Resumen

Se ha utilizado un algoritmo de optimización de enjambre de partículas (PSO) para resolver el problema de la tardanza total ponderada de una sola máquina (SMTWT) con fecha de salida desigual. Para encontrar las mejores soluciones se han utilizado tres enfoques de solución diferentes. Para preparar el sistema de solución subhíbrido, se han utilizado algoritmos genéticos (GA) y recocido simulado (SA). En el sistema subhíbrido (GA y SA), GA obtiene una solución en cualquier etapa, esa solución es tomada por SA y utilizada como solución inicial. Cuando SA encuentra una solución mejor que esta solución, deja de trabajar y da esta solución a GA de nuevo. Cuando el AG termina de trabajar, la solución obtenida se entrega a PSO. PSO busca una solución mejor que esta solución. Posteriormente, vuelve a enviar la solución obtenida al AG. Tres sistemas de solución diferentes trabajaron juntos. El sistema neurohíbrido utiliza PSO como optimizador principal y SA y GA se han utilizado como herramientas de búsqueda local. En cada etapa, los optimizadores locales se utilizan para realizar la explotación a la mejor partícula. Además de las herramientas de búsqueda local, se ha utilizado la regla de neurodominancia (NDR) para mejorar el rendimiento de la última solución del sistema híbrido-PSO. La NDR comprueba los trabajos secuenciales según el factor de retraso total ponderado. Todo el sistema se denomina sistema de solución neurohíbrido-PSO.

• Materias:Inteligencia artificial Algoritmos genéticos Ingeniería civil Neurociencia Cognitiva
• Subjects:Artificial intelligence Genetic algorithms Civil engineering Cognitive Neuroscience
• Palabras claves:ga, herramientas de búsqueda local, sa, mejores soluciones, pso, soluciones, soluciones obtenidas, factores de tardanza ponderados, total de una máquina, soluciones de híbridos
• Keywords:ga, local search tools, sa, better solutions, pso, solutions, obtained solutions, weighted tardiness factors, single machine total, solutions of hybrid