Carregar apresentação
A apresentação está carregando. Por favor, espere
PublicouAlícia Apolinar Alterado mais de 10 anos atrás
1
OTIMIZAÇÃO DE LINHAS DE MONTAGEM POR ALGORÍTMOS GENÉTICOS: ANÁLISE, APERFEIÇOAMENTO E IMPLEMENTAÇÃO
2
ÉLDMAN DE OLIVEIRA NUNES E AURA CONCI INSTITUTO DE COMPUTAÇÃO UFF
3
Algoritmo Genético Original
Melhor cromossomo encontrado Melhor solução encontrada (layout da linha)
4
Parâmetros Genéticos:
População inicial: 100 indivíduos Avaliação: Ffitness = 1- (Fobj + Cp . Penalidade)/STT Tp max - FObj = (i=110) max { TTA [Aesq (Pi)], TTA [Adir (Pi)]} - Cp (Coeficiente de aplicação de penalidade) = 2,0 - Penalidade = número de violações às precedências x tempo de duração da atividade mais longa da linha. - Somatória dos tempos de execução de todas as atividades da linha: SST = (i=113) TTA (Ai ) Reprodução: cruzamento de um ponto (80% probabilidade) mutação simples de bits (probabilidade de 4% por bit) Seleção: stochastic universal sampling Sobrevivência: elitismo do melhor indivíduo Critério de parada: 200 gerações
5
Algorítmo Genético Proposto
Alterações propostas Geração heurística da população inicial Cruzamento modificado Mutação modificada Módulo de busca local
6
Interface do programa AGBALIM - AG Balanceamento de Linhas de Montagem
7
Testando a inicialização heurística
Resultado dos testes Testando a inicialização heurística (melhor indivíduo encontrado)
8
Testando o cruzamento proposto
(melhor indivíduo encontrado)
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.