ALGORITMO GENÉTICO TABU
PARA A PROGRAMAÇÃO REATIVA
DA PRODUÇÃO EM UM SISTEMA
DE MANUFATURA COM RECURSOS
UNIVERSIDADE FEDERAL DE SÃO CARLOS
CENTRO DE CIÊNCIAS EXATAS E TECNOLOGIA
PROGRAMA DE PÓS GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO
Algoritmo Genético Tabu para a Programação Reativa da Produção em
um Sistema de Manufatura com Recursos Compartilhados
Ageu Morais Duarte
!"
# $
Ficha catalográfica elaborada pelo DePT da Biblioteca Comunitária da UFSCar
D812ag
Duarte, Ageu Morais.
Algoritmo genético-tabu para a programação reativa da produção em um sistema de manufatura com recursos compartilhados / Ageu Morais Duarte. -- São Carlos : UFSCar, 2010.
120 f.
Dissertação (Mestrado) -- Universidade Federal de São Carlos, 2009.
1. Inteligência artificial. 2. Programação da produção. 3. Algoritmos genéticos. 4. Busca tabu. I. Título.
Universidade Federal de São Carlos
Centro de Ciências Exatas e de Tecnologia
Programa de Pós-Graduação em Ciência da Computação
"AIgoritmo
Genético
-
Tabu para a Programação
Reativa da Produção
em um Sistema de
Manufatura
com Recursos
Compartilhados"
AGEU MORAIS DUARTE
Dissertação. de Mestrado apresentada ao Programa de Pós-Graduação em Ciência da Computação da Universidade Federal de São Carlos, como parte dos requisitos para a obtenção do título de Mestre em Ciência da Computação
Membros da Banca:
Prof. Dr. ~randin Júnior
~~:'<P.
(DCIUFSCar)
Prof. Dr. ario ~uiz,Tronco
(IBILCEIUNESP/SãoJosé do Rio Preto)
!
" #
$ % & & & & & & !'
( )
$* & & ! (
& !'
+ ,
$ & % - & !'
-Agradecimentos
% $
& # ' ( & &
) % $
* % + ) %
," $
& ,$ $ - # . $ ,
% ( $
& & / ( %
% ) ,
, $
& 0 1 ' ( " $
& ,
$
& , "
Resumo
- , % )
2
3 4 $ &
5 , 3 5 ( $ 6/
( 5 & 5 7& 8 9
! 79! 8 , $ - &
,
, 4 , %
, $ & ,
,
& ) :
% & 5 & 7& & 8$ ;
, 4 $ & 9!
( , , 5
5 7
8$ & , 4 5
& <" 7 8 5
, 3 = , >$ ? % 4
& 5 ! 7& !8
,
% , /
$ & 9! / , & & & ) 5
( / , 7 8 " 7 8
, " 5 $ 0 ( ,
5 7 8 5 ,
( % , $ & 5
, 5 ( , , / /
% ( 7@AAB8 % 7@AAC8$
Palavras Chave: 0 %
Abstract
# , D E % % % %
F E% % % % D E % , %
E % % $ !% % , D
3 F $ % E % , %
% % & % 7 & 8 ! % 7! 8 % ,
, % % $ !% & %
% F , % , % %
F , % E% % % , , % $ + F
& ,, % % D % %
D % % ) %
% % % & & % 7& & 8$ < E
% % % % , % , $
- % % % % ! % , % , ,
% % % E 7 D
E% % % % 8$ + % , % %
% % <D & % 7<& 8 % $ !% D , %
, % E % % % % % % = , >$ !%
% , ! & % 7 !&8 % , %
% , D E % %
E F , F $ !% ! E
, D % & % & & % E E ,
% 7 8 , % , % D % %
% $ ! % E% % % 7
8 , % , , % % % , %
, , % D % $ 9 % %
D ,, E D % F G , % %
% % D ( 7@AAB8 D % 7@AAC8$
Keywords: 0 % % 0
Lista de Figuras
@ H 3 I & 5 % G 9 '
7@AAJ8 $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$@K @ @ $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$@B @ J 0 $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$@L @ M ! $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$JA
@ N ! ( I 7&8 798 7 8 , $$$$$$$$$$$$$$$J@
@ K ! # I 7&8 798 7 8 , $$$$$$$$$$$$$$$$$$$$$$JJ
@ B 3 I 9 ! ' 7HLLB8$$$$$$$$$$$$$$$$$$$$$$$$$MN
J H 0 O 7# $ $ @AAC 8 $$$$$$NJ
J @ 0 , O 7# $ $ @AAC 8 $NJ
J J O # $ $ 7@AAC 8$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$NM
J M O , # $ $ 7@AAC 8$$$$$$$$$NM
J N & O& & 76H8$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$NN J K & O& & 76@8$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$NK J B & ) 3 5 $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$NB J C ( % 7@AAC8$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$NB J L # % 7@AAC8 $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$NC J HA HP 6 ( % $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$KH J HH @P 6 ( % $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$K@ J H@ 3 I / / Q HP $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$KN J HJ 3 I / / Q @P $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$KB
J HM ; 4 $$$$$$$$$$$$$$KL
J HN ; $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$KL
J HK ; / $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$BA
J HB ; & 6 $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$BA J HC 3 / F Q JP $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$BA
M H ' D # 7HLLL8$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$BM
Lista de Tabelas
! @ H $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$@C ! @ @ 0 $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$@L
! @ J " 9 ! 7HLLN8 $$$$$$$$$$$$$$$JB
! J H 0 # $ $ 7@AAC 8$$$$$$$$$$$NM
Lista de Abreviaturas e Siglas
ABNT & 9 ? !5
AE & ;
AG & 5
AGA & 5 &
AGH & 5 <"
AGV 6 " & 7 I = 0 1 >8
AH & <"
AGT & 5 !
BT 9 !
C ;
C/D ;
CE ;
D ;
EE ; 5 ;
FMS # , 3" 7 $+ 2 - .) '3
M #/
MES ;3 # , 7 I $ - 42
.) '8
MKP I$ / '
NP $5 " 6 >
P
PCP )
PN 0 7 I =" 5 >8
RV 6 " & 7 I =7 1 7 >8
Sumário
1
Introdução
14
1.1 Objetivos 18
H$H$H - ) HC
H$H$@ - ) ; ", HC
1.2 Resultados Alcançados 19
1.3 Metodologia 20
1.4 Estrutura do trabalho 22
2
Revisão
24
2.1 Algoritmos Genéticos 24
@$H$H @N
@$H$@ : 5 @K
@$H$J @B
@$H$M & & @C
@$H$N #5 @C
@$H$K # 0 JA
@$H$B & 5 & JM
@$H$C & 5 <" JM
2.2 Busca Tabu 35
@$@$H JK
@$@$@ # & JC
@$@$J ; 5 M@
@$@$M - MM
2.3 Aplicação dos métodos ao problema da programação da produção 45
3
Proposta
49
3.1 Caracterização e restrições do problema 50 3.2 Codificação da solução e do cromossomo 53
J$@$H ;3 , NM
3.3 Modelagem dos AGs e AGAs 55
J$J$H ( NB
J$J$@ # NC
J$J$J ; NC
J$J$M NC
3.4 Modelagem das BTs 59 3.5 Modelagem dos AGTs 63 3.6 Formas de cálculo do Makespan 64
4
Cenário de Testes e Desenvolvimento
74
4.1 Cenário 74
4.2 Descrição dos testes do sistema de validação da proposta 76 4.3 Descrição dos testes de validação da proposta 77
5
Análise e discussão dos resultados
79
5.1 Versões de cálculo do 79 5.2 Seleção por Roleta X Seleção por Torneio 81 5.3 Modelagem dos AGs e AGAs 84
5.4 AGs X AGAs 90
5.5 Tipos de Vizinhança 94
5.6 Buscas Tabu (BTs) 96
5.7 Algoritmos Genético Tabu (AGTs) 98
6
Conclusões e trabalhos futuros
103
6.1 Conclusões 103
6.2 Trabalhos Futuros 106
7
Referências Bibliográficas
108
8
Apêndices
115
HM
1 Introdução
- / ) 2 ) T 3
3 5
(
, 4
1 , 4 $
;3 # , 7#;
- 42 .) 8 % /
$ - ;3 # , + ,
) , 4 ,
" %
5 % )
( $ 7U +G V<- @AAM8
0 D 0 7@AAK8 1 , ,
, 4 1 2 (
I / , 5 (
T $
; 3 , ,
/ ,
$ ? ,
4 5 I , 3 $
7#-?!;6; <+G #-0&? +?G #+W& + @AAB8
'& X ! !7@AA@8 , 3 ,
) , ( , ( , ($
& , , 3
" I (
G / ( , 4
$
, ( % , 3 ( , ,
5 / (
2 ,
HN
) , ) , ( $ ,
, 5 I
/ $
V% ! $ 7@AAH8 % ! ! 7@AAK8
5 ( , ? Q ," $
, " 4
%/ 5 , ,
3 % $
- ? 7 5 " 6 8
% %
3 , % % %/
3 % $
, 5
: / $
-# , 3" 7 # + 2 - .) 8 5
" 6 " & 7& 6 Q 0 1 8$
F ! ! 7@AA@8 & 6 " T
/ % ,/ $
; # , 3" %
/ 5 , /
,
/ $ ? " & 6
" ( $
# ) ( , (
" ) % ,/ / )
/ , 5
$ ; / % 7 8
2 / & 6 ,
5 , $
? ( , 5 / ,/
) )
) ) $ 5
( 5 %
HK
' + 7@AAC8 5
/ 3 )
3 $
- (
/ 5
%
$
& 3
" %
% % S
7@AAH8 ! Y 7@AAC8$
? % " % " 7 5
8 2
, , / I &
5 9 ! . 9
5 & <" $
- #5 <" % " 5
7 5 % " % " 8 ) ,
70;? ;0 G '& ; HLLK8$
- & 5 7& 8 (
4 $ # ( 3
G ( 5
2 , $
3 4 & 5
& 5 ) %
( % 5 7 ( 8
$
& 9 ! 79!8 5 % " (
" 3
7 8 (
3 $ & 9!
3 5
HB
" % 4
7 % ( 8 5 % & 5 9 !
0 $ + / (
& $ 5
, , % & 7
8 9! 7 5 8$ ? 9! /
& : 4 )/ & )
4 $ ; 5 / ( $
- !;&0 ' +
! ; 5 & 4 1 ,
4 5 5
) $ - I )
5 ) %
,/ $ - ,
4 ) ,
$
% 5 0 5
+ & , $ ? % % ( # 7@AAN8
# ! !7@AAB 8 % " 0
$ & % (
7@AAB8 # ! ! 7@AAB 8 # ! ! 7@AAC 8 4 ,
& 5
# , 0 % ) 5 ,
/ 7
8$
! 5 % # ! !7@AAC 8 % ! !
7@AAC8 & 5 &
0 # , 0 %
! ) 5 ,
/ $
% %
5 , (
HC
5 /
, 5 ( 5 , /
/ ( % $ &
,
$
1.1 Objetivos
1.1.1 Objetivos Gerais
; , % 5
: #/ !
# , 0 % & 5 ! $
U (
, % ( 5 !;&0
% ,/ $
U & 5 4 ,
% $ ./
9! 5 , , ( %
, : , , 9! 5
) , 9! )
$
/ & 9! ,
& ! 5 " % /
% ) %
$
1.1.2 Objetivos Específicos
5 & 5 !
# , 0
% G
+ 5
5 G
HL
+ / / ( 7@AAB8 % 7@AAC8
, ( #&!'&9Z$
% % 7@AAC8 (
, ,
/ / G
5 / / $
5 70 S ! 8G
, , & [ & &[
, G
& [ & &[ 9![ ,
#&!'&9ZI
? , ( / #&!'&9Z$
& ! I
$
& 5
$
5
% ( 7@AAB8 % 7@AAC8$
1.2 Resultados Alcançados
? % 5 5 O
& 5 ! 7& !8 0
# , 0 % $ - & !
, ( & 9! ) , 5 ( :
#/ ! $ & 5 (
/ / )
, , , ,
/ $
/
@A
$ & 5 4
& & & 9! $
- , 5 7
/ , 5 8
;0+V 7@AAB8 &? <; 7@AAC8$ - 5 , 5
I & & & 9! / 9! 5 ,
& !$
U 2 & & &
, I
, % 5
( ( 7@AAB8 % 7@AAC8G
,
" , %
( "
3 , % $
U 2 9!
I , 7 8 ( % 7 8 5
( G
U 2 & !
% , 9! & & &$
- % 7& & & 9! & !8
, : , 3 "
1.3 Metodologia
; % , ( 5 ",
I % 5 , , ' F G
# $ 7 +'6&G #;?;V; @AAH8
- 5 5 ( 2 4
,
# , 0 % $
( 5 5 % 5 , %
( & 5 !
@H
& # , 0 % 4 ,
5 $ ,
% / , 5 $
,
% , I
Levantamento bibliográfico
, /, /
/
:
#/ ! # ,
0 % $
Modelagem e a resolução do problema
( & & & 9! 9! 5
, , ,
$
Sistema Desenvolvido
- , #&!'&9Z$
& ,
/ ,
( $
Testes
- , ( / % , 3 7L3L Q
/ 3 8 !;&0
$
- % 5 , 3 $ ? %
, ( " 7J &6 8
$
Análise dos Resultados
& %
@@
(
7@AAB8 % 7@AAC8$
) % 5
% !;&0 %
0
7 O 8 , 5
)/ 0 5
/ / ) 3 $
- , % & 5
! 2 I & & & 9! 9!
5 , , $ &
& 9! 4 %
)/ $
1.4 Estrutura do trabalho
; % / , I " 5
3 ( 5 ( & 7
, 8 9! 7 ,
" 5 8 (
%/ $ ! 5
% " , 5
% "
$
? " & <"
5 ( $ ? "
5 5 , 5 (
7& 9!8 4 )
& 9! 9! , & $
? " 5 , /
" ,/ ( /
$ & 5 5
@J
? " /
$ 3 "
4 % , $
& , /, (
@M
2 Revisão
2.1 Algoritmos Genéticos
& 5 7& 8 5 % " (
2 & ; 7&; 8 5 % ;
7 ;8$ ; 5 5
% E HCNL \& - ; 5
# ? 0 ' 6 \ 7
- . ) - 5 .
" - + 7 . - - 8$
- &;] 5
4 3 / $
5 7 5 8 ( %
/ 5 $
5 , &; & $
? " NA / )/ (
5 ; (
( $ ; ( ,
", 5 5
, /
I & 5 7& 8 < 7HLK@8 9
7HLK@8G ; 5 ; 7;; 8 0 % 7HLBJ8G
; 7 ;8 7HLK@8 5 7 8 X (
7HLL@8$ F 7HLLM 8 / "
5 , , $
' % 7HLLL8 5 (
" I ,
" 4 G ,
5 2 4 $
& & " KA
@N
%
& ] HLCL$
# % 7HLLB8 & (
( ( /
5 , / / T %
4 9 I 5
, 5 : $
7HLCL8 & , 5
( I
% , ) :
: G
% 1 G
( , 4 , 4
% 3 G
( " " $
- & 7 8 5 5
5 / $
" 5
7% 8 ) " " 5
% "
$ & "
$
2.1.1 Fundamentos
# % 7HLLB8 & 4
7 8 5 ( $ ; 5 , )
" " 4 $
? & 7 8 5
" 7 8 2 5 ,
$ & /
3 3 7 ( 8
5 7 8 3
@K
3 7 4 8
$ ; 5
, ) 5 ) , $ & @ H
, 3 / & ] $
Figura 2 1 Fluxograma: Algoritmo Genético, adaptado de Carvalho; Braga e Ludermir (2003)
2.1.2 Parâmetros Genéticos
- % & 5 , , ,
: ( $ F 7HLLM 8 % :
3 ( 5 %
: / 2 ( , ) $
& % : 5
$ 5
: (
" $ & 5 %
: I
Tamanho da População:- % , %
, & $ ; & 5 /
% ,
$ ,
%
4 /
@B
Taxa de Cruzamento: U 3 (
(
" $ 3 )
$
Taxa de Mutação: 3 3 ,
4 $ 3 )
$
Critério de Parada: , 5 (
3 & $ 3 1
4 %/ % 1
4 5 % " %
5 , , $
& ( % $
2.1.3 População
? & " 4 5 ,
" ) $ /
$ ) "
$ & 7 " 8 ,
% " , $ ; 4
" / $ ? @ @ 5 3 ,
, / $
Indivíduos
CRM 01 1 0 1 0 1 CRM 02 0 1 1 0 0 CRM 03 1 1 0 1 0 CRM 04 1 0 1 1 1 CRM 05 0 0 0 1 1
Figura 2 2 População de Cromossomos
? 7 " 8 / , 7 8
" 7, 8$ - "
, " ) 5
, $
- " 1 / 1 1
@C
$ & , 7 , T 8 ( ,
, , /
,
4 / $
2.1.4 Avaliação da Aptidão
& - ) 5 (
& % & 5
/ " $
; , ( &
$ - ) , 5 \ \ \ % , \ "
\, \ $ "
, )
" $
2.1.5 Métodos de Seleção
; 3 5
/ "
" $ & "
3 5 $ ;3 /
, " $
5 5
" $ - (
5 / $
Tabela 2 1 População
Indivíduo Adequação Posição na Roleta Faixa na Roleta
0# AH HJ HJ^ A^ Q HJ^
0# A@ JB JK^ HJ^ Q ML^
0# AJ KN KM^ NA^ Q HAJ^
0# AM H@ H@^ HAM^ Q H@N^
0# AN BJ B@^ H@K^ Q HLB^
0# AK MN MM^ HLC^ Q @M@^
0# AB @M @M^ @MJ^ Q @KN^
0# AC HN HN^ @KK^ Q @CA^
0# AL @B @B^ @CH^ Q JAB^
@L
& ! @ H "
, 7- 8 3 (
, 4 ( 3 , 5
$
2.1.5.1 Roleta
? 5 " 3 7
/ 8 5 / ( 5
" 3 ) $ < 7HLBN8 5
" 5
5 7H8$
(1)
? 5 " , "
) " %
$ & , 7 8 " , ,
7H8 I , " G 5
, " G 5 4
" $
Figura 2 3 Roleta Tabela 2 2 Posição na Roleta Números Aleatórios (Grau) Indivíduos
HBH^ 0# Q AN
@NL^ 0# Q AB
LA^ 0# Q AJ
@JA^ 0# Q AK
HK@^ 0# Q AN
JA
& @ J , "
" % / $ @ J
, ( , 4 ! @ H$
& ! @ @ " $ (
" 1 =A> =JKA>$ &
, 2 , 3 1 "
7 2 , 3 8 3 $
% 9 ' 7@AAJ8 " ,
% $ & , 4
$
2.1.5.2 Torneio
? 5 1 " 5 %
$ - " 5
3 $ ; 5 / ) % $
; 5 ) % "
$ ; 5 5
@ M 7@8 " 7 0# HA 0#
AN8$
CRM 01 13 CRM 05 73
CRM 04 12 CRM 04 12
CRM 07 24 CRM 01 13
CRM 10 54 CRM 10 54
Figura 2 4 Seleção por Torneio
% G 9 ' 7@AAJ8
7J8 " %
$ ; 5 5 , 3 $
2.1.6 Mecanismo de Reprodução
- /
" 7 8
$ - , ( I (
JH
" %
1 " $
2.1.6.1 Elitismo
' % 7HLLL8 5 (
% "
5 $ + 5 / " 5 7 8
% 7 8 " 7 8 ) $ _ , 7 8 % 7 8
" 7 8 4
% & $ ? 3
" $ , "
$ & , " ( ,
) , & $
2.1.6.2 Cruzamento
; 3 5
3 7 8 % $ ?
5 , T %
, $ 9
% , (
, ( ,
$
- ( 4 ,
$ ; 5 / " $ ; 5
5 3
$ - 3 ( ( A K Tc
A LL$ 7 &06&'<-G 90& &G ' ;0#+0 @AAJ8
;3 / , ( & $ & 3
, $ & @ N
( I
Cruzamento de Um Ponto: 5 %
J@
" $ ; 5
@ N7&8$
Cruzamento de Múltiplos Pontos: ; % "K"
( "K 1" $ ;
, %
@ N798$
Cruzamento Uniforme: /
1 /
( $ ; / , , %
% / @ N7 8$ - =H> /
H^ / % H^ , %
@^ / % @^ , % $
=A> / $
Pais H A A H A H
H A H H H A
Filhos H A A H H A
H A H H A H
Pais H A A H A H
H A H H H A
Filhos H A H H A H
H A A H H A
Máscara A H A H A H
Pais H A A H A H
A H H H H A
Filhos A A H H H H
H H A H A A
Figura 2 5 Tipos de Cruzamentos: (A) um ponto, (B) dois pontos e (C) uniforme
2.1.6.3 Mutação
_ 5
3 7 8 3
JJ
5 5 ,
1 T $
& /
" $ ; 5 / 5 5
/ 5 3 3
$ ; 5 3
3 ( $ - ( 3
A AAH Tm A AH$ 7 &06&'<-G 90& &G ' ;0#+0 @AAJ8
;3 / , &
$ & @ K I
Mutação de Um Ponto:; %
, $ - ,
5 , " $
& @ K7&8 $
Mutação de Múltiplos Pontos: /
, )
@ K798$
Mutação Uniforme: /
, / 1 / ) " $
; / , , 4 $
U / =H> , " /
/ ) =A>
$ ; 5 @ K7 8$
Original H A A H A H
Mutação H A H H A H
Original H A A H A H
Mutação H H A H H A
Máscara A H A H A H
Original H A A H A H
Mutação 1 1 0 0 0 1
JM
2.1.7 Algoritmos Genéticos Adaptativos
- & ! 3 , :
, 3 3 $ ! 5 3 ,
3 , $ & %
: 5
, (
) /3 " $
- : , 3 , %
, ", 5 $
; : 5 ,
%/ , , $ &
( 5 $
% , 3
/ ) : 3 $
& & :
$ ; (
5 $ &
5 ) ,
7 5 , , 8 $
? / % ) :
: & $ - ) 5 $ ?
3 % F 7HLLM 8 . ! ! 7@AAK8
) : : & (
, 4
% $
2.1.8 Algoritmos Genético Híbridos
- % & , "
, ,
& ( 4
% " , ( ,
JN
V% ! ! 7@AAH8 & 5 , ( / 4
$ & , ( 5
, 4 4 $
7HLLH8 , ) &
$ Y% D 7HLLM8 & <
$ % 7@AAJ8 , & 5
/ 5 $
? & %
, , 4 $ & 5
% " 3 %
/ %
, ,
% )/ & $
6/ % " &
" G (
% G 5 ,
% " % " $ ; & <" ,
/ 5 & 5
( , $
2.2 Busca Tabu
7HLLN8 5 / ,
, ( 7
% 8 4 ( /
% ( / / $
HLCK T 5
% 9 ! 7 6 . 8 5 5
( 5 " 3
$ ; 3 9! (
5 % ( %
) ( % 2 $ &
JK
2.2.1 Fundamentos
& 9 ! 79!8 5 , 5 "
/ 2 5 $
( 4 7 4
( % 8 ( 4
" ( 7 ( 8$
-5 $ + 5
( $ &
) 4 )/ $
7HLLB8 9! 5 % "
% " 3 4 5 $ &
! 7 6 8 ! 5
" % ! $ & , I
- ) $
/ Y ] , I
G
$ ; , 5 /
\9 ! \$
- ,
)
, $
/ & 5 5 (
) "
)
/ ,
4 2 ( $
? 3 4 3 $
-\ -\ 9! O ( % $ ;
/ ) , 4 $
# ,
JB
? 9! 3 5
, 5 , $ ? 5 ,
4 , / , $ 4
( ; 3 ( % 4 $
& , 4 4 $
& 9! 4 ) / ,
" , 4 1
( $ 7HLLN8 9! I
4 , ( ,
( $ ; ,
7 % 8
T 7 " 8 , 7 3
8 5 3 7% (
% 5 8 3 4
) $ ; / 9! / "
! @ J$ & 9! ,
, ( 5 5 ,
" $ 5
( % 4 $
Tabela 2 3 Principais Características da Busca Tabu, adaptado de Glover (1995) Memória Adaptativa
7 5 8
& 7 3 " 8
Tempo/Período:
,
, (
Qualidade e Impacto:
%
4
Contexto:
Exploração Responsiva
0 4 4 $ 7 4 " 8
, 4 " 4 $ 7 , 8
( 3 4 $ 7 , 8
4 $ 7 5 7 5 88
JC
& 9! 5
5 , 4 ( % $ 5
( % (
% , $ - 5 , ( %
2 4 $
( % 5
, $ 6 ( % 5
9! ( ) %
)/ $ 7 '-6;0 HLLK8
' 7HLLB8 ( % 9! 5 ,
9!
5 % " ) ,
2 2
$
2.2.2 Memória Adaptativa
_ 9! 5
( ( , I
Explícita: 4
$ 4
% 4 $
Atributiva: 4 )
$ , 4
$
' 7HLLB8 9! 5
, ( ( $
5 % 5 $ ( 5
, 4 4 $ ; 4 9!
( 5 , ( 4 $ 5 9! 5
, , ( , ( ( $
-5 , ( $
& 5 ( 4 7
JL
9! = > 3 7 4 8 %
4 $
& ( , 4 4
4 4
4 4 ) ,
( % $
2.2.2.1 Estrutura de Memória
& , ( 5
: / ( % /
, (
7 Q 4 )/ 8$
7HLLB8
, $
-I
Recentidade (do inglês, ): (
%/ G
Frequência: ( ( ,
G , ,
G
Qualidade: , :
$ + , 4
% G
Influência: , %
7 8$
2.2.2.2 Memória de Curto Prazo
& ( 5 ,
4 5 $ _ /
9! (
$ " (
5 $ ; 4 )/
MA
& ( 5 % 7
8 ( % 4 $ ;
( 4 7
8 5 $ ; 5
) 5 5
$ 5 7 8 7 8 / 7 8 /
7 8 7 8 7 8 2 $
& , / 5
7 " 8$ 5
: $
+ 4 "
$ )
) ) % )
4 $
- : I
critério(s) de ativação tabu (do inglês, ):
/ G
critério(s) de aspiração do(s) período(s) tabu (do inglês,
): 7 8 7 8 7 8
7 8 $
G
período(s) tabu (do inglês, ):
$
& : 2
$ ; 1 4
$
"
1 %/ , $ ./ "
)/
3 4 ( % 7 3 8
% $ " /
3 $ " 5 / % ) "
3 3
MH
2.2.2.3 Memória de Longa Prazo
& ( 5 ,
4 % %
( $ ; , 4 ,
( $ ? 5
) , ( $
7HLLN8
9! " , , $
, , $ & 5
, 3 4 )/
5 , 4 )
$ ; / )
4 $
; 5 , I ,
, $ & , 1
( , 7 1 (
8 , ( 1 (
) 4 7 ,
4 8$ & " , I
! I
Alta: / , /
) / )
G
Baixa: ) ) , ( 3
, / , $
+ , / 3 $
0 I
Alta: / (
5 G
Baixa: (
5
M@
,
$
2.2.2.3.1 Intensificação
& , 9! , (
3 % ) ,
3 $ 5 ,
/ , 4 )
, 4 5 $
; 5 , 4
"
) 4 / , $
- , $ ;
, , ) $
2.2.2.3.2 Diversificação
& , 9! 4
) 5 4 5
$ 5 , /
, 4 $
, ( 3 , $ ; 5
3 / )
3 "
% $
& , 5 (
, ,
% $ ? (
" 4 )/ (
4 ) 4 $
2.2.3 Estratégias
? / 5 2
, , ) 5 $
MJ
9! 5 5 $ &
5 , 3 /
, )/ 5 , 9! 4
5 , "
4 ) 4 $
7HLLN8 5 ,
, / % % "
$ ; 5 , % )
$
& 5
$
2.2.3.1 Reconexão de Caminhos (Path Relinking)
; 5 7HLLK8 5 5 ,
3 ) 4 ) 4 $
( 4 )
% 4 ( $ ; 5
4 , $ ; 5
5 $
2.2.3.2 Oscilação Estratégica (Strategic Oscillation)
' 7HLLB8 5 / 2
9!$ ; % ) : 5
, , ,
7 " " 8 5 $ &
5 , , 5 ,
, " " )
$ ; " /
% , $
& 5 5 , $ ;
5 ( $ ;
MM
1 /3 4 ) $ & 5
( ( $
2.2.3.3 Busca Tabu Reativa (Reactive Tabu Search)
9 ! % 7HLLM N8 9 7HLLK8 9!
% 9 ! 0 ) ) 5 ,
, ) 5 $
5 ( , ,
, 4 $ 4
$ ( ,
( , (
4 $ & 5 ( 4
4 , $
& 9 ! 0 " 4
1 4
$ U )
4 " ,
3 $ - 5 ,
( $
2.2.4 O algoritmo
' 7HLLB8 5 3
∗ $ _ ) 4 ( % ( )
$ ; ) 5 ,
( )$ & , ′ 5 ( % 5
$ ′ ∈ ′ ,
( ′)$ - 5 ∗ ( )
$ & ( ∗) ( ) 5
$ 6 % ( ∗) ,
( 4 ( ) ( ∗) 7 %
8 , 5 $
' 7HLLB8 9 ! I
MN
, 7 5 ( 8
) 7 % ) ( % 8 1
/3 4 % $ ; ,
) , 5 $
& 5 5 , I
5 5 1 /3 4 % ) %
G 5 %
" % , )
$ ? @ B 5 , 3 9!$
Figura 2 7 Fluxograma: Busca Tabu, adaptado de Glover e Laguna (1997)
2.3 Aplicação dos métodos ao problema da programação
da produção
( 9 5
, ) 7 4 8 )
MK
) 4
/ / $
- 5 ( 5 1
4 % )/ $ %
" 3
$ 5
/ : : $
? % 3 ( %
( , $
, 9! ,
: $
% I
6 9 7@AAC8 ( 9! (
& % , 3 $
; E %D ! 7@AAB8 ( % 9!
% " ! 7 . " 6 # !
8 %
1 4 9!$
D F 7@AAM8 ( ( 7HM8 ,
5 , % $ 5
, 3 , 3
, 3
/ , ( %
( % $ - , %
, 3 7K8$
% ! ! 7@AAM8 ( 5 ,
, ,
4 $
%
9! $ % & /
/ 9!$ & 9! 5 / (
MB
( 5 , ,
, , $
? !;&0
$ & 5 % ) 5
9! / & $ 0 (
3 & % !;&0
$ & , ( ( 7@AAB8 % 7@AAC$8 $
& % !;&0
2 $
# ! ! 7@AAB 8 % "
# , 3" 7 # 8 " 5
( 5 5 2 " 5 $ ?
% ,/ 7 / & 6 8 , %
" $
-5 (" ( -- 5
, $ & ( ( 1
( 5 $ - ,
4
% $ & 5 5 ∗$ & ,
% " 5 , "
5 , "
$ & 5 "
4 $ & 3
( 1 3 % /
$
( 7@AAB8 T &
, 5 % / " $
& 5 ( ) $
5 % ∗ 5 1
( 5 1 /3 4 "
,
% 1$ (
5 " ,
MC
( %/ 4 ,
7 / " 8 , , /
%/ =A>$ & ( 5
, % 5 ,
, % $
& 5 , ,
% $ & ,
-4 5 " / $
% 7@AAC8
& 6 $ & 5 & ,
: #/
! $ - 5 % ( , / ,
$ ; % , (
( 7@AAB8 & 6 (
& $ % ,
( 7@AAB8 5
, E $ - & 5 & %
( 7@AAB8 3
, , E $ % (
, %
" , - , / $
& 5 5 / ) % $ &
, & (
! $
? !;&0 / % &
% , % ,
, & : $ 3
( 7@AAB8 % 7@AAC8 ( "
5 ( : 5 $ ? 5
, 4 % , & $
% 5 / ( 5
)/ ( 5 / %
, "
ML
3 Proposta
# , % 0 ,
3" # , ) / ( / 4
$ - ,
( $
? , 3 3 , / ,
( , , ( " )
, ( 5 % $
? !;&0 %/ 2
0 # , 0
% & $ & , ( 7@AAB8 , ( &
$ ( ,
5
$ - % , %
7@AAC 8 , T / 2
, - (
( % " $ &
, & &$ ! ( 7@AAB8 % 7@AAC 8 (
5 % / $
? % 5 , ( % 4
& ( % 5 (
7& & &8$
% 4 & 9! ,
( , 4 & $ & 9! , %
)/ 5 ( %
5 " 3 4
$
7HLLB8 / 5
% " ( % /
( % ( ( 3 (
NA
? % ) I , 5
( % ,
5 G ( , % 7@AAC8
%/ , G
, % , & & &
, /
$ + , ( , , ,
7& & & 8$
U 2 9! , ( % $ &
5
$ ./ $
-, $ ! 5 5
, ( ( $
- 5 , %
" /
$ - 5 " J & 6 $ &
5 ( " " ) $
5 / , (
$
? 3 4 7& & &
9! 8 , 5
, / / , / (
7@AAB8 % 7@AAC8 $
! 7& & & 9! & ! 8
, / / , 5 #&!'&9Z$
3.1 Caracterização e restrições do problema
& # , 0
% : #/ !
NH
$ - / 5 ( , %
4 $
, 4 ) ,
1 $
,
4 $ & ,
4 3
, ) , ( " $
5 , " 4
, ( $
& " I
+$ + % / ( G
++$ 5 ( 1 ,
) % / "
G
+++$ /
, % , G
+6$ 5 3 / )
/ G
6$ / (G
6+$ - /
% G
6++$ #/ , % G
6+++$ - , % G
+S$ </ , 5 G
S$ ( 5 7
/ 8 5 5 )
" G
S+$ - 1 " 5 % " 2
" G
S++$ - " (
O G
S+++$ " (G
N@
S6$ & / -- 7 " 8 % , G
S6+$ ! / " $
& 5 /
5 /
" % $ ; 5 ,
" $
% 7@AAC8 ( %
!!O 7. 6 6 8 Q # 6 8 06 77 1
7 Q 6 " & 8$ ; ( , I
STT/D: ( 3 " "
O $
RV: ( "
? % ,
( ( $
% , 5 % " ( /
" $ & 3
5 I
7 8 # O
, $
7 8 6 , $
7 8 6 , " "
% $
7 8 # " 7 8
5 / $ - "
3 / ,
$
7 8& " ,
/
O , $ ?
% " 3
/ O / $
7 8 6 2 7 8$ ; 5
NJ
3.2 Codificação da solução e do cromossomo
! , 5 9!
, & & !
% ( 7@AAB8 # ! ! 7@AAB 8 # ! ! 7@AAB 8 # !
! 7@AAC 8 # ! ! 7@AAC 8 % 7@AAC8 % ! ! 7@AAL8$ & ,
, 9! ( 1 (
( ( & & &
( % ,
$ , 5 , , I
) 1 , G 1 /3 "
G 1 /3 4 " ,
$
& 5 7 8 5 7 8 )
% ) %
)
, ) 5
/ , % $ & J H
$ ) % , 3 %/
( =A>
1 / $
Figura 3 1 Representação completa do cromossomo/solução (Morandin et. al., 2008a)
& , , ,
, 5 )
( " % , J @$
Figura 3 2 Representação simplificada do cromossomo/solução (Morandin et. al., 2008a)
, /
, /
NM
3.2.1 Exemplo de codificação
(
, $ & / ,
/ 5 "
, $
# ! ! 7@AAC 8 ( 7@AAB8 3 ,
,/ =K> / #H #@ #J #M #N #K
=J> H @ J$ ? ! J H ,
" $
Tabela 3 1 Produtos e Roteiros de Fabricação, adaptado de Morandin et. al. (2008a) Produto Roteiros de Fabricação
H 0H7#H #@ #K8 0@7#M #N #K8
@ 0H7#H #@ #N #K8 0@7#J #M #N #K8
M 0H7#M #J #@8 0@7#M #H #N8
? J J 5 ,
, ! J H$
-=H> =M> / ,
=H>$ ' ( , =A>$
Figura 3 3 Cromossomo/Solução, adaptado de Morandin et. al. (2008a)
? J M 5 J J ,
, H / (
0H J / (
0@ 3 @ / ( 0H$
NN
3.3 Modelagem dos AGs e AGAs
& $ )
, $ & ,
4 5 , " 3 $ & 4
$ & $
? " ,
) $ ./ "
( ) " ,
( 2 " $ & 5 3 , J N$ &
3 5 I
6 , " (
I
%
" /
7 8 3 $
; " ) 2 G
" ( " ,
%
$
Figura 3 5 Primeira versão do AG/AGA (V1)
& 5 3 , J K$ & 3
5 I
6 , " (
I
%
" /
NK
, % ( "
) 2 5
/ $
Figura 3 6 Segunda versão do AG/AGA (V2)
- 5 5 ( 3 %
1 " $ + 5 /
( 1
" $
& 4 ,
% 7@AAC8$ ; ( ) 3 (
I
+$ % 5 , , %
, HA`
5
A$AN 4 ( A$AAN
4 $
++$ 5 , , %
, HA`
5
" A$AN 4 ( A$AAN
4 $
+++$ % O 5 ,
, % 2 5 ,
+ ++ 5
NB
+6$ & 3 " A$N /3 H$A
( " A$AA /3 A$HA
$
J B 3 5 5
, I 5 5
, % , G , % 7 Q
" % 8 HA` G
7 Q " 8 HA`
$
Figura 3 7 Aplicação do ajuste das taxas dos operadores genéticos
3.3.1 Cruzamento
# ! ! ! 7@AAC 8 ( 5 ,
) ,
, % $ ;
/ J C$
NC
3.3.2 Mutação
# ! ! !7@AAC 8 5 (
5 % , , 5
" $ ; 5 J L 5 5
" 5 "
( $
Figura 3 9 Mutação, adaptado de Sanches (2008)
3.3.3 Elitismo
& 5
3 7 3 8 % " )
7 8 $ ; 3 ,
5 $ " )
$
3.3.4 Seleção
? 5
I , 7 /
8 5 / 9 (
$ ; 5 ( 5
& 5 $ 5 %/ "
5 3
" $ ( 7@AAB8 ( 5
% 7@AAC8 ( 5 % , 5 5 %
$ % 5
$
5 , "
$ - " % 5 / 2
NL
/ ) $ ./ 5 "
$ & , 3 " 5 ,
@$H$N$H 5 5 " /
) $
3.3.5 Função Objetivo
& , , 5 ( ,
" / $
5 / , ,
O / $ ! /
/ 7 / % ,/ 8 2
( , : $ & 4 / /
% ( 7@AAB8 % 7@AAC8 J$K$
3.4 Modelagem das BTs
9! ,
5 I
HP I 9! / % 5 G
@P I 2 9! / 5 %
# % 7 =+ >8$ &
% 5
G
JP I 2 9! / 5 ,
, $
! HP @P , ( ( $ ./ JP
, ( ( ( $ &
( 5 3 4 ,
( $ & ( , 4 4 $
& ( ) (
%/ $ % 5 (
( 4 , $
KA
5 / %/ 5 $
5 %
5 $
& ( , ) , 1
( , $ ? % (
, )
5 , , $ - % 5
, ( 4 $ ?
4 1 4 $ + 5
5 , , , , / 4
( 4 $
& , , ,
4 $ " 4
, / G " 4 )
3 , / 3 $ ? %
, ( $
-) 3 " 4 (
" $ ; % /
5 , $ & , /
, ) 3 1 $
& , , ,
/ 4 $ ( , 5
( , 5 $ &
, / 1 4
% $ ? % , /
3 " $
-" / "
5 ) ( $
' 7HLLB8 9! ( %
5 % "
) , 2
2 $
KH
$ & J HA
, 3 ( % $
Figura 3 10 1ª Vizinhança
J HA % ( % HP
( % 3 I
H8 - = >$
@8 6 , %/ ( ( % I
$ ) / 7J8G
$ / 7M8$
J8 6 , ,
, I
$ % ,
$ )
7 5 (
8G %
K@
$ %
%
7@8$
M8 + , % ( % $
./ J HH , 3 ( % $
Figura 3 11 2ª Vizinhança
J HH % ( % @P
( % 3 I
H8 - = >$
@8 6 , %/ ( ( % I
$ ) / 7J8G
$ / 7M8$
J8 0 ( )
I
$ % ,
$ )
KJ
% %
7J8G
$ %
%
7@8$
M8 + , % ( % $
3.5 Modelagem dos AGTs
, 4 & ! ,
9! & & & $ + 9! 5
( ( $ & 9! 5 (
( & & & $ & ,
/ / $
& 9! 5 & & & 2 "
( % 5 , ,
$ & ,
4 3 %
, 5 " $ - & &
: , 4
5 % ,
, $
& & & & = O >
( $
" 3 ,
% , )
& & & , ( ( , 4
( , 4
, , ($ & , : 5 5 3
) ,
& & & ,
KM
3.6 Formas de cálculo do Makespan
) 2
/ , $ ;
5 ( 5 1 % 4
/ , 5 5
, ( $
( 7@AAB8 : /
, , ( / 5
3 / , $ ;
/ 5 ( )
/ / $ U
/ " 5
5 / $ ;
5 ( 5 /
% $
% 7@AAC8 ( :
( % !!O 06
5 , ( / " $ ?
