Evolutionary multi-objective scheduling procedures in non-standardized production processes

Abstract

Scheduling problems can be seen as multi-objective optimization problems (MOPs), involving the simultaneous satisfaction of several goals related to the optimal design, coordination and management of tasks. The complexity of the goal functions and of the combinatorial methods used to find analytical solutions to them is quite high. The search of solutions (Pareto-optima) is better served by the use of genetic algorithms (GAs). In this work we analyze the performance of NSGAII (Non-dominated Sorting Genetic Algorithm II), SPEAII (Strength Pareto Evolutionary algorithm II) and their predecessors, NSGA and SPEA, when devoted to scheduling tasks in non-standardized production activities.

En los problemas de programación de la producción que involucran diseñar, coordinar, administrar y controlar todas las operaciones presentes en el proceso productivo, aparecen numerosos problemas de optimización multi-objetivo (MOPs). Los MOPs constan de varias funciones que suelen ser complejas y evaluarlas puede ser muy costoso. La optimización multi-objetivo es la disciplina que trata de encontrar las soluciones, denominadas Pareto óptimas, a este tipo de problemas. La compleja resolución de los MOPs es debida a las dimensiones del problema, al carácter combinatorio de los algoritmos y a la naturaleza de los objetivos los cuales están vinculados a la eficiencia del sistema. En las últimas décadas muchos MOPs vinculados a la producción han sido tratados con éxito con técnicas de resolución basadas en algoritmos genéticos (GAs). En este trabajo se evalúa a NSGAII (Non-dominated Sorting Genetic Algorithm II), SPEAII (Strength Pareto Evolutionary algorithm II) y a sus antecesores, NSGA y SPEA, en el proceso de planificación de la producción no estandarizada.