SciELO - Scientific Electronic Library Online

 
vol.11 issue1PET / CT Image Quality AnalysisConsensus segmentation and ordinal co-occurrence matrix in iris recognition author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Article

Indicators

  • Have no cited articlesCited by SciELO

Related links

  • Have no similar articlesSimilars in SciELO

Share


Revista Cubana de Ciencias Informáticas

On-line version ISSN 2227-1899

Abstract

FONSECA-REYNA, Yunior César  and  MARTINEZ-JIMENEZ, Yailen. Adaptación de un Algoritmo del Aprendizaje Reforzado para el Flow Shop con tiempos de configuración. Rev cuba cienc informat [online]. 2017, vol.11, n.1, pp. 41-57. ISSN 2227-1899.

RESUMEN El Flow Shop Scheduling es un problema de optimización que se presenta con frecuencia en sistemas de producción convencionales automatizados. Este es un problema común donde está involucrada la toma de decisiones con respecto a la mejor asignación de recursos a procesos de información en los cuales se tienen restricciones de temporalidad. Este problema es típico de la optimización combinatoria y se presenta en talleres con tecnología de maquinado donde existen máquinas-herramientas convencionales y se fabrican diferentes tipos de piezas que tienen en común una misma ruta. En este artículo se presenta una adaptación de un enfoque del Aprendizaje Reforzado conocido en la literatura como  Q-Learning para resolver problemas de scheduling de tipo Flow Shop con tiempos de configuración entre trabajos y tiempos iniciales de preparación de las máquinas, teniendo como objetivo minimizar el tiempo de finalización de todos los trabajos, conocido en la literatura como makespan o Cmax. Por último, se presentan casos de pruebas para comprobar la validez de dicha adaptación de este algoritmo al problema de secuenciación de tareas.

Keywords : Flow-shop; makespan; optimization; q-learning; scheduling; Aprendizaje reforzado; flow-shop; makespan; optimización; secuenciación.

        · abstract in English     · text in English     · English ( pdf )

 

Creative Commons License All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License