( )
1 5
, $
% 5 % 5
4 (
) ( 3
3 2 / $ & ,
/ / ( 7@AAB8 % 7@AAC8
, , /
% $ & , / $
/ 5 / 5
$ & / 5 1 1
KN
5 / % , ( 4
% ( $ & J H@
/ / 5 $
Figura 3 12 Fluxograma: cálculo do – 1ª versão
- / / ( 7@AAB8 5 (
J H@I
H$ -
@$ - ) / (
, $ ; , 4 (
$ & J HM
% 2 4
KK
J$ + ( $
J$H$ I / ( , 4
I , 2 G
) , , / 3 ,
, 4 4 )/ , $ & J HN
, 4
% 2 , $
J$@$ / I / ( , 4 /
I / / G ,
, )/ , G 5
, $ & J HK $
M$ 6 , , ( ) , , $
M$H$ 6 , , !
% , 7
/ , $8$
M$H$H$ 6 , 5 " ( 3
/ / / " $
M$H$H$H$ & / $
M$H$H$@$ 5 , $ ;
, / $
M$H$H$J$ & ( , 4 / )
, )/ ,
3 , /
/ $
M$H$H$M$ 3 " 1 7M$H8$
M$@$ % ) $
M$@$H$
5 , $
M$@$H$H$ 6 , 4 , , ( $ % )
, ( 2 $
M$@$H$@$ ' / ( $
M$@$H$J$ 6 , , , ( $
KB
N$ + , / $
& , ( , 3
/ / J H@ , 3 J HJ$ +
2 ( :
/ $ + , (
/ % 06 !!O $ &
/ / J HJ$
KC
- / / % 7@AAC8 5 (
J HJI
H$ -
@$ - ) / (
, $ ; , 4 (
$ & J HM
% 2 4
$
J$ + ( $
J$H$ I / ( , 4
I , 2 G
) , , / 3 ,
, 4 4 )/ , $ & J HN
, 4
% 2 , $
J$@$ / I / ( , 4 /
I / / G ,
, )/ , G 5
, $ & J HK $
J$J$ & 6 I / ( , 4 & 6 I
& 6 /
$ & J HB $
M$ 6 , , ( ) , , $
M$H$ 6 , , !
% , 7
/ , $8$
M$H$H$ 6 , 5 " ( 3
/ / / " $
M$H$H$H$ & ) "
, / $
M$H$H$@$ & / $
M$H$H$J$ ' (
KL
M$H$H$M$ 5 , $ ;
, /
5 / $
M$H$H$N$ & ( , 4 / )
, )/ ,
3 , /
/ $
M$H$@$ 3 7M$H8$
M$@$ / ) " 3
7M$H8$
M$@$H$ % ) $
M$@$H$H$
5 , $
M$@$H$@$ 6 , 4 , , ( $ % )
, ( 2 $
M$@$H$J$ ' / ( $
M$@$H$M$ 6 , , , ( % I
H8 & $
@8 % $
J8 ' (
& 6 7!R& 68$
M$@$H$N$ 0 7M8$
N$ + , / $
Figura 3 14 Estrutura representativa do controle das operações sobre os produtos
BA
Figura 3 16 Estrutura representativa do controle das máquinas
Figura 3 17 Estrutura representativa do controle dos AGVs
BH
& 5 % 5 / /
( 3 4 ,
/ , (
" 3 " / ( / $ &
/ / J HC$
& / / % 5 (
I
H$ -
@$ - ) / (
, $ ; , 4 (
$ & J HM
% 2 4
$
J$ + ( $
J$H$ I / ( , 4
I , 2 G
) , , / 3 ,
, 4 4 )/ , $ & J HN
, 4
% 2 , $
J$@$ / I / ( , 4 /
I / / G ,
, )/ , G 5
, $ & J HK $
J$J$ & 6 I / ( , 4 & 6 I
& 6 /
$ & J HB $
M$ 6 , , ( ) , , $
M$H$ 6 , , !
% , 7
/ , $8$
M$H$H$ 6 , 5 " ( 3
B@
M$H$H$H$ & ) "
, / $
M$H$H$@$ & / $
M$H$H$J$ ' (
& 6 7!R& 68$
M$H$H$M$ 5 , $ ;
, /
5 / $
M$H$H$N$ & ( , 4 / )
, )/ ,
3 , /
/ $
M$H$H$K$ 3 a bH 7M$H8$
M$H$@$ / ) " 3
" 1 7M$H8$
M$@$ % ) $
M$@$H$ % ) $
M$@$H$H$
5 , $
M$@$H$@$ 6 , 4 , , ( $ % )
, ( 2 $
M$@$H$J$ ' / ( $
M$@$H$M$ 6 , , , ( % I
H8 &
@8 %
J8 ' (
& 6 7!R& 68$
M$@$H$N$ 6 , %/
) / ,, "
/ ,, 3 /
$ ) " I
H8 & $
BJ
J8 ' (
& 6 7!R& 68$
M$@$H$K$ ) " I
H8 ; " 3 2 / 3
/ , ( & 6
$
M$@$H$B$ 0 7M8$
N$ + , / $
% 7@AAC8
, 7 8 5 /
5 7H8$ - /
/ : /
4 7H8 7@8 7J8 $
O$% " T$% P$% E$% 7H8
5 "
$
P$ " ∑)$*+O$% 7@8
- I O$%
T$% P$%5 E$%5
5 $
& 5 " / 7#X 8
1 /3 P$$
MKP " Max(P$) 7J8
/ :
/ /
7H8 ( 7@AAB8$
./ / / % )
, 3 5 J HC 5 % /
5 ) % (
BM
4 Cenário de Testes e Desenvolvimento
? " 5 / 7 8
/ / $
4.1 Cenário
- ) ," , % 5
M H$ - 5 4 %
& 6 & 6 $
-(
5 $
, 7 H @ J M N K B C L8$ &
, 4 ,
$
Figura 4 1 Layout do Sistema Produtivo, adaptado de Morandin (1999)
BN
- , ,
$ ; 1 MAA NAA 7 $ $8
M J$ ./ , "
M M$ - "
)
" / O 2
$
Figura 4 2 Roteiros de Produção
Figura 4 3 Tempo de Produção
BK
4.2 Descrição dos testes do sistema de validação da
proposta
, E
$ - ) % 5 )
4 $
, " / ' 7@AAN8$
; , , , E $ & 5
" ) $
3 5 , 3 (
( ( $ - (
, ,
$ 3 ( % ,
#&!'&9Z , 5
3 $ , /
G / 5 , % 7'- 0+ & @AAN8$
/ , ( %
3 I
- (
- #
/ /
7 ) 8
( %
- % ( %
+ ,
, $
- , HA 3
BB
4.3 Descrição dos testes de validação da proposta
? 3 "
% 5 / /
3 % $
-/ 5 % $
? 3 3 , ( ,
( 7@AAB8 % 7@AAC8 ( &
& & 5
$
! 5 , ( / 5 (
, ( %
/ / % 7@AAC8 ( 7@AAB8$ 6
/ , #&!'&9Z
$ & / 3
? % , ( / ", 5
)/ $ / , , NA
" %
/ /
, $ + 5 / 2 " "
7& & & 9! & !8
$
2 7 %
5 8 5
/ $ " , ( Y 3
7#&0!+? @AAN8 , , 2
$
? Y 3 &H 5 !H
, $ % &@ 5
!@ , /
$ ,
, , $
2
BC
7 &# - @AAB8$
Y 3 , (
/ % ( 7@AAB8 % 7@AAC8$ #
% ( 7@AAB8 ,
/ 5 / T ,
/ / / $
& 3 " 3 I
& / 5 / /
( 7@AAB8 % 7@AAC8 ,
#&!'&9ZG
& / , % 5
( ( 7@AAB8 % 7@AAC8G
& / ,
G
& / & & &
( 7@AAB8 % 7@AAC8G
& / ( % 9!
