1 / 8

ÉLDMAN DE OLIVEIRA NUNES E AURA CONCI INSTITUTO DE COMPUTAÇÃO UFF

OTIMIZAÇÃO DE LINHAS DE MONTAGEM POR ALGORÍTMOS GENÉTICOS: ANÁLISE, APERFEIÇOAMENTO E IMPLEMENTAÇÃO. ÉLDMAN DE OLIVEIRA NUNES E AURA CONCI INSTITUTO DE COMPUTAÇÃO UFF. Melhor cromossomo encontrado. Melhor solução encontrada (layout da linha). Algoritmo Genético Original.

lorie
Download Presentation

ÉLDMAN DE OLIVEIRA NUNES E AURA CONCI INSTITUTO DE COMPUTAÇÃO UFF

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. OTIMIZAÇÃO DE LINHAS DE MONTAGEM POR ALGORÍTMOS GENÉTICOS: ANÁLISE, APERFEIÇOAMENTO E IMPLEMENTAÇÃO

  2. ÉLDMAN DE OLIVEIRA NUNES E AURA CONCIINSTITUTO DE COMPUTAÇÃOUFF

  3. Melhor cromossomo encontrado Melhor solução encontrada (layout da linha) Algoritmo Genético Original

  4. Parâmetros Genéticos: População inicial: 100 indivíduos Avaliação: Ffitness = 1- (Fobj + Cp . Penalidade)/STT + 72 . Tp max - FObj = (i=110) 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=113) 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 (melhor indivíduo encontrado) Resultado dos testes

  8. Testando o cruzamento proposto (melhor indivíduo encontrado)

More Related