10.1080/01969720290040650

Cited by 10 publications

(6 citation statements)

References 10 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…nueva población del pool_apareamiento; t = t+1; end while Este proceso es llamado MCMP-SRI y es una variante de multirecombinación (Pandolfi et al, 2002;Pandolfi et al, 2004). Fue aplicado en diferentes problemas de planificación de máquina única para casos estáticos y casos dinámicos y los resultados obtenidos fueron satisfactorios.…”

Section: Un Algoritmo Multirecombinativo Para Paeunclassified

Algoritmo Multirecombinativo para la Planificación Dinámica del Mantenimiento de Locaciones Petroleras

et al. 2008

View full text Add to dashboard Cite

ResumenSe presenta el desarrollo de una herramienta, denominada PAE (Planificación basada en un Algoritmo Evolutivo) que mejore las planificaciones dinámicas del mantenimiento de locaciones petroleras. Esta herramienta utiliza como motor de planificación un algoritmo evolutivo multirecombinativo que es el generador de múltiples soluciones a este problema. Se compararon los resultados obtenidos con información de planificación histórica facilitada por una empresa. Los resultados han sido satisfactorios y se puede concluir que con el uso de esta herramienta se mejora el tiempo total de la planificación original y se permite la re.planificación dinámica manteniendo el mismo nivel de calidad en los resultados. Finalmente el beneficio puede observarse desde dos puntos de vista: la disminución del costo de mantenimiento y la disminución de la probabilidad de caída o contingencias en la producción. Palabras clave: locaciones petroleras, algoritmo evolutivo, planificación, mantenimiento Multirecombinative Algorithm for Dynamic Scheduling of Maintenance of Oil Fields AbstractThe development of a computer tool named PAE (Scheduling based on an Evolutionary Algorithm) that improves the dynamic schedules of the maintenance of oil fields, is presented. This tool uses a multirecombinative evolutionary algorithm generator of multiple solutions to this problem. The results were compared with information of historical schedules facilitated by the company. The obtained results have been satisfactory concluding that the use of this tool improves the total timing of the original schedule and dynamic re-scheduling is allowed keeping the same quality level in the results. Finally, the benefit of this should be observed from two points of view: the decrease of the maintenance cost and the reduction of the probability of falling or contingencies in the production.

show abstract

Section: Un Algoritmo Multirecombinativo Para Paeunclassified

Algoritmo Multirecombinativo para la Planificación Dinámica del Mantenimiento de Locaciones Petroleras

et al. 2008

View full text Add to dashboard Cite

show abstract

“…1997] aplicados a la resolución de diversos problemas de planificación y routing se han convertido en estrategias exitosas. Particularmente, en problemas de planificación agregando una nueva variante al enfoque mutirecombinativo llamada MCMP-SRI (Multiple Crossover, Multiple Parents -Stud and Random Immigrants) [Pandolfi D. et. al.…”

Section: Introductionunclassified

Manejo de restricciones con funciones de penalidad para la planificación del mantenimiento de locaciones petroleras

Valdez¹,

Pandolfi²,

Villagra³

2014

ICTUNPA

View full text Add to dashboard Cite

La explotación y transporte de petróleo son actividades muy importantes para el desarrollo económico de la sociedad moderna insdustrial. Sin embargo, estas actividades son generadoras de riesgos que se traducen en contaminaciones que afectan el medio ambiente. Por esta razón, es importante que las empresas petroleras lleven a cabo un correcto mantenimiento de sus locaciones. En casos de planificación de mantenimiento de 100 o más locaciones, PAE es una herramienta que provee un plan de visitas para el mantenimiento, usando un algoritmo evolutivo para producir múltiples soluciones a este problema con restricciones. En este trabajo, se implementa una herramienta de optimización evolutiva aplicando técnicas de manejo de restricciones basadas en funciones de penalidad. Detalles de la implementación, resultados experimentales y beneficios son presentados en este informe.

show abstract

“…It was showed that all multirecombined approaches outperformed conventional EAs and specific dispatching rules and heuristics in 4 0 and 50 jobs problems size, reaching a hit ratio of 91% in average under the SRSI version. Multirecombination was also successful in Earliness-Tardiness problems for 40, IO, and IO0 jobs problem sizes [23].…”

Section: Exper~mental Tests and Resultsmentioning

confidence: 99%

“…The MCMP-SRI variant showed its good performance by reaching existent benchmarks in W-T problems [24] and by providing new benchmark values for the E-T scheduling problem [23].…”

Section: Discussionmentioning

confidence: 99%

“…Under this approach jobs to be delivered in a production system are usually weighted according to clients requirements and importance, and job relevance. Among other heuristics [7, 8, 21, Multiple Crossovers on a pool of Multiple Parents conformed by a Stud (breeding individual) and Random Immigrants (MCMP-SRI) is one of the latest variants of multirecombination [23]. Due to its good performance, in previous works; on permutation problems, we mostly adopted PMX and proportional selection as standard mechanisms.…”

Section: Introductionmentioning

confidence: 96%

See 1 more Smart Citation

Effect of crossover operators under multirecombination: weighted tardiness, a test case

Pedro

Pandolfi

Villagra

et al.

Proceedings of the 2004 Congress on Evolutionary Computation (IEEE Cat. No.04TH8753)

Self Cite

View full text Add to dashboard Cite

Phone/Fax : +54 0297 4854888Abstron: I n evolutionary algorithms based on genetics, the crossover operation creates individuals by exchange of genes. Seleclion mechanisms propitiate reproduction of better individuals imposing P direction on the search process: copier of better individuals replace worst ones. Consequently, part of the genetic material contained in these worst individuals vanisher forever. This loss of divemi@ can lead to B premature convergence. To prevent an early convergence to a local optimum under the same selection mechanism then, either a larger population sue or adequate genetic operators m e needed. Multirecombination daws multiple crossover operations on two or more parents each time a new individual is created.I n this work we show the influence on genetic diversity, quality of ICEUIS and required computational effort, when applying different crossover methods to a set of hard instances, selected as a test case, ofthe weighted tardiness scheduling problem in Single machine environments under multire-combined approaches. A description of the multirecombination variant used, experiments and preliminary results me reported. 0-7803-85 15-2/04/$20.00 0 2 0 0 4 IEEE

show abstract

Studs Mating Immigrants in Evolutionary Algorithm to Solve the Earliness-Tardiness Scheduling Problem

Cited by 10 publications

References 10 publications

Algoritmo Multirecombinativo para la Planificación Dinámica del Mantenimiento de Locaciones Petroleras

Algoritmo Multirecombinativo para la Planificación Dinámica del Mantenimiento de Locaciones Petroleras

Manejo de restricciones con funciones de penalidad para la planificación del mantenimiento de locaciones petroleras

Effect of crossover operators under multirecombination: weighted tardiness, a test case

Contact Info

Product

Resources

About