G
& / & ! $ & 9! 5
I (
& & & ( ,
$
; 7& & & 9! & ! 8
/ / / ( 7@AAB8
% 7@AAC8$
( NA $ &
5 2 5 $ ;
5 ) NA $ ;
( / , I + 708 7!#8 @ @$A
<( @ 9 0&# J@ 9 7Y E
BL
5 Análise e discussão dos resultados
" Y 3 5 (
$ , 5 (
)
$ %
, ) % , 3 NA " $
5.1 Versões de cálculo do
? % 5 , / / (
, 5 ,
/ ( 7@AAB8 % 7@AAC8 , ( #&!'&9Z$ + ,
/ % , (
+ ; ; 7 . 8$ & 5 ,
, / / ,
/ % $
( 7@AAB8 , (
(" $ ./ % 7@AAC8 /
/ $ 5 5
$ & ,
( 4
, / $ , ( /
, / , $
& ! N H 5
/ #&!'&9Z ) $
, / 5 " ) $
? 3
/ ( 7@AAB8$ ? (
, ( 7@AAB8 % 7@AAC8 %
, 3 ( 7@AAB8$ + 4
/ , % %
CA
/ $ ! 5
4 , / $
CH
5.2 Seleção por Roleta X Seleção por Torneio
5
JA 7 8 " , "
" 5 $ 5 5 (
JA 7 8 " , 4 I
5 5 / % "
, 5 $ - 5
5 , 7 8$
& 5 5 " 5
, 7 , 8$ ; , , 3
" 7 8$
? N H N @ % 5
$ 5 (
%/ 4 5 $ ./ 5
% " 5
3 $ ; 1 5 % "
4
% $
& ! N @ 2 , 5
" 3 5 $
5 4 5
" ( 5 5
" ,
5 $
? ! N J 2
5 & & & 3 JA 7 8 ( $ &
5 5 !
0 3 $ & &
)
5 : 5 $
5 5
% % " $ &
C@
" , "
3 % " $
-/ 5 , %
$ % ( 5
% $ - 5
4 & & Q #5 70 ! 8$
Figura 5 1 Roleta
CJ
CM
5.3 Modelagem dos AGs e AGAs
,
=JA> " ,
" " $
; , ,
, : $ - % " , ,
3 7 " 5 8G 3 ( ,
CA`G 3 , H`G " % , 3 7 " 8G
1 4 5 , 3 7 4 8 5 ( ,
1 /3 4 =NA>$
! 1 4 %
, , , " $ ! , :
, ( , %
$ % ,
I JA MA NA KA BA CA LA HAA HNA @AA$ ./
4 , I JA NA KA BA CA LA HAA @AA$
( &
& & 7& R6H & R6@ & &R6H & &R6@8$ & ,
( , 4 I 5 5 %
" , 5
$ ; ! N M ! N N$
-5 5 , 7
8$ & 5 5 " 5
, 7 , 8$ ; , , 3
" 7 8$
& N N N C , 1
& 1 ( $ ./ N J N M N K N B /
4 1 ( $
N N
N J N M$ ?
CN
" $ ./ N M
/ 3 % 5
7 8$
? N C ,
4 7& &R6H & &R6@8 , ,
" )/ 2 4
2 %
% % $ ./ %
4 )/ $
+ N K N B$ ? N K
"
% $ ./ N B / 5
5 " 3 / "
3 2 % $
( & & 7& &R6H
& &R6@8 % & 7& R6H & R6@8
T
( 3 4
, & $
? , ( %
F #&!'&9Z$ & ( ,
/ 2 , F
#&!'&9Z$ 0 ( ,
( F #&!'&9Z
$
, F 5
F
/ $ ? , 2
F 3 $
% ( F #&!'&9Z$ ? ,
2 ( & R6@ & &R6@
% %
4 $ ? & 9
CK
Figura 5 3 AG_V1
Figura 5 4 AG_V2
CB
CC
Figura 5 6 AGA_V1
Figura 5 7 AGA_V2
CL
LA
5.4 AGs X AGAs
& (
4 ( #&!'&9Z 7& & & 4 /
/ 8 ( 7@AAB8 % 7@AAC8$ ? (
7@AAB8 % 7@AAC8 ( #&!'&9Z
G ( + ; ; . $ (
4 ( %
/ 4 $ ./ /
% #&!'&9Z
/ , $
! ( 7@AAB8 % 7@AAC8 3
$
? / ( =NA> )
,
, 5 $ & (
% ( 7@AAB8 % 7@AAC8
% ( #&!'&9Z ; $ - 5
#&!'&9Z % (
7@AAB8 % 7@AAC8 5 =NA> 4 $
( 7@AAB8 ( : 5
I 3 ( CA`G 3 @A` %
=JA>$ ./ % 7@AAC8 ( : 5 I 3 (
KA` NA` HAA`G 3 A$N`
A$N` H` % =JA>$
? % , ( : 5 I 3
( CA` 3 H` & $ ./ & &
: 3 (
A$N` H` 3 A$N` @`$ - %
, =JA>$ & 5 % ,
, / / :
LH
? ! N K ! N B
4 ( %
4 ( 7@AAB8 % 7@AAC8$ 6 % (
7@AAB8 % 7@AAC8 ,
#&!'&9Z$
( , %
$ - % =JA>
! N K$ ./
% =HAA> ! N B$
% %
, / $ %
% , 3 =JA> " $
? / 5
#&!'&9Z % ( 7@AAB8 %
7@AAC8$ - 5 HK` 5
% 7@AAC8 J` 5 ( 7@AAB8$ 6
( 7@AAB8
5 / / /
/ % 7@AAC8 %
/ $
& 5 5 / / (
5 %
% 5 ( $
- % % %
5 =JA> " $ ./ 4 /
, , 5
=NA> 4 $
& % 1
4 ,
( / ,
& 5
L@
LJ
LM
5.5 Tipos de Vizinhança
7HLLB8 ( % 9! 5 , 5
$ ? % , ( ( % ", I
$ & N L
( % N HA $
Figura 5 9 Tipos de vizinhança
Figura 5 10 Exemplo da aplicação da vizinhança
( , % ,
( % ! N C$ - ( I
V1: ( % G
V2: ( % G
V1→V2I ( % G
V2→V1: ( % G
V1→V2→V1: ( %
( % G
V2→V1→V2: ( %
( % $
& ( % , %
$ + , 5 %
LN
LK
5.6 Buscas Tabu (BTs)
& (
4 ( #&!'&9Z 79! 4 / / 8!
? / ( =NA> )
, ,
5 $ - 5 ( 5 NA
4 % G % ( =HN>
4 9! , $ & HNP
% " 4 %
4 $
& 5 9! 5 &
& & 9! % & & & $ &
5 , , %
1 4 , ,
3 $ + /
5 ! N L ! N HA$
% 3 9!
/ % 5 7 , , 8
% % 9! 5 , , $
% 9! % & & & 9! " %
% / $ U
9! , & & & 5 5
3 ) , $
5 9! /
LB
LC
5.7 Algoritmos Genético Tabu (AGTs)
& (
4 ( #&!'&9Z 7& ! 4 /
/ 8$ 4 & ! 5
, & !$
- & ! % ) :
& & & 9! $
9! 9! / % 5
& & & , & !$ ;
I
1º momento:
9! 5 " 2
& & & $
2º momento: ( , 7&
& & 8$
_ ( ( &
& &$ 9! 5 %
( & !$ ./ ( , &
& & 9! / % 5 $
& & & 3 4
, / / ( 7@AAB8 2 , /
% 7@AAC8 5 , / %
) 3 =J> 4 & ! 7& !R6H & !R6@
& !R6J8 4 9! $ &
=K> $
& 9! ( & & &
5 , /
$ + 5
! N HH$
./ 9! ( , & & & 5
(
LL
, $ + , / 5
! N H@ ! N HJ$
- & ! ( / 3 HA`
@AA 7 $ $8 5 $ + % % ,
, 5 ( (
, %/ $
U & !
& & & & ! %
& & & $ ?
& ! %
% $
U & ! 9!
3 & !
9! & & &
, 2 9! $
% ( ,
& & & 9! % % HA`
& & & $
? ( & ! & & !
& & $
9! ) , (
$ + / 5 !
N H@ ! N HJ$ # & & 3
, & & ! (
& &$
& ! N HH (
& $ ? /
/ / 7 ( 3 & 8$ ./
! N H@ ! N HJ ( ,
& $ ? /
HAA
HAH
HA@
HAJ
6 Conclusões e trabalhos futuros
6.1 Conclusões
& : /
5 ( 4 " $ ;
1 / /
$ " 5
, ( ,
4 " $ ? &
5 3 3
% 4 & $ & 9!
& & & ( / 4
$ 3
$
- ) % 5 &
& & 9! ( $ ; 5 %
& ! Q & 5 ! $
& 5 & ! % 5 ,
I
/ / I , (/
% , G
& & & I ,
3 5 ( ,
( G
9!I , , ( %
5 5 ,
, G
& ! 9!$
%
% , / Q HA` )
3 NAA $ $ % $ ./ % %
HAM
5 / / , ( 5 / (
7@AAB8 % 7@AAC8$
U 2 , & & & ,
4 , /
$ & "
$ ./ "
( ) , % 5 "
( " 3
, 1 "
$ ; ,
$
! 5 , 5 I $
! & & & %/
$ ; %
5 , % ( "
3 1 " $ ;
;
5 ( % 5
$
U 2 9! , ( % I
)/ ,
$ ( 2 , ( %
$
U 5 9! , ,
, $ ? ,
, / $ ./
, , (
, $
& 9! 5 B` % & & &
$ ? ,
% $
& 5 , ,
, 5
HAN
& 9! / %
, 3 / %
7& & &8$ ? 9!
, 5
( $
# 9! 5
, , , (
9!$
U & ! 2 79! &
& & 8 & ! %
$ & 9! % % 5
& ! 5 & !$ 6
& ! % 5 HN` %
% % @A`$ ./ & !
9!$
? & ! 9! , I
( 7
8 ( $ ? , (
, 7& & &8 % , 3
/ $
? & ! 9! / , &
& & 9! % HA`
5 @AA $ $ & , (
, ) ( 7 (
( ( /
8$ & ,
5 $
U 2 ( & & & 9!
, , $ &
( & & 5 , % & & &
3 % & ( 9!$ ;
9! & & &
HAK
& ! )
9! , & & &
, % 5 $
! 9! & ! /
5 9! 3
3 & & &$
- & ! 3 5
9!
, $ - & ! % % , ,
, 9! 9! , &
& &$ 5 %/ ( & ! $
6.2 Trabalhos Futuros
5
4 )
% % $ ? " 5 T
, 5 5 0&
/ % & 9!$
- 5 + ) % )
% ( $ ?
% , % %
% / $
_ 5 ( 4 , )
: ) 1 ) $ & "
/ % ,/ , ) ,
3 , /
3 " $ ;3 / I , %
,, " / , 3 (
/ $ & 5 (
5 ) $
; &
HAB
, ( $ ! 5
5 5 9 ( 5 / $
5 )
%
$ &
, % $ & " /
5 $
U 2 9! 5 5 ,
, 5 ( % 5
( % ( % % (
$ & 9! % &
( % 5
, , $
5 ? 7 ? 8
5 3 ( % $
! 4
$
% , , % % 4
HAC
7 Referências Bibliográficas
9&!!+!+ 0$ Reactive search: Toward self tuning heuristics. # < %
# % . % Y D c ' $ $ KHQCJ HLLK$
9&!!+!+ 0$G !; <+-''+ $ !% %$ORSA Journal on Computing, $ K $ @ $ H@KQHMA HLLM$
9&!!+!+ 0$G !; <+-''+ $ !% 0 ! % 9
- ( % % , - ( $ Annals of
Operations Research ? % $ KJ $ @ $ HNHQHCC HLLN$
9&!!+!+ 0$G 90 ?&!- #$G #& +& $ Reactive Search and Intelligent
Optimization. 6 @AAC$ - 0 %O + ,
6 $ MN ? @AAC$
9;?+? & & &$ S$ Um modelo de sistemas Fuzzy para despacho de veículos
autoguiados em manufatura integrada. #
$ @AAJ$
90;#;0#&?? <$Optimization through evolution and recombination. , - ( D $ LJQHAK HLK@$
&# - #$ $ ; " / $ " I
d% IOOEEE$, $ $ O O O R O R $% e$ & I @A $
@AHA$
&06&'<- &$ $ $ '$ $G 90& & &$ $G ' ;0#+0 !$ 9$ ; $ + I 0;V;? ; $O. Sistemas Inteligentes.HP $ I ; # @AAJ $ @@N @MC$
&6&'+;0+ $ % D # $ + I
Second International Conference on Knowledge Based Intelligent Electronic Systems,
& & HLLC$ $ HJM HM@$
<&? $ !$ $G < ? $ <$G <&? $ '$ W$ & % E %
, % $Expert Systems with Applications,
@L JKM JBH @AAN$
<&? $ !$ $G < ? $ <$G <&? $ '$ WG +?X; G !+Y&0+ #$ X$
# % ) I % %$
Robotics and Computer Integrated Manufacturing, @@ $ MLJ NAM @AAK$
<+ W$ $G '$ $ &$ & D % %
, # % $ + I Proceedings of the 1997 IEEE International Conference on
HAL
&6+ '$Handbook of genetic algorithms.6 ? 0 % ? E W F HLLH$
;0+V &$ $ Um Método de Busca usando Algoritmo Genético para Programação Reativa da Produção de Sistemas de Manufatura com Recursos Compartilhados$
# $
@AAB$
; Y&0&# 0!<W 6$G !&#+'&0& + &$ ! % , , . %
% $Journal of Advanced Manufacturing Systems $ K $ H $ NLQBN
@AAB$
- ;' '$Autonomous automata.+ 0 % $ M $ H $ HMQHL HLK@$
&? S$ Y V$ F , % % D &
%$ + I Proceedings of the 2002 IEEE International Conference Control Applications,
E $X$ @AA@$ $ HHNJ HHNC$
;W+X $G ; +#- ' +$ !% , ! % , ) %
% $Journal of Intelligent Manufacturing, Springer $ HN $ M $ MJLQMMC @AAM$
'-6;0 $ Future paths for integer programming and links to artificial intelligence.
- 0 % ; ' $ -3, X X $ HJ $ N $
NJJQNML HLCK$
'-6;0 $ Tabu search and adaptive memory programming–advances, applications
and challenges. + , - 0 %I &
# % - ( % # ! % X E &
$ HQBN HLLK$
'-6;0 $G !&+''&0 ;$G !&+''&0 ;$ & [ %$ Annals of
Operations Research, $ MH $ H $ HQ@C HLLJ$
'-6;0 $ ! % , $ % , 9 s, University
of Colorado, 9 HLLN$
'-6;0 $G X;''W .$G '& ?& #$ % %I <D ,
( $Computers and Operations Research,; $ @@ $ H $ HHHQHJM HLLN$
'-6;0 $G '& ?& #$Tabu Search. HLLB$
'-6;0 $G <&?& + $ ! % f $ Discrete Applied
Mathematics,; $ HHL $ H @ $ JQJK @AA@$
-' 9;0 $ ;$ Genetic Algorithms in Search, Optimization and Machine Learning.
HHA
0; ;? !;!!; .$.$ - ( , , % $ IEEE
Trans. Systems, Man, and Cybernetics, HK $ H@@ H@C HLCK$
<&U &$ ?$G X&0!<+X;W&? !$G +?; < #$ % #
< & %$ International Journal Advanced Manufacturing Technology, @AAJ $@@ $ JBM JBL$
<-''&? .$ - , % D , D . Journal of the ACM
(JACM),& # ? E W F ?W & $ L $ J $ @LBQJHM HLK@$
<-''&? .$ & ? & f D $University of Michigan Press.
HLBN$
< &? V$ Y V$ F , % % , , D
% $ + I Proceedings of the 2004 IEEE International
Conference on Robotics and Automation,? E - '& & @AAM$ $ KK NBH$
.&?&X $ '$G '- & $ &$G X&''0&!< .$G 6-0#90- X ?$ Production scheduling of a large scale industrial batch plant. II. Reactive scheduling.+
; % D 0 % $ MN $ @N $ C@NJ C@KL @AAK$
.;-? $ .$G '+# $ .$G X+# X$ $ <D % %
% $International Journal of Advanced Manufacturing Technology,
' $ @C $ H@L Q HJK @AAK$
.;0&' .G & -X&? $G &0&6&?&? 0$G &$ $ $ % ,
% # % $ The
International Journal of Advanced Manufacturing Technology, $ @L $ N $
NCMQNCL @AAK$
X-V& .$ I - % , D # , ?
$University of Michigan Press,HLL@$
'& ;0 & ;$G &06&'<- &$ + & 5 $ Anais do XIX Congresso Nacional da Sociedade Brasileira de Computação, $ @ $ NHQH@K HLLL$
';; $ W$ + ; &0; $ # % % %$ + I
Proceedings of the 1992 IEEE International Conference on Robotics and Automation,
Anais.? # D HLL@$ $ HANB HAK@$
';; $ W$ + ; &0; $ % , 3 , D
% %$ IEEE Transactions on Robotics and Automation, $HA $ @ $ H@J HJJ
HLLM$
'+ V$G +;0& ;!0+!- #$ % DI 0 E